Katana –
Big Data Analytics

Daten sind das Schwert des 21. Jahrhunderts − Gewinn durch Nutzen

Sie sammeln enorme Datenmengen aus Sensoren, Maschinenlogs, SAP-Daten und Remote-Plattformen? Und Sie fragen sich, wie Sie mit dieser „Big Data“ Umsatz generieren und den sich stetig verändernden Servicebedarf bedienen können? Nutzen Sie unsere intelligenten Analysen, um aus Ihren Daten wichtige Informationen zu gewinnen, für z. B. das frühzeitige Erkennen von Fehlern zur Risikominimierung, die Effizienzsteigerung des Wertstromprozesses und die Qualitätsverbesserung in der Produktion. In 4 Schritten wandeln wir Ihre Big Data in wertvolle Smart Data und entwickeln daraus Smart Services: Mit Ihnen – für Sie.

Dieser Fortschritt durch die Digitalisierung wird in allen Bereichen der Industrie genutzt: z. B. Maschinen- und Anlagenbau, Produktion und Fertigung, Medizintechnik oder Automobilindustrie.

IN 4 SCHRITTEN ZUM SMART SERVICE

Henrik Oppermann
Bereichsleiter

+49 721 97903-103
+49 721 97903-200
h.oppermann(at)usu.de
Kontakt speichern

1. USE CASE

Was soll optimiert werden?

Wir erarbeiten interaktiv mit Ihnen und Ihren Experten einen Use Case zur individuellen Verbesserung. In einem ersten Gespräch wird erörtert, welche Fehler oder Störungen datenbezogen gesichtet werden sollen und wo es Optimierungsbedarf gibt. Die anschließende Untersuchung und Begutachtung der Daten wird in weiteren Gesprächen zwischen unseren Data Scientisten und Ihren Experten beispielhaft ausgearbeitet und verfeinert. Das Ergebnis dieses ersten wichtigen Schrittes ist die Business Value-Definition des Use Cases.

AUF EINEN BLICK

  • Exploration
  • Business Value-Definition
  • Daten-Identifikation

2. PROTOTYP

Funktioniert es?

Ihre Daten werden von unseren Data Scientisten speziell auf Ihren Use Case aufbereitet. Unsere Kernkompetenz ist es, einen individuell angepassten Algorithmus zu entwickeln, beispielsweise aus den Bereichen des maschinellen Lernens oder der kognitiven Intelligenz. Muster, Unregelmäßigkeiten und Ausreißer werden somit identifiziert und bislang unbekannte Kausalzusammenhänge aufgezeigt. Die Basis zur Optimierung ist jetzt geschaffen.

AUF EINEN BLICK

  • Visualisierung
  • Algorithmen-Entwicklung
  • Validierung

Aus ihren Rohdaten ...

Strukturierte Sensordaten einer Industriemaschine

Daten aus Sensormessungen werden gewöhnlich in Form von Zeitreihen erfasst. Da Sensordaten oft verrauscht und fehlerhaft sind, müssen sie für weiterführende Analysen vorverarbeitet werden. Dazu zählt beispielsweise das Auffinden und Bereinigen von Mess- und Übertragungsfehlern. Um Ihre Daten optimal vorverarbeiten zu können, kombinieren wir die Entwicklung maßgeschneiderter Lösungen mit der Anwendung standardisierter Ansätze.

Semistrukturierte Protokolldaten eines Webservers

Sowohl Maschinen als auch IT-Systeme beschreiben Zustandsänderungen und Aktionen durch die Ausgabe von diskreten Ereignissen in Form von Protokolldaten. Diese sind in der Regel semistrukturiert und benötigen aufgrund der kaum zu überblickenden Menge an Informationen und der hohen Ausgabefrequenz der Daten besondere Lösungen zur Analyse.

Eingangsticket in USU ITSM − Suite Valuemation

80% der im Unternehmenskontext vorhandenen Daten sind unstrukturiert. Dazu gehören auch Texte, in denen wertvolles Wissen steckt, das aber ohne intelligente Textanalyse-Verfahren brach liegt.Mit Hilfe von statistischen und linguistischen Mitteln lassen sich daraus strukturierte Informationen gewinnen, die weitere Analysen unterstützen.

... werden unsere Analysen

Automatische Messkorrektur bei Sensorstörungen

Automatische Messkorrektur bei Sensorstörungen
Während Testfahrten aufgenommener zeitlicher Verlauf des Motordrehmoments mit Ausreißern und Drift (blau), von Ausreißern befreiter Verlauf (grün) und zusätzlich von Drift befreiter Verlauf (rot).

Kommt es während einer Messung zu kurzzeitigen Störungen von Sensoren, siehe blaue Kurve im Defektbereich, so ist häufig die gesamte Messung unbrauchbar. Da die Durchführung von Messungen in vielen Fällen sehr zeit- und kostenintensiv ist, will man auch auf diese Messreihen nicht verzichten.

Mit Hilfe der von uns entwickelten Lösungen, lassen sich fehlerhafte Messintervalle korrigieren – vgl. blaue und grüne Kurve im Defektbereich – und Messwerte beispielsweise bzgl. ihres Driftverhaltens anpassen – vgl. rote Kurve.

Echtzeiterkennung von Ausreißern in Sensordaten

Echtzeiterkennung von Ausreißern in Sensordaten
Snapshot der Ausreißerkennung von in Echtzeit einströmenden Sensordaten. Messwerte außerhalb des Toleranzbereichs (hellblau) werden als Ausreißer (rot) erkannt und entfernt. Anstelle des Ausreißers wird der gleitende Median eingefügt.

Die zur Laufzeit erfolgte Erkennung und Beseitigung von Ausreißern ist gerade für in Echtzeit agierende Analysesysteme von zentraler Bedeutung. Somit wird verhindert, dass sich durch Ausreißer induzierte Fehler in späteren Verarbeitungsschritten fortpflanzen und somit Analyseergebnisse verfälschen.

Im Gegensatz zur klassischen Cluster-Analyse erlaubt unsere Lösung sowohl die Erkennung als auch die Beseitigung von Ausreißern in Sensordaten zur Laufzeit.

Adaptive Anomalieerkennung in Echtzeit

Adaptive Anomalieerkennung in Echtzeit
Erkennung von Anomalien in Maschinendaten für geringe (grün) und hohe (gelb) Toleranzen. Ein Überschreiten des grünen Bereichs kann beispielsweise als Warnung, das Überschreiten des gelben Bereichs als Alarm aufgefasst werden.

Anomalien stellen Unregelmäßigkeiten in den Messdaten von Maschinen dar und spielen damit eine zentrale Rolle in der Identifikation von Fehlverhalten. Mit Hilfe der von uns entwickelten Anomalieerkennung werden aus historischen Daten unterschiedliche Betriebsphasen der Maschine automatisch identifiziert und phasenspezifische Toleranzschwellwerte berechnet. Die Sensitivität der Anomalieerkennung ist vom Benutzer individuell einstellbar. Dadurch lassen sich während des Maschinenbetriebs selbst geringe Abweichungen vom Normalverhalten in Echtzeit identifizieren.

Vorausschauende Instandhaltung (Predictive Maintenance)

Vorausschauende Instandhaltung (Predictive Maintenance)
Vergleich einer Standardvorhersage (grün) mit der von uns entwickelten Vorhersage (rot). Die rote Fläche stellt die Konfidenz unserer Vorhersage dar, die blaue Kurve, den tatsächlichen Verlauf.

Neben der Echtzeiterkennung von Anomalien in Sensordaten, spielt auch eine langfristige Vorhersage der zeitlichen Entwicklung relevanter Kenngrößen eine zentrale Rolle. Kenngrößen könnten beispielsweise die Laufleistung oder die Ölqualität einer Maschine sein. Kann die zeitliche Entwicklung dieser Kenngrößen ausreichend genau vorhergesagt werden, können rechtzeitig Ersatzteile bestellt und Servicetechniker für die Wartung eingeplant werden. Damit werden kostspielige Ausfälle verhindert. 

Prädiktionsansätze, welche auf einer linearen Fortschreibung von Messgrößen beruhen, führen zu teils sehr ungenauen Prädiktionen. Die von uns entwickelten Ansätze basieren auf maschinellen Lernverfahren und bieten eine verbesserte Prädiktion mit Zusatzinformation über die Unsicherheit der Vorhersage, siehe Abbildung.

Fehler-Ursachen-Analyse

Fehler-Ursachen-Analyse
Der Ereignisbaum zeigt die Verkettung von Fehler-Ereignissen einer Maschine. Von links nach rechts gelesen werden ausgewählten Ereignissen potentielle Auslöser-Ereignisse zugeordnet. Die Farben kennzeichnen die Wahrscheinlichkeit einer Beziehung zwischen den jeweiligen Ereignissen. Ausgefüllten Knoten sind keine Auslöser-Ereignisse zugeordnet.

Sowohl komplexe Maschinen als auch IT-Systeme beschreiben ihren Zustand durch die Ausgabe von diskreten Ereignissen in Form von Protokolldaten. Diese beinhalten in der Regel wichtige Informationen über den Zustand und die zeitliche Entwicklung der Systeme.

Unsere Lösungen sind durch selbstlernende Verfahren in der Lage, Protokolldaten zustrukturieren und plötzlich eintretenden Ereignissen ihre wahrscheinlichsten Ursachen zuzuordnen. Damit machen wir relevante Zusammenhänge sichtbar.

3. UMSETZUNG

Jetzt geht´s in die Praxis!

Es folgt die Transformation auf die Katana-Plattform. Hierzu migrieren unsere Entwicklungsexperten den prototypisch entwickelten Algorithmus, so dass dieser performant und zuverlässig auf große Datenmengen angewandt werden kann. Die abschließende Integration mit Ihrer Zielumgebung ermöglicht die permanente Weiterentwicklung und Optimierung.

AUF EINEN BLICK

  • Migration
  • Integration
  • Wartung

4. SMART SERVICES

Mit neuem Portfolio raus auf den Markt!

Ihr datengetriebenes Portfolio ist mit diesem Ansatz beispielsweise um zwei gewinnbringende Smart Services erweitert. Zur Steigerung der Produktivität wird mittels „Predictive Maintenance“ eine proaktive Handlungsempfehlung angeboten. Zur Optimierung der Gesamtanlagen-Effektivität entsteht mittels Peer Group-Vergleichen der Beratungsansatz zur Performance-Steigerung. Smart Services sichern Ihnen den Vorsprung auf dem Markt.

AUF EINEN BLICK

  • Smart Services
  • Business Value
  • Marktposition

Downloads

Auszeichnung

Wir wurden ausgezeichnet mit dem TOP INNOVATOR Award für die Innovationseffizienz, die jährlich in Zusammenarbeit mit der Uni Ulm bewertet wird.

Download Zertifikat

Katana-Flyer

Laden Sie sich unseren Flyer mit den ausführlich beschriebenen Katana-Steps herunter und informieren Sie sich wie aus Ihrer Big Data Ihr Gewinn wird.

Download Flyer


Referenzen

Heidelberg ist Vorreiter auf dem Gebiet der innovativen Serviceangebote auf Basis einer Big-Data-Analyseplattform. Durch hochmoderne skalierbare Technologie- und Analysemöglichkeiten werden Serviceprozesse verbessert und gleichzeitig neue Dienstleistungsangebote entwickelt. Dabei geht es im Wesentlichen um das frühzeitige Erkennen von Unregelmäßigkeiten durch die Auswertung von Zustandsdaten der Maschine. Ziel ist es, sich anbahnende Störungen durch geplante Servicemaßnahmen zu eliminieren, bevor sie den Produktionsprozess stören, d.h. höchste Verfügbarkeit der Maschine dank intelligent geplanter, proaktiver Serviceeinsätze. Predictive Monitoring gepaart mit datengetriebener Prozessoptimierung steigern die Effizienz der Wertschöpfungskette der Kunden.

Pressemitteilung


Katana-Webinar

Mit uns immer auf dem neuesten Stand - kontaktieren Sie uns und erfahren Sie mehr über die spannende Entwicklung der digitalen Transformation.

Webinar vereinbaren

Querschnitt durch unser Katana-Team

BEREICHSLEITER

Henrik Oppermann

DATA SCIENTIST

Marco Huber

ENTWICKLER

Martin Weindel

FORSCHUNG

Alexa Schumacher

SALES & MARKETING

Christine Krase

WERKSTUDENT

Christoph Hennebold

Besuchen Sie uns

37. KVD Service
Congress 2017

9.-10.11.2017, München,
Hilton Hotel Munich Airport

Wir freuen uns, Sie im November auf dem KVD Service Congress zu dem Thema „Service 4.0 - heute und morgen“ zu treffen.

Termin vereinbaren

Industrial Analytics & Big Data in der Industrie

15. -16.11.2017, Berlin,
Crowne Plaza Hotel

Hören Sie den informativen Vortrag "Methoden, Technologien und Praxisbeispiele der Transformation von Daten zu Smart Services" von unserem Data Scientisten Dr. Marco Huber und besuchen Sie uns auf unserem Ausstellerstand.

Termin vereinbaren

SPS Elektrische Automatisierung - Systeme und Komponenten

28.11. - 30.11.2017, Nürnberg,
NürnbergMesse

Gemeinsam mit unserem Partner eWON sind wir mit einem Messestand auf Europas führender Fachmesse für elektrische Automatisierung vertreten. Wir freuen uns auf Ihren Besuch.

Termin vereinbaren

Clusterforum Smart Service

29.11.2017, Neustadt an der Donau, Scheugenpflug AG

Hören Sie den Vortrag "Was wir über Big Data Analytics für Maschinen aus der Praxis wissen" von unserer Business Unit Managerin Christine Krase und profitieren Sie von Ihrer Praxiserfahrung.

Termin vereinbaren


Kontakt

Bitte füllen Sie alle mit * markierten Felder aus.