Maschinelles Lernen

NI, IBM und SparkCognition arbeiten für Testbed zusammen

| Redakteur: Sariana Kunze

Das Condition Monitoring and Predictive Maintenance Testbed nutzt maschinelle Lernalgorithmen und -modelle, um Maschinenausfälle im Vorfeld zu erkennen, Wartungskosten zu senken und einen sicheren Betrieb zu gewährleisten.
Das Condition Monitoring and Predictive Maintenance Testbed nutzt maschinelle Lernalgorithmen und -modelle, um Maschinenausfälle im Vorfeld zu erkennen, Wartungskosten zu senken und einen sicheren Betrieb zu gewährleisten. (Bild: NI)

National Instruments (NI) gibt die Zusammenarbeit mit SparkCognition und IBM am Condition Monitoring and Predictive Maintenance Testbed bekannt. Da in vielen Industriebereichen, u. a. bei Schwermaschinen, in der Stromerzeugung und in der Prozessfertigung, bessere Verfahren benötigt werden, um alternde Anlagen zu verwalten und die Lebensdauer zu verlängern, soll durch die Zusammenarbeit am Testbed ein Höchstmaß an Interoperabilität zwischen Betriebs- (Operational Technology) und Informationstechnik (Information Technology) sichergestellt werden.

Im neuen Zeitalter von Big Analog Data trägt maschinelles Lernen dazu bei, aus Daten aussagekräftige Informationen zu gewinnen. Aus den gesammelten Rohdaten lassen sich so wichtige Erkenntnisse ableiten, um Anlagen sowie den Betrieb und Prozesse zu optimieren. Die Technologie ermöglicht zudem Kosteneinsparungen und Wettbewerbsvorteile, da mithilfe der auf künstlicher Intelligenz basierenden Prognosen Komponentenausfälle im Vorfeld erkannt, nicht optimale Betriebsbedingungen identifiziert und Ursachenanalysen durchgeführt werden können.

Maschinelles Lernen soll Ausfälle proaktiv verhindern

Das Condition Monitoring and Predictive Maintenance Testbed basiert auf der offenen, softwarezentrierten Plattform von NI und schöpft die aktuellen Möglichkeiten im Bereich maschinelles Lernen aus. Anwender können mit den von SparkCognition entwickelten kognitiven Analysefunktionen Ermüdungserscheinungen und Ausfälle bei kritischen Anlagen proaktiv verhindern, da sie wichtige Einblicke in den Zustand ihrer Anlagen sowie Lösungsvorschläge für potenzielle Probleme erhalten. Dies dient der Verbesserung der betrieblichen Effizienz sowie der Sicherheit und ermöglicht zugleich eine Senkung der Wartungskosten. „Die Technologien des IIoT (Industrial Internet of Things) haben mehr und mehr Sensoren in Industrieanlagen zufolge, wodurch riesige Datenmengen anfallen. Gemeinsam ermöglichen NI und SparkCognition die komplexe und intelligente Verarbeitung dieser Informationen, um wertvolle Einblicke zu gewinnen und daraus Erkenntnisse abzuleiten“, so Stuart Gillen, Director of Business Development bei SparkCognition.

Informationsgewinn aus Sensordaten automatisieren

„Wir freuen uns sehr, mit unserer Plattform die nötige Datenerfassungsfunktionalität bereitzustellen, um die SparkCognition-Analysen für das IIoT zu unterstützen und voranzutreiben“, so Jamie Smith, Director of Embedded Systems bei NI. „In Kombination mit den bereits im Testbed vorhandenen Technologien eröffnet SparkCognition neue Möglichkeiten, um den Prozess der Informationsgewinnung aus Sensordaten zu automatisieren.“ Dieser softwaredefinierte Ansatz zur Darstellung, Verwaltung und Optimierung verschiedenster Anlagenbestände unterscheidet sich deutlich von den herkömmlichen Verfahren mit festgelegten Funktionen, die nicht nur zeitintensiv sind, sondern auch speziell geschultes Personal und separate Modelle für jeden Anlagentyp erfordern.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44516016 / Mess- und Prüftechnik)