Use Case der SIEVERS-GROUP auf der #HM19
In diesem Jahr verfolgen wir Sensordaten von der Entstehung bis zur Analyse und zeichnen so den Weg von Maschinendaten im Unternehmen nach. Ausgangspunkt ist ein handelsübliches Vibrationsboard, wo ein externer Sensor angebracht wurde. Dieser Sensor misst verschiedene Daten; z.B. Vibration, Lage, Luftfeuchte, Temperatur, und noch einige andere Werte mehr.
Die vom Sensor erzeugten Messdaten werden in das Edge Device der Fa. Harting, der MICA-Box transferiert und dort live visualisiert. Anhand eines Dashboards wird sichtbar, welche Werte gerade empfangen werden. Neben der Visualisierung der Daten werden in der MICA-Box die Daten für weitere Analysen vorbereitet und transformiert.
Die aufbereiteten Daten gelangen von der MICA direkt in die IBM-Cloud zur IBM Watson IoT-Platform. Dort werden zur Analyse der Daten verschiedenste KI-gestützte Verfahren bereitgestellt. Je nachdem, zu welchem Zweck die Daten analysiert werden, kommen hier unterschiedliche Machine learning-Algorithmen zum Einsatz. So können Aussagen über den allgemeinen Zustand der Maschine (Condition Monitoring) gemacht und mithilfe prädiktiver Analysen berechnet werden, wann eine Wartung der Maschine (Predicitve Maintenance) am kosteneffektivsten durchgeführt werden soll.
Autor: Tobias Drews, Business Solutions BA
