Die Herausforderung
In einem Produktionsprozess liefern Sensoren Messwerte mit unterschiedlicher Auflösung und Genauigkeit. Dabei ist es üblich, dass unterschiedliche Messungen mit redundanten Informationen installiert werden, sodass die Informationsabdeckung dichter wird, um eine Zielgröße zu beschreiben. Aufgrund von unterschiedlichen Messprinzipien unterliegt jede Messung spezifischen Abweichungen. Die Aufgabe war, eine bestmögliche Basis aus Einzelsignalen zu erstellen, die für die weitere Verwendung zur Datenanalyse im Produktionsprozess herangezogen werden kann.
Die Lösung
TietoEVRY ermöglichte unter Betrachtung der Auflösung und Genauigkeit von Sensor-Messwerten ein erweitertes, besseres Signal. Dies geschah mittels Datenfusionierung. Das Ergebnis ist qualitativ hochwertiger als zuvor, da die positiven Aspekte bei jeder Messung verstärkt berücksichtigt werden. Dies geschieht über mathematische Berechnungs- und Bewertungsmodelle, die speziell für den Anwendungsfall erstellt wurden. Tieto konnte dabei auf eine breite Knowledge- und Erfahrungsbasis zurückgreifen.
Über den Kunden
Dies findet in jeder Branche Anwendung, in der teilweise redundante Signale mit verschiedenen Eigenschaften vorhanden sind bzw. eine Zielgröße beschreiben. Dabei kann die Analyse sowohl auf Zeitreihen-Daten, als auch auf diskontinuierliche Daten angewendet werden. Die Analyse verbessert die Performance von Prozessanalysen für produzierende Unternehmen.
Optimierte Datenqualität
Bereitstellung von verbesserter Datenqualität für weitere Verwendung in der Analytik, bei AI-Ansätzen und der gesamten Digitalisierung.
Erhöhte Präzision
Durch die verbesserte Datenqualität können genauere Vorhersagen durchgeführt und Entscheidungen getroffen werden, die mittels Einzelsignalen nicht möglich gewesen wären.
Entlastung des Personals
Die Anwendung von Data Augmentation kann eine diskrete manuelle Messung durch ein kontinuierlich berechnetes Messsignal ergänzen.
Datenfusion als Mittel zum Erfolg
Durch die langjährige Erfahrung im Bereich Data-Analytics, Statistik und Methoden der künstlichen Intelligenz kann TietoEVRY Austria auf eine umfassende Wissensbasis zurückgreifen. Mit steigender Anzahl an Sensoren erhöht sich die Komplexität, die gesammelten Daten zu analysieren und auszuwerten. Im hier beschriebenen Use Case wird im Rahmen der Datenfusion allerdings noch ein weiterer Schritt gesetzt. Wenn ein Signal nicht direkt erfasst, dieses aber mittels anderer Signale angenähert werden kann, wird somit ein sogenannter Softsensor erstellt. Diese Softsensoren bedienen sich mathematischer Modelle, die neben dem Signalanteil auch eine Abbildung des zu messenden Prozesses beinhalten. Durch diese Methode ist es möglich, noch mehr Informationen aus den Daten zu generieren und den Prozess des Projektes für den Kunden zu optimieren.
Durch die Datenfusion kann das volle Potential der Kundendaten ausgeschöpft und somit die bestmögliche Datenbasis für eine erfolgreiche Digitalisierung sicherstellen werden.
Arnold Präsent
Topic Owner Data Driven Business, TietoEVRY Austria