AnnaLyze – Data Science in der Industrie

Unsere Kompetenzen – Ihre Vorteile

Im Zeitalter von Industrie 4.0 werden Prozess- und Maschinendaten zunehmend als wesentlicher Teil der Wertschöpfung eines Unternehmens angesehen. Die Digitalisierungsbestrebungen der letzten Jahre ermöglichen eine umfangreiche automatisierte Daten­erfassung, die allerdings viele Unternehmen vor große Herausforderungen stellt. Einerseits sollen Echtzeitinformationen für die Reaktion auf kurzfristige Änderungen in der Produktion analysiert und verar­beitet werden, andererseits sollen aus den gesam­melten Datenpools zukünftige Ereignisse abgeleitet und möglichst genau prognostiziert werden.

Dabei sollen große Datenströme und Events aus Sensor­netzwerken (BigData) zusammen mit Datenquellen aus Auftrags-, Konfigurations- und Werkzeugdaten von den Produktionsmaschinen verknüpft werden um ein verbessertes Verständnis des Maschinen­parks zu gewinnen. Mit ihren vielseitigen Kompetenzen und ihrer langjährigen Erfahrung ist die RISC Software GmbH der perfekte Ansprechpartner, wenn es darum geht, ihren Kundinnen und Kunden wertvolle Lösungen im Bereich Data Science anzubieten und die Herausforderung von Big Data als wichtige Chance zur Prozess- oder Umsatzoptimierung wahrzunehmen.

AnnaLyze – Die virtuelle Produktionsassistentin

Ein erfolgreiches Referenzframework der RISC Software GmbH stellt die virtuelle Produktionsassistentin AnnaLyze dar. Angepasst an die individuellen Bedürfnisse und Rahmenbedingungen im Unternehmen werden mit AnnaLyze smarte Technologien im Bereich Data Science eingesetzt, um sowohl Echtzeitinformationen als auch gesammelte Datenpools zu analysieren, Prognosen zu erstellen und geeignete Optimierungsmaßnahmen abzuleiten. AnnaLyze dient in erster Linie zur Entscheidungsunterstützung der Expertinnen und Experten vor Ort und ermöglicht,

das gesamte Wissen über eine oder mehrere Maschinen zu einer Wissensbasis zusammenführen, um ein besseres Verständnis des Maschinenparks zu garantieren. So können durch das Zusammenwirken vielfältiger Datenmengen mithilfe des Modellwissens der Expertinnen und Experten (Engineer in the Loop) Produktivitäts- und Qualitätssteigerungen erreicht werden, indem beispielsweise die Ausfallswahrscheinlichkeit von Maschinen reduziert wird oder Wartungsintervalle und -zyklen optimiert werden.

DATA ENGINEERING

Große Datenströme und Events aus Sensornetzwerken (Big Data) werden mit Datenquellen aus Auftrags-, Konfigurations- und Werkzeugdaten von den Produktionsmaschinen verknüpft. Durch intensives Data Engineering werden somit Prozess- und Produktionsdaten über die qualitätsrelevanten Prozessschritte nutzbar aufbereitet.

DATA ANALYTICS

Durch die Anwendung statistischer Verfahren, moderner Methoden aus den Bereichen Data Analytics and Visual Analytics sowie Machine Learning werden die aufbereiteten Daten analysiert (Zeitreihen-Analysen von Sensor- und Prozess-Daten, Logdaten-Analysen und Fehlervorhersagen zur Qualitätssicherung).

DATA PRESENTATION

Mithilfe von Artificial Intelligence sowie Predictive Analytics können genaue Prognosen über zukünftige Entwicklungen erstellt werden. Dadurch können anschließend auf Basis von Methoden der Prescriptive Analytics adäquate Handlungsempfehlungen abgeleitet werden.

AnnaLyze - Die virtuelle Produktionsassistentin für Ihr Unternehmen

Der Einsatz von AnnaLyze garantiert ein besseres Verständnis Ihres Maschinenparks durch das Erkennen von zusammenhängen zwischen Ursache und Wirkung. Durch das Zusammenwirken vielfäl­tiger Datenmengen aus Sensornetzen, Produktions-, Konfigurations- und Werkzeugdaten mit dem Domain­wissen Ihrer Ingenieurinnen und Ingenieure über das zugrundeliegende Maschinenmodell kann eine Quali­tätssteigerung Ihrer Maschinen erzielt werden.

Die RISC Software GmbH stellt sich den aktuellen Anforderungen des modernen Datenmanagements und bietet mit AnnaLyze eine individuell anpassbare virtuelle Produktionsassistentin zur Wissensgene­rierung Ihrer Maschinen.

Unter Downloads können Sie den aktuellen AnnaLyze-Folder als PDF Datei herunterladen.

Time Series Analysis
Time Series Analysis

Referenzprojekte