08.12.2020 – Kategorie: Digitalisierung

Predictive Analytics: Der Blick in die Glaskugel als Out-of-the-box-Lösung

Predictive AnalyticsQuelle: Industrie Informatik
In einem Forschungsprojekt hat sich MES-Hersteller Industrie Informatik gemeinsam mit Kunden sowie Forschungs- und Bildungseinrichtungen mit dem Thema Predictive Analytics beschäftigt. Das Ergebnis ist eine Out-of-the-box-Lösung, die auf dem Standard-Datenmodell von Cronetwork MES…

Dass Predictive Analytics kein neues Thema ist, weiß Industrie Informatik-Mitbegründer und Head of Strategic Product Management, Thomas Krainz, natürlich. Für ihn ist allerdings die Herangehensweise entscheidend: „Unser Ziel war es, eine Out-of-the-box-Lösung zu entwickeln, mit der unsere User schnell, einfach und natürlich leistbar zu Ergebnissen kommen. Vor allem mittelständischen Unternehmen soll so der Umgang mit großen Datenmengen und damit der Zugang zu umfassenden Digitalisierungsmaßnahmen ermöglicht werden.“ Das sei im Bereich der Predictive-Themen keine Selbstverständlichkeit, so Krainz weiter.

Predictive Analytics-Lösung ist in der Cloud und on-premises einsetzbar

Der Weg zum markttauglichen Produkt führte über ein mehrjähriges Forschungsprojekt, an dem mehrere Instanzen maßgeblich beteiligt waren. Den theoretischen, wissenschaftlichen Zugang ermöglichte die Wirtschaftsuniversität Wien. Mit der RISC Software GmbH konnte man zudem ein etabliertes und international anerkanntes Forschungsunternehmen gewinnen. Die gemeinsam gewonnenen Erkenntnisse wurden dann in Fallbeispielen von ausgewählten Kunden erarbeitet. Im Fokus stand die Erarbeitung möglicher Anwendungsfelder auf Basis vorhandener Daten, sowie die Ausarbeitung, Entwicklung, Erprobung und Bewertung von Algorithmen, Verfahren und Technologien zu Prognosezwecken.

„Das Ergebnis aus dem Forschungsprojekt ist einerseits ein Out-of-the-Box-Technologie-Stack, der sowohl in der Cloud als auch on-premises einsetzbar ist. Weiters haben wir ein Data Preprocessing-Modell entwickelt, das dem Anwender dabei hilft, Daten aus Cronetwork MES im ersten Schritt zu bereinigen und aufzubereiten, bevor eine KI die laufende Bewertung und Interpretation der daraus gewonnenen Informationen vornimmt“, so Thomas Krainz. Dass all diese Vorgänge auf dem Standard-Datenmodell von Cronetwork MES basieren, schafft für den User große Effizienzvorteile, die sich in der raschen Umsetzbarkeit der Predictive Analytics-Methoden niederschlagen. Hinzu kommt die Verwendung des Random Forest Modells als Lern-Algorithmus, welches bekannt ist für schnelle Durchlaufzeiten und sehr gute Interpretierbarkeit der Ergebnisse.

KI und Predictive Analytics sind keine Wunderheiler

Thomas Krainz weiter: „Erfolgsentscheidend ist am Ende die Anpassung all dieser Technologien und Funktionen an die jeweilige Datensituation und vor allem die Erwartungshaltung der Kunden. Künstliche Intelligenz und Predictive Analytics sind keine Wunderheiler. Sie sind weder besser noch intelligenter in ihren Aufgaben als ein Mensch. Ihr Vorteil liegt in der Nachbildung von menschlichem Know-how – und das bei hoher Geschwindigkeit und außerdem rund um die Uhr! Daraus leiten sich viele Möglichkeiten ab!“ Konkret gemeint sind damit Prognosen zu relativen Ausschüssen und Arbeitsplatzstörungen in Folgeschichten sowie zu Qualitätsstati nach Fertigungsschritten. „Alleine mit diesen Informationen kann man verborgene Einsparungspotenziale aufdecken und die Effizienz am Shopfloor massiv optimieren“, so Krainz abschließend.

Lesen Sie auch: So gelingt die Rückverfolgung von Druckgussteilen


Teilen Sie die Meldung „Predictive Analytics: Der Blick in die Glaskugel als Out-of-the-box-Lösung“ mit Ihren Kontakten:


Scroll to Top