In den Subunternehmen von Andritz werden täglich große Datenmengen produziert, gespeichert und
ausgetauscht. Data-Lakes schaffen dort die Grundlage für KI-Anwendungen.
#3 SENSOREN FÜR
MASCHINENOPTIMIERUNG
Heutzutage ist jede modernere Maschine mit
unzähligen Sensoren und Einstellungsmöglichkeiten
versehen. Auch bei der Mustermann AG
produzieren diese Sensoren eine Flut an Daten,
deren Mehrwert aber nicht vollständig genutzt
wird. Im besten Fall werden Warnungen verschickt,
wenn einzelne Faktoren, wie zum Beispiel
die Temperatur, während eines Produktionszyklus
überschritten werden. Mithilfe von
KI und Maschine-Learning lassen sich diese
Daten aber gewinnbringend nutzen. Beispielsweise
kann über die Zeit gelernt werden, welche
Kombinationen von Sensordaten – denn oftmals
ist die Interaktion sehr viel komplizierter
als eine einfache Temperaturmessung – in
absehbarer Zeit zu Problemen beim Maschinenbetrieb
führen. So kann bereits eingegriffen
werden, bevor das Problem auftritt – Stichwort
Predictive Maintenance. Dies spart nicht nur
174 AUTOMATION-GUIDE 2021
Nerven, sondern auch Zeit und Geld. „Die
Stärke von Machine-Learning ist, dass man
damit deutlich mehr Faktoren kombinieren und
daraus ein optimaleres Ergebnis errechnen
kann, als es einem Menschen möglich wäre.
Man braucht aber für das Prozessdesign auf
jeden Fall das Expertenwissen um zu bestimmen,
welche Faktoren in welcher Genauigkeit
einbezogen werden müssen. Es ist nicht zielführend,
einfach alle Rohdaten ins Machine-Learning
zu stecken“, erklärt der KI-Experte.
Im optimalen Fall werden die Messwerte dieser
Sensoren mithilfe von Streaming-Technologie,
also eines kontinuierlichen Datenstroms, in Big-
Data-Lakes abgelegt. Maschine-Learning-basierte
Algorithmen greifen dann auf diese Daten zu
und kreieren wertvolles Wissen, welches dann
voll- oder teilautomatisiert für Entscheidungen
oder das Auslösen von Aktionen verwendet wird.
So können etwa Muster erkannt werden, welche
initialen Einstellungen der Maschine bei wel-
1