Suche  

Data Analytics Consulting 

Let your assets speak!


Implementierung von Predictive Maintenance Systemen – Signifikante Zeit- und Kostenvorteile in allen Produktionsbereichen

Unvorhergesehene Maschinenausfälle verursachen Leistungseinbrüche, Lieferengpässe und Qualitätseinbußen. Predictive Maintenance ist die Instandhaltungsstrategie der Zukunft und somit unerlässlicher Bestandteil der Industrie 4.0. Die Überwachung von Anlagen – Condition Monitoring – wird um eine statistische Auswertung der erfassten Daten und die Prognose der zukünftigen Störereignisse ergänzt.

Herausfordernd für die Qualität der Vorhersage ist Korrektheit und Verlässlichkeit der Daten. Wir kommen aus der Technik und nehmen im Markt der Big Data Lösungen und der Data Analytics eine Sonderstellung ein – wir wissen, wie diese Daten aus Ihrem Maschinenpark, Ihrem Produktionssystem zu gewinnen sind. Unsere Leistung: Umsetzung von Predictive Maintenance in Ihrem Anwendungsszenario über den gesamten Prozess von der Datenerfassung, der Analyse, der Modellbildung und der Implementierung einer Lösung in Ihre IT-Landschaft.

 

Die ESE Analytics Tool Chain verknüpft die Welt der Datenanalyse mit dem Anspruch der Nutzer:

  • Verfügbarkeit
  • Performance
  • Bedienkomfort
  • Effizienz
  • Professioneller Support.

Wir entwickeln für Sie eine individuelle Applikation für Condition Monitoring und Predictive Maintenance, prüfen und optimieren die Datenqualität und implementieren die Applikation in Ihre Unternehmens-IT.

Finden Sie hier weitere Informationen zu unserem Data Analytics Consulting im Industrie-Bereich sowie unserem Industry Monitoring Starterkit DIVE in Kooperation mit Wachendorff und Splunk.

 Finden Sie hier weitere Informationen zu unseren Services im Rail-Bereich sowie zu unserem Train Monitoring Starterkit DRIVE in Kooperation mit Eltec und Splunk.

 

Auswahl des Speichers und der Analyseplattform

Das Data Lake Prinzip

Ein Data Lake ist ein sehr großer Datenspeicher, der Daten aus unterschiedlichen Quellen im Rohformat enthält. Das Datenformat kann sowohl strukturiert als auch unstrukturiert sein, wodurch sich ein wesentlicher Unterschied gegenüber einem Data Warehouse ergibt, bei dem die Daten vorab durch einen ETL-Prozess (Extract, Transform, Load) in ein bestimmtes Format gebracht werden müssen. Das Rohformat der Daten ermöglicht Das Speichern in Rohformat bietet den Vorteil, dass die Daten für viele verschiedene Anwendungen von diversen Analysetools nutzbar sind – auch für Auswertungen in der Zukunft. Durch einen Data Lake werden verteilte und redundante Datenspeicher vermieden. Die Nutzung eines Data Lake kann flexibel durch gängige Frameworks wie z.B. Apache Hadoop bereitgestellt werden. Hadoop überwindet die Grenzen eines typischen Data Warehouse und verringert die Betriebskosten eines solchen. Hadoop ist ein verteiltes System von Rechnern, die in einem Cluster vereint werden frei skaliert werden können.

Unsere Consultants beraten Sie gerne zu Ihren Fragen zu der Architektur von Datenhaltungssystemen und nehme die Implementierung dieser für sie vor.

Siemens MindSphere

MindSphere bietet eine breite Palette von Protokolloptionen für Geräte- und Unternehmensanwendungen, Branchenanwendungen, umfangreiche Analysen und eine innovative Entwicklungsumgebung, die sowohl die offenen PaaS-Funktionen (Open Platform-as-a-Service) von Siemens als auch den Zugriff auf AWS-Cloud-Dienste nutzt.

Durch diese Funktionen verbindet MindSphere reale Dinge mit der digitalen Welt und bietet leistungsstarke Branchenanwendungen und digitale Dienste, die den Geschäftserfolg fördern.

MindSphere ermöglicht durch offene PaaS-Funktionen die Entwicklung und Bereitstellung neuer Branchenanwendungen in einem vielfältigen Partner Ecosystem. Profitieren Sie von den Erfahrungen und Erkenntnissen unserer Partner. Um Ihre IoT-Strategie voranzubringen, ist keine Entwicklung Ihrerseits erforderlich.

Die ESE entwickelt mit Einsatz von Siemens MindSphere geschäftsorientierte Lösungen, die Closed-Loop-Innovationen durch digitale Zwillinge für Produkte, Produktion und Leistung fördern.

Splunk

Splunk bietet eine skalierbare, vielseitige Plattform für Maschinendaten, die von all den Geräten, Steuersystemen, Sensoren, SCADA-Systemen, Netzwerken, Anwendungen und Endbenutzern generiert werden, die durch die modernen Netzwerke vernetzt sind. Nutzen Sie Splunk für Anwendungsfälle wie Industrieproduktion und -wartung, Sicherheit, Schutz und Compliance und Geräteanalysen

  • Automatisieren Sie das Sammeln und Indizieren von Maschinendaten sowie das Auslösen von Benachrichtigungen, die für die Prozesse Ihres Unternehmens wichtig sind
  • Gewinnen Sie verlässliche Erkenntnisse aus all Ihren Daten, ob strukturiert oder unstrukturiert
  • Stellen Sie künstliche Intelligenz durch Machine Learning bereit, um schneller besser informierte Entscheidungen treffen zu können 

Funktionale Sicherheit durch gutachterliche Betrachtung aus einer Hand

An die Industriesteuerungs- und Automatisierungstechnik werden die höchsten Anforderungen an die Sicherheit und Verfügbarkeit gestellt. Jede Veränderung an einem bestehenden System hat Auswirkungen, deren Rückwirkungsfreiheit auf die funktionale Sicherheit betrachtet werden müssen.

Das Assessment Service Center (ASC) der ESE GmbH unterstützt die Hersteller der Industriesteuerungs- und –Automatisierungstechnik bei der Erfüllung dieser Kriterien. Wir bieten unseren Kunden umfassende Dienstleistungen.

Weitere Informationen zu dem Leistungsspektrum des Assessment Service Center finden Sie hier.

 

Analyse und Visualisierungen

Predictive Maintenance

Die Instandhaltung von technischen Geräten wird zurzeit zyklusbasiert durchgeführt. Der tatsächliche Zustand einer Maschine wird dadurch nicht berücksichtigt. Hierdurch werden Wartungen durchgeführt, die nicht notwendig sind, weil die Maschine beispielsweise nicht genutzt wurde. Im schlimmsten Fall fällt die Maschine aus, weil die Wartung nicht rechtzeitig durchgeführt wurde. Beide Szenarien kosten für Betreiber sehr viel Geld.

Predictive Maintenance (vorausschauende Wartung) soll Defekte frühzeitig erkennen und den Wartungsprozess in Gang setzen. Technologien wie z.B. Machine Learning kommen hier zum Einsatz.

Machine Learning

Als Teilgebiet der künstlichen Intelligenz ist maschinelles Lernen in der Lage, durch Mustererkennung Zusammenhänge in komplexen Daten zu finden. Dazu benötigen die Algorithmen eine Datengrundlage, um auf dieser angelernt zu werden. Das gelernte Ergebnis wird dann iterierend auf neue Daten angewandt, um Zusammenhänge und damit auch Ergebnisse zu liefern.