Sprache auswählen
Auf dieser Seite:

Individuelle Analytics-Lösungen 4. Oktober 2022
WAGO Analytics

Wenn es darum geht, eine Anlage zu optimieren, liegen die Herausforderungen darin, das Prozessverständnis zu verbessern, zu quantifizieren und die Ergebnisse wieder in den Prozess zu übertragen. WAGO Analytics unterstützt Sie von der Datenaufnahme bis zur Analyse und erstellt intuitive Visualisierungen über die Abhängigkeiten in den Anlagen. Die aufgedeckten Zusammenhänge werden in die Prozesse integriert und ermöglichen so die Ausschöpfung von Optimierungspotentialen.

In einem gemeinsamen Projekt erarbeitet WAGO in engem Austausch mit dem Kunden eine individuelle Lösung zur gewinnbringenden Nutzung der Daten für den jeweiligen Anwendungsfall.

Ihre Vorteile:

  • Identifizierung der Optimierungspotentiale
  • Verbesserung des Qualitätsniveaus
  • Maßgeschneiderte Analytics-Lösung
  • Steigerung der Effizienz und Kostenreduktion
  • Verbesserung der Prozessstabilität

Sechs Schritte von der Datenerfassung
bis zur gewinnbringenden Nutzung

1

Schritt 1

Schritt 1: Sammlung der Rohdaten aus den verschiedenen Datenquellen

2

Schritt 2

Schritt 2: Aufbereitung der Daten

3

Schritt 3

Schritt 3: Kontinuierliche Datenaufnahme

4

Schritt 4

Schritt 4: Explorative Datenanalyse und Auswahl der geeigneten Darstellungsform

5

Schritt 5

Schritt 5: Einbindung in den Betriebsprozess

6

Schritt 6

Schritt 6: Zusammenhänge und Optimierungspotentiale nutzen

WAGO führt Sie zur gewinnbringenden Nutzung
Ihrer Daten

Wir bringen Sie zu Ihrer maßgeschneiderten Analytics-Lösung.

1. Sammlung der Rohdaten aus den verschiedenen Datenquellen

Im ersten Schritt werden im Austausch mit dem jeweiligen Domänenexperten die relevanten Datenquellen identifiziert. Die verschiedenen Schnittstellen werden unabhängig vom jeweiligen Protokoll ausgelesen. Werte werden direkt von der Steuerung abgegriffen und weitere Sensorik wird bei Bedarf installiert. Die Analytics-Lösung wird in die bestehende Steuerung integriert. Daher geschieht die Datenerfassung in Absprache mit dem zuständigen Automatisierer.

2. Aufbereitung der Daten

Im zweiten Schritt erfolgt eine zeitliche Synchronisation der Daten. Die relevanten Informationen werden extrahiert und in einem einheitlichen Format dekodiert. Irrelevante Daten werden herausgefiltert und entfernt. Zusätzlich werden relevante Kennzahlen laufend berechnet. Dieser Schritt ist besonders wichtig, da eine saubere Datenbasis die Grundlage für den Erfolg eines Analytics-Projekts darstellt.

3. Kontinuierliche Datenaufnahme

Im folgenden dritten Schritt wird ein individueller Datenlogger in Betrieb genommen. Die Daten werden gespeichert und für tiefergreifende Analysen nutzbar gemacht. Durch die kontinuierliche Datenaufnahme wird eine aussagekräftige Datenvielfalt generiert. Dies kann in Form von Versuchsplänen gemeinsam mit dem Domänenexperten umgesetzt werden. Je nach Use-Case kann es auch ausreichen, die Datenaufnahme über einen längeren Zeitraum laufen zu lassen.

MM-4961_Analytics_Demonstrator_Screenshot_1_2000x1125.jpg

4. Explorative Datenanalyse und Auswahl der geeigneten Darstellungsform

Als vierter Schritt erfolgen die explorative Datenanalyse und die Auswahl der geeigneten Darstellungsformen. In Offlineanalysen werden Abhängigkeiten und Zusammenhänge extrahiert, interpretiert und visualisiert. Seltene Ereignisse werden aufgedeckt. Im engen Austausch zwischen Data-Scientist und dem Domänenexperten werden die ersten Optimierungspotentiale sichtbar. Hierfür sind oft noch keine komplexen Algorithmen nötig. Teil der explorativen Datenanalyse ist es jedoch auch, in Offlineanalysen Algorithmen aus dem Machine-Learning und KI-Bereich für unterschiedliche Use-Cases zu evaluieren. Sollte der gewünschte Anwendungsfall nicht aus der bestehenden Datenbasis abbildbar sein, wird entweder neue Sensorik installiert oder die Versuchspläne werden angepasst.

MM-4961_Analytics_Demonstrator_Screenshot_2_2000x1125.jpg

5. Einbindung in den Betriebsprozess

Im fünften Schritt werden die für die Anlage optimierten Analysen und Visualisierungen in den Betriebsprozess integriert. Die Einbindung in die Steuerung erfolgt wieder in Absprache mit dem Automatisierer.

6. Zusammenhänge und Optimierungspotentiale nutzen

Im sechsten Schritt nutzt der Kunde die Zusammenhänge und Optimierungspotentiale und profitiert von den Vorteilen einer individuellen Analytics-Lösung. Bei Bedarf lässt sich die Analytics-Lösung in einer weiteren Iteration für den nächsten Anwendungsfall erweitern.

MM-4961_Analytics_Demonstrator_Screenshot_3_2000x1125.jpg

Ganzheitliche Analytics für die Industrie

von der Datenerfassung bis zur Datenanalyse

FAQ – Analytics

Allgemeine Fragen

Die Potentiale durch Analytics sind vielfältig. Häufige Anwendungsfälle sind die Optimierung von Stellgrößen, die Reduzierung von Stillständen sowie die Minimierung von Qualitäts- und Prozessschwankungen. Durch individuelle Ansätze ermöglichen wir Ihnen die Ausschöpfung von Optimierungspotentialen und eine Steigerung der Effektivität Ihrer Prozesse. Es lassen sich durch Datenanalysen allerdings auch neue Geschäftsmodelle realisieren.

Wir erarbeiten mit Ihnen eine Lösung zur Erfassung der bestehenden Datenbasis. Sämtliche relevanten Protokolle und Schnittstellen können ausgelesen werden. Bei Bedarf bietet WAGO ein umfangreiches Portfolio zur Installation weiterer Sensorik.

Die Datenerfassung und -aufzeichnung ist Teil eines Analytics-Projekts. Bei Projektbeginn muss daher noch keine Datenbasis vorhanden sein. Sollten Sie bereits über Daten verfügen, werden diese in die Auswertung integriert. Falls für die Lösung Ihres Problems eine präzise Wiedererkennung von seltenen Ereignissen nötig ist, muss in der Regel von längeren Datenaufzeichnungszeiträumen ausgegangen werden. Ziel ist es, eine aussagekräftige Datenvielfalt zu generieren. Mit steigender Datenmenge steigt die Präzision von Datenanalysen.

Je nach Anwendungsfall ist eine lokale Lösung (zentrale Lösung) möglich.

Wir ermöglichen individuelle Dashboards und Reporting-Funktionen, mit denen Sie Ihre Analytics-Applikation im Blick behalten und selbstständig Analysen durchführen können.

Das Spektrum von bewährten Methoden ist groß. Abhängig vom Use-Case kommen Algorithmen aus dem überwachten und unüberwachten Lernen zum Einsatz. Ebenso werden modellbasierte Verfahren genutzt, die Expertenwissen integrieren. Für einige Anwendungsfälle bringen Visualisierungen der Live-Daten bereits einen Mehrwert.

Es ist sinnvoll, sich im ersten Schritt auf einen Teilbereich Ihrer Anlage zu fokussieren, in welchem sie Optimierungspotentiale sehen. Nach einer erfolgreichen Integration der Ergebnisse in Ihren Prozess, kann dann der nächste Anwendungsfall identifiziert und bearbeitet werden.

Schreiben Sie uns!

Innovation & Technology