GEA verbetert fabriekefficiëntie met Weidmüller's Industrial Analytics & Geautomatiseerde ML-oplossingen

Met Weidmüller's nieuwe Geautomatiseerde Machine Learning-software wil GEA zijn dienstenaanbod uitbreiden en verbeteren op het gebied van systemen en installaties. Een corresponderende "pilot" is gestart op GEA's Oelde-locatie.

Industrie 4.0 als uitdaging en grote kans

Digi tale technologieën en het onderwerp Industrie 4.0 stellen grote uitdagingen voor bedrijven in de machine- en installatiebouw, maar bieden ook volledig nieuwe kansen: Productie-installaties moeten individueel aanpasbaar zijn aan individuele producten en klanteisen. Het servicebedrijf wordt steeds interessanter.

Abonneer op PII en ontvang:

Onze langbestaande tweewekelijkse digitale magazine *Process Industry Informer*, met exclusieve artikelen, nieuws en updates over de procesindustries, plus commentaar van onze drie industrie-experts:

Sean Moran
Gavin Smith
Dave Green

PLUS:

• Process Industry Update — onze wekelijkse e-newsletter
• PII Podcast
• Speciale berichten van onze adverteerpartners

"We zijn al enige tijd bezig met condition monitoring en condition monitoring van machines en hebben drempelwaardeanalyses opgezet. Maar we waren ons bewust dat het potentieel van dit onderwerp veel groter is," legt Kerstin Altenseuer, Head of Service Development bij GEA, uit. "Op de lange termijn was het doel om processen in kaart te brengen of om applicaties samen met onze klanten te kunnen optimaliseren. En natuurlijk ook om nieuwe businessmodellen en toepassingsgebieden te vestigen zoals leasing- of abonnementsmodellen voor onze machines."

Algoritme-know-how beschikbaar maken

GEA, met meer dan 125 jaar expertise in de fabricage van separatoren en decanters voor de scheiding van vloeistoffen, profiteert enorm van deze ervaring. Deze installaties worden in diverse industrieën gebruikt zoals de voedingsmiddelenindustrie, chemicaliën, farmaceutica, biotechnologie, energie, scheepvaart en milieutechnologie. Met nieuwe businessmodellen of toepassingen wil het bedrijf nieuwe inkomstenbronnen openen. "We realiseerden ons echter relatief snel dat we de expertise en hulp van data-experts nodig hadden voor dit project. Het is niet makkelijk om de juiste experts te identificeren en te werven, nl. data scientists, zelfs als een bedrijf als GEA in principe goede kaarten zou hebben. Maar we hadden er meerdere nodig, wat de zaak niet makkelijker maakt," zegt Kerstin Altenseuer.

Samen in plaats van alleen

Hoe kunt u expertise opbouwen met geschikte experts? In de zoektocht naar een oplossing voor dit probleem, werd GEA op Weidmüller en de expertise van het bedrijf op het gebied van industriële analytics ongemerkt via het "It's OWL" excellentiecluster. Het doel: anders denken over het serviceaanbod voor klanten en slimme services vestigen. Tegelijkertijd moest de kwaliteit en prestatie van de machines worden verbeterd en de basis gelegd voor het ontwikkelen van nieuwe businessmodellen om GEA competitief te positioneren op de markt.

Vindingen van procesingenieurs omzetten in algoritmes

GEA en Weidmüller werkten eerst aan hoe het project opgezet kon worden en wat het centrale doel zou zijn.

"Het werd snel duidelijk dat we eerst de haalbaarheid in een proof of concept zouden bewijzen en dan GEA in staat zouden stellen om ML-modellen onafhankelijk te ontwikkelen en te bedienen," legt Tobias Gaukstern, Business Unit Head of Industrial Analytics bij Weidmüller, uit.

Met behulp van de Geautomatiseerde Machine Learning Software Service, moeten de experts bij GEA in staat zijn om machine learning-algoritmes en statistische modellen onafhankelijk te trainen.

Mechanische ingenieurs staan vaak voor het probleem dat hun ontwerp-, automatiserings- en proces-experts hun kennis niet eenvoudig in machine learning-oplossingen kunnen overbrengen. Hoe bundelt u deze toepassingskennis in software of zelfs in een algoritme?

"De oplossing was heel interessant voor ons omdat we veel procesingenieurs hebben die de machines heel goed kennen en de data tot op zekere hoogte kunnen interpreteren. Met Weidmüller's hulp kunnen we nu deze kennis in een algoritme overbrengen," legt Matthias Heinrich, Manager Digital Solutions bij GEA, uit. Een proof of concept (PoC) met historische data werd in Oelde uitgevoerd om te controleren hoe de theoretische overwegingen in de productieomgeving bij GEA toegepast kunnen worden. Het doel was om afwijkingen in het gedrag van separatoren in de zuivelindustrie automatisch te detecteren.