Wie kann ein Überblick und ein besseres Verständnis des Produktionsbetriebes durch das Erkennen von Kausalzusammenhänge und Identifizierung der Produktionsfehler geschaffen werden? Dieser Aufgabenstellung widmeten sich die RISC Software GmbH gemeinsam mit den Unternehmen FILL Gesellschaft m. b. H. und Nemak GmbH im drei Jahre andauernden Forschungsprojekt “Boost 4.0”.

Das europäische Projekt „Big Data Value Spaces for COmpetitiveness of European COnnected Smart FacTories 4.0“ (BOOST 4.0) befasste sich mit der Entwicklung groß angelegter Industriedatenexperimente und der Demonstration datengesteuerter verknüpfter smarter Fabriken 4.0. Die RISC Software GmbH erreicht zusammen mit den Pilotpartner*innen ein besseres Verständnis der Maschinen, indem Kausalzusammenhänge in den zugehörigen gespeicherten Daten erkannt werden. Um die gesammelten Daten effizient verarbeiten zu können, wurde als Hauptziel das Design und die Implementierung eines skalierbaren Data Analytics Systems für Big Data in der Industrie definiert. Dieses System ermöglicht die Feststellung weiterer spezifischer Ziele, wie die Auswahl geeigneter Datenanalysealgorithmen für sehr große Datenmengen und das Potenzial zur parallelen Implementierung. Ein weiteres Ziel war die Etablierung eines Prüfsystems, welches die manuellen Prüfungen der Produktionsfehler bei Fertigung von Zylinderköpfen durch Machine Learning reduziert.

Das Projekt Boost 4.0 ermöglichte es der RISC Software GmbH, ihr Wissen über Big-Data-Technologien zu vertiefen und die vorhandene Expertise in Data Science und künstlicher Intelligenz weiter auszubauen. Die Geschäftsprozesse konzentrierten sich primär auf Forschung und Entwicklung, sodass das bestehende Data Analytics Framework weiterentwickelt wurde. „Obwohl kein Projekt wie das andere ist und es immer wieder neue Herausforderungen im F&E-Umfeld gibt, arbeiten wir selten „von Grund auf“, sondern bauen meist auf unseren Frameworks, auf unserem Wissen auf. Im Rahmen von Boost 4.0 hat die RISC Software GmbH ihr Data-Analytics-Framework AnnaLyze erweitert, indem sie es für zukünftige Big-Data-Projekte passend gemacht hat. Auf einer Metaebene haben uns außerdem der Wissensaustausch, die Kommunikations- und die Verbreitungsaktivitäten geholfen, unser Know-how zu erweitern und die Tür für weitere kooperative Forschungsaktivitäten mit Unternehmen aus anderen Branchen und Ländern geöffnet.“ – sagt DI Wolfgang Freiseisen, Managing Director der RISC Software GmbH.

2021 05 18 Boost Projektabschluss1

Die Hauptaufgaben der RISC Software GmbH im Piloten des Maschinenbauers FILL Gesellschaft m.b.H. konzentrierten sich auf die Auswahl der geeigneten Methoden des maschinellen Lernens und der Datenanalyse, die für sehr große Daten geeignet sind, sowie das Potenzial für eine parallele Implementierung haben. Durch die Integration der Ergebnisse von Boost 4.0 wurde die bestehende Forschungsinfrastruktur um ein Architekturkonzept[1] erweitert, das Big-Data-Technologien (wie Apache Spark auf Hadoop) mit semantischen Ansätzen (Apache Avro und SALAD) kombiniert. Damit wurden die Exploration und Analyse großer Datenmengen aus heterogenen Quellen (Maschinen-, Produkt-, Prozess- und Logging-Daten) erleichtert. Um konkrete Use-Cases zu identifizieren und ein besseres Verständnis der Daten zu schaffen, wurden hochfrequente Zeitreihen verglichen. Interactive Visualisierungen wurden implementiert und in ein Dashboard integriert, das die Kommunikation mit den Expert*innen unterstützt. Alois Wiesinger, CTO der FILL Gesellschaft m.B.H., erklärt: „Fill ist ein gewachsenes Familienunternehmen und fokussiert auf den Erfolg seiner Kunden. Der neue Ansatz, durch Digitalisierung die Informationslücke zwischen Kunden und dem Fill-Engineering zu schließen, führt zu einer besseren Erfüllung der Kundenanforderungen. Zum Ende des Projektes Boost 4.0 haben wir bereits eine höhere Kundenzufriedenheit festgestellt. […] Mit dieser neu geschaffenen Transparenz des Prozesses und dem Vertrauen, das wir mit unseren Partner*innen und Kund*innen aufgebaut haben, sind wir bestens für die Fabrik der Zukunft gerüstet!

SALAD (Semantic Annotations for Linked Avro Data)

SALAD (Semantic Annotations for Linked Avro Data) ist eine Schemasprache zur Beschreibung von strukturierten Linked Data in JSON oder YAML (ein rekursives Akronym für “YAML Ain’t Markup Language”).

Diesen Beitrag mit Ihrem Netzwerk teilen:

Apache Spark

Apache Spark ist ein Framework für Cluster Computing, das unter einer Open-Source-Lizenz öffentlich verfügbar ist.

Diesen Beitrag mit Ihrem Netzwerk teilen:

Hadoop-Cluster

Ein Hadoop-Cluster ist ein Computer-Cluster, der für die Speicherung und Analyse von großen Mengen unstrukturierter Daten in einer verteilten Rechenumgebung verwendet wird.

Diesen Beitrag mit Ihrem Netzwerk teilen:

Das Video zeigt die Architektur des RISC Software Data Analytics Frameworks.

Das Video zeigt den Einsatz des verteilten Verarbeitungsframeworks Spark bei einer typischen Data Engineering Aufgabe, der Konvertierung und Aufbereitung von Industriedaten.

Die im Video betrachteten Daten sind hochfrequente Zeitreihen (Abtastrate ca. 6ms), die sich mit freiem Auge kaum unterscheiden. Mithilfe von Dynamic Time Warping (DTW), einer gängigen Methode zum Vergleich von Kurven, konnte festgestellt werden, wo genau im Programm der Vorsprung/Verzug auftritt sowie dessen Größe bestimmt werden.

Gemeinsam mit dem Unternehmen Nemak Linz GmbH und weiteren Partner*innen wurde im Nemak-Pilotprojekt untersucht, wie die Qualitätsbeurteilung von Gussteilen durch Datenanalyse verstärkt werden könnte. Dazu wurde Machine Learning eingesetzt, um Gussteile auf Basis von XCT-Bildern, die zuvor von einem XCT-Prüfsystem als fehlerhaft identifiziert wurden, automatisch neu zu bewerten. Die erwartete Auswirkung ist daher eine Optimierung des Qualitätssicherungsprozesses und die Verringerung der Personalressourcen bei der Nemak Linz GmbH: Es müssen weniger Nachprüfungen durch XCT-Expert*nnen durchgeführt werden. Florian Reiterer, R&D Engineer bei Nemak Linz GmbH, erklärt: „Die Zusammenarbeit mit RISC im Rahmen des BOOST-Projekts gestaltete sich als sehr professionell und angenehm. Mittels des Know-hows von RISC Software GmbH auf dem Gebiet der Datenanalysen war es möglich uns Wege aufzuzeigen, wie ressourcenintensive Qualitätssicherungsprozesse optimiert und somit Kosten eingespart werden können.

Das Projekt BOOST 4.0 „Big Data Value Spaces for COmpetitiveness of European COnnected Smart FacTories 4.0“, wurde im Rahmen des Forschungs- und Innovationsprogramms Horizon 2020 der Europäischen Union unter der Fördervereinbarung Nr. 78073 gefördert und 2020 erfolgreich abgeschlossen.

Eckdaten

  • Projektname: „Big Data Value Spaces for COmpetitiveness of European COnnected Smart FacTories 4.0“ (Boost 4.0)
  • Laufzeit: 01/2018-12/2020
  • Förderschiene: H2020-EU.2.1.1.
  • Projektpartner: insg. 53 Partner aus 16 Länder
  • Fördervolumen: ca. 20 Mio. EUR
  • CORDIS-Link
  • Projekt-Webseite

Quellen

[1] Roxana-Maria Holom, Katharina Rafetseder, Stefanie Kritzinger, Harald Sehrschön, Metadata management in a big data infrastructure, Procedia Manufacturing, Volume 42, 2020, Pages 375-382, ISSN 2351-9789, https://doi.org/10.1016/j.promfg.2020.02.060.

Downloads

Weiterlesen

Mastering the (industrial) Data

Wie aus Daten von Industrie- und Produktionsprozessen eine verbesserte Fertigung entsteht.

Online Konferenz: BOOST 4.0 | 10.12.2020

In der Abschluss-Konferenz des Projektes BOOST 4.0 stellt die RISC Software GmbH gemeinsam mit ihren Projektpartnern Fill Gesellschaft m.b.H., TTTech und Visual Components ihre Forschungsergebnisse im Bereich Big Data Machine Tool Cybernetics dar.

Forschungsprojekt BOOST 4.0

Boost 4.0 ist die größte europäische Initiative für Big Data für Industrie 4.0. Boost 4.0 hat ein Budget von 20 Mio. Euro mit einer zusätzlichen privaten Investition von 100 Mio. Euro.

Diesen Beitrag mit Ihrem Netzwerk teilen: