Nutzung von KI für Maschinenbauer um Daten aus dem Betrieb zu analysieren, annotieren und Machine-Learning-Modelle zu erstellen.

Anomalieerkennug

Anomalieerkennung für Maschinenbauer durch künstliche Intelligenz

Das neue shopfloor.io-Modul ermöglicht es Maschinenbauern ohne Data-Science-Expertise, die Vorteile einer Machine Learning getriebenen Anomalieerkennung auf einer intuitiven Benutzeroberfläche zu nutzen. Dadurch können sie Daten aus dem Betrieb analysieren, annotieren und ein Machine-Learning-Modell erstellen. Dieses Modell erkennt Equipment-Abnutzungen wie z.B. Spindel-Verschleiß und andere Prozessprobleme (z.B. Temperatur-Schwankungen) und kann mit eigenen Serviceangeboten, wie Wartungen oder Ersatzteilshops, verknüpft werden.

Diese bereits trainierten Machine-Learning-Modelle können dem Betreiber übergeben werden, damit er über seine eigene Oberfläche Anomalien nachvollziehen, weitere Annotationen erstellen oder eigene Modelle für andere Use-Cases im Self-Service trainieren kann. Die selbsterstellten Betreiber-Use-Cases und -Modelle stellen wiederum einen Rückkanal mit wertvollen Informationen für den Maschinenbauer dar.

Darüber hinaus können Benachrichtigungen eingerichtet werden, um eine schnelle Reaktionsmöglichkeit zu gewährleisten.

Anomalieerkennung Modul-Features

Analyse von Daten aus dem Betrieb

Erstellung neuer Machine-Learning-Modelle

Annotation und Training der KI

Verknüpfung von Serviceangeboten

Rückkanal mit Informationen aus dem Feld

Konfiguration von Benachrichtigungen und Alarmings

Jetzt ein unverbindliches Angebot anfordern

Referenzprojekte

Lösungen, die mit shopfloor.io Bausteinen realisiert wurden

Die shopfloor.io-Sofwarebausteine helfen Maschinenbauern dabei, schnell mit der Entwicklung passgenauer Industrie 4.0-Lösungen durchzustarten. shopfloor.io stellt individuelle Softwaremodule für den Cloud- oder On-Premises-Betrieb bereit, und wird als Grundstein einer skalierbaren und sicheren IIoT-Systemarchitektur eingesetzt mit der Maschinenhersteller ihre Anlagen und Mitarbeiter in einem Maschinenportal vernetzen und erschlossene Daten übersichtlich visualisieren oder durch Anbindung an ihre bestehenden Strukturen anknüpfen können.