Projekt „KOSMoS“

Data Science & Machine Learning

Für die Industrie als Anwender von Datenanalysen und Machine Learning bietet KOSMoS die Möglichkeit, die eigene Produktion effizienter, flexibler, schneller und damit konkurrenzfähiger zu gestalten. Maschinelles Lernen basiert auf Mustererkennung und erzeugt anhand wiederkehrender Merkmale und Beziehungen eigenständig neues Wissen aus Erfahrungswerten und Historien. Durch die Analyse der gesammelten Kunden-, Log- und Sensordaten können neue Angebote und datenbasierte Geschäftsmodelle etabliert werden, wie beispielsweise transparente Wartungskonzepte, dynamisches Leasing oder ein Qualitätsnachweis ausgelieferter Produkte. Vorteile können sich beispielsweise durch einen geringeren und effektiveren Wartungsaufwand, eine effizientere nutzungsbasierte Leasingrate oder einen optimierten Produktionsprozess bemerkbar machen. inovex bearbeitet im KOSMoS-Projekt insbesondere diese analytischen Fragestellungen.

IIoT: Vernetzte Maschinen für eine intelligente Produktion

Die Vernetzung von Maschinen, intelligenten Computern und anderen Geräten im industriellen Umfeld führt zu einer immer größer werdenden Menge an produktionsrelevanten Daten, die erhoben, verarbeitet und verfügbar gemacht werden können. Für einen funktionierenden Austausch zwischen den verschiedenen Plattformen sind neben den eingesetzten Sensoren und Smart Devices auch standardisierte Protokolle wie OPC UA und MQTT von großer Bedeutung. Die generierten Daten liegen häufig zwar sehr hochfrequent, hochdimensional und im Sinne von Big Data vor, jedoch existieren in der Regel nur wenige Data Samples. Um auf den erhobenen Daten intelligente Prozesse wie Fehlerüberwachung oder Predictive Maintenance aufzubauen und hierdurch die Vision einer intelligenten Produktion zu verwirklichen, sind spezielle Methoden und Algorithmen gefragt. Sowohl im Data Engineering als auch in der Algorithmik bringt inovex seine Kompetenz ins KOSMoS-Projekt ein.

Predictive Maintenance: Optimale Maschinennutzung

Eine der Kernkompetenzen des IIoT ist Predictive Maintenance (zu Deutsch: „Vorausschauende Wartung“). Predictive Maintenance ist als Erweiterung des klassischen Ansatzes zu verstehen, Wartungen innerhalb festgelegter Intervalle durchzuführen. Dabei werden die durch das IIoT erhobenen Daten mit entsprechenden Data-Science- und Machine-Learning-Ansätzen automatisiert analysiert und entsprechende Handlungsanweisungen und -empfehlungen ausgegeben. Die intelligente Planung von Wartungen ermöglicht es den Unternehmen, nicht nur ungewollte Produktionsstillstände zu vermeiden, sondern auch die Maschinen in ihrem optimalen Leistungszustand zu betreiben. Im KOSMoS-Projekt unterstützt inovex die Anwendungspartner dabei, für ihre konkreten Anwendungsfälle analytische Lösungsansätze zu finden und umzusetzen.

Blockchain: Gegenseitiges Vertrauen schaffen

Ein zusammenhängendes Wertschöpfungsnetz, in dem kooperierende Firmen firmenübergreifend Produktions- und Prozessdaten austauschen, kann Mehrwerte für jeden beteiligten Partner erzeugen, sofern ausreichend Vertrauen besteht. Eine Blockchain ist ein Datenspeicher, der nicht nur von einer Firma verwaltet wird, sondern gleichzeitig dezentral und transparent bei allen Geschäftspartnern vorliegt und somit aus technischer Sicht ein Netz verteilter, voneinander unabhängiger Server darstellt. Die Verkettung der Datensätze, sowie die Einigung aller Netzwerkknoten über einen sogenannten Konsensus-Algorithmus bezüglich der Korrektheit von Zuständen verhindert eine nachträgliche Umkehrbarkeit und Manipulation der Daten.

Innerhalb der Blockchain lassen sich sogenannte „Smart Contracts“ implementieren. Diese stoßen – ausgelöst durch einen Daten-Schwellwert oder eine andere Aktion – einen Prozess an, der auf Basis manipulationssicher gespeicherter Daten automatisiert weitere Prozesse innerhalb einer Wertschöpfungskette ermöglicht. Auf diese Art und Weise können Verträge abgebildet, abgewickelt, überprüft und gleichzeitig Transaktionskosten gesenkt sowie Vertragssicherheiten gesteigert werden.

Machine Learning im produktiven Einsatz

Aufgrund der Vielzahl unterschiedlicher Komponenten, insbesondere Machine Learning Libraries und Tools, existieren selbst unter Tech-Giganten unterschiedliche Meinungen darüber, welche die besten Ansätze für Pipelines im produktiven Einsatz sind. Im Rahmen von KOSMoS forscht inovex an Architektur-Konzepten, mit denen sich modulare Datenverarbeitungs- und Machine-Learning-Komponenten sicher und zuverlässig nicht nur in der Cloud, sondern auch „at the edge“ oder „in the fog“, also deutlich näher am „Hallenboden“ betrieben werden können. Dabei wird ebenfalls untersucht, an welchen Stellen im Datenmanagement-Prozess die Blockchain wie auch Smart Contracts sinnvoll eingesetzt werden können.