Anzeige

Neue Machine-Learning-Software für den Maschinen- und Anlagenbau

Datenanalyse und Modellbildung

Mit dem Automated-Machine-Learning-Tool für den Maschinen- und Anlagenbau können Anwender Modelle eigenständig erzeugen und weiterentwickeln, ohne dabei auf die Hilfe eines Data Scientists oder eines externen Kooperationspartners angewiesen zu sein. Das vorhandene Wissen über Prozesse und Maschinen bleibt so im Unternehmen, da diese ihr Domänenwissen selbstständig einpflegen können.

Bild: Weidmüller Gruppe
Das Automated-Machine-Learning-Tool von Weidmüller hilft Anwendern beim Erzeugen von Modellen mittels künstlicher Intelligenz.

Das Automated-Machine-Learning-Tool von Weidmüller soll eine Grundlage für effiziente Produktionsprozesse und neue datenbasierte Geschäftsmodelle bilden. Im Fokus stehen die Verfügbarkeit der Maschine oder eine garantierte Anzahl der damit produzierten Teile und nicht wie bisher ein bestimmter Maschinentyp. Die Erhöhung der Produktionszeiten durch Industrial Analytics steht damit in einem direkt messbaren Mehrwert, der sich in einer Return-on-Invest-Zeit von wenigen Monaten niederschlägt. Klassische Automatisierungs- und Maschinenbauexperten sind mit den derzeit verfügbaren Machine-Learning-Tools und deren Möglichkeiten häufig überfordert. Sie verfügen in der Regel nicht über die Kenntnisse, um entsprechende Modelle zu entwickeln. Deswegen übernehmen Data Scientists die Datenanalyse und Modellbildung. Ihr Expertenwissen ist notwendig, um die Methoden der künstlichen Intelligenz oder des maschinellen Lernens auf die Daten anzuwenden und Modelle zu entwickeln, die z.B. Anomalien erkennen und Fehler voraussagen können. Natürlich arbeitet der Data Scientist bei der Modellentwicklung eng mit dem Maschinenbauer bzw. -betreiber zusammen, um die gefundenen Zusammenhänge in den Daten ingenieurmäßig zu interpretieren. Mit seiner Automated-Machine-Learning-Software für den Maschinen- und Anlagenbau verfolgt Weidmüller jedoch einen neuen Ansatz. Das Software-Tool führt den Anwender durch den Prozess der Modellentwicklung. Dadurch reduziert sich die Komplexität, der Anwender kann sich auf sein Wissen zum Maschinen- und Prozessverhalten fokussieren. Der Maschinen- und Anlagenexperte kann die Erstellung und Weiterentwicklung der Modelle eigenständig vorantreiben - ohne selbst spezielles Wissen im Bereich künstlicher Intelligenz zu haben. Das vorhandene Wissen über Prozesse, Maschinen und Fehlerbilder bleibt so im Unternehmen, da diese ihr Domänenwissen selbstständig einpflegen und mit den Modellbildungsschritten verknüpfen können. Die Software hilft bei der Übersetzung und Archivierung des komplexen Applikationswissens in eine verlässliche Machine-Learning-Anwendung. Gleichzeitig stellt das Tool die für die Ausführung von künstlicher Intelligenz erforderlichen Softwarekomponenten zur Verfügung. Das heißt, der Anwender benötigt kein spezielles IT-Knowhow zum Betrieb der Modelle.

Weidmüller Interface GmbH & Co. KG

Dieser Artikel erschien in SPS-MAGAZIN 4 2019 - 25.04.19.
Für weitere Artikel besuchen Sie www.sps-magazin.de