GEA steigert Anlageneffizienz mit Weidmüllers Industrial Analytics & Automated ML-Lösungen

Mit Weidmüllers neuer Automated Machine Learning Software will GEA sein Serviceangebot im Bereich Systeme und Anlagen erweitern und verbessern. Ein entsprechender „Pilot“ wurde am GEA-Standort Oelde initiiert.

Industrie 4.0 als Herausforderung und große Chance

Digitale Technologien und das Thema Industrie 4.0 stellen Unternehmen im Maschinen- und Anlagenbau vor große Herausforderungen, bieten aber auch völlig neue Chancen: Produktionsanlagen müssen individuell anpassbar an einzelne Produkte und Kundenanforderungen sein. Das Servicegeschäft wird zunehmend interessanter.

Abonnieren Sie PII und erhalten Sie unser zweimonatliches Digitalmagazin Process Industry Informer mit exklusiven Artikeln, Nachrichten und Updates aus den Prozessindustrien sowie Kommentaren unserer drei Branchenexperten: Sean Moran, Gavin Smith, Dave Green. PLUS: Process Industry Update – wöchentlicher E-Newsletter, PII Podcast, spezielle Nachrichten von Werbepartnern.

„Wir beschäftigen uns seit einiger Zeit mit Condition Monitoring und Zustandsüberwachung von Maschinen und haben Schwellenwertanalysen eingerichtet. Aber wir wussten, dass das Potenzial dieses Themas viel größer ist“, erklärt Kerstin Altenseuer, Leiterin Serviceentwicklung bei GEA. „Langfristig ging es darum, Prozesse abzubilden oder gemeinsam mit unseren Kunden Applikationen zu optimieren. Und natürlich auch, neue Geschäftsmodelle und Anwendungsbereiche wie Leasing- oder Abo-Modelle für unsere Maschinen zu etablieren“.

Algorithmen-Know-how verfügbar machen

GEA, mit über 125 Jahren Expertise in der Herstellung von Separatoren und Dekantern für die Flüssigkeitstrennung, profitiert enorm von dieser Erfahrung. Diese Anlagen werden in verschiedenen Branchen eingesetzt wie Lebensmittelindustrie, Chemie, Pharma, Biotechnologie, Energie, Schifffahrt und Umwelttechnik. Mit neuen Geschäftsmodellen oder Applikationen will das Unternehmen neue Einnahmequellen erschließen. „Wir erkannten jedoch relativ schnell, dass wir für dieses Projekt die Expertise und Hilfe von Datenspezialisten brauchten. Es ist nicht einfach, die passenden Experten, also Data Scientists, zu identifizieren und zu rekrutieren, selbst wenn ein Unternehmen wie GEA prinzipiell gute Karten hätte. Aber wir hätten mehrere gebraucht, was die Sache nicht einfacher macht“, sagt Kerstin Altenseuer.

Gemeinsam statt allein

Wie kann man also Expertise mit passenden Experten aufbauen? In der Suche nach einer Lösung für dieses Problem wurde GEA über den „It's OWL“ Exzellenzcluster auf Weidmüller und dessen Expertise im Bereich Industrial Analytics aufmerksam. Ziel: Das Serviceangebot für Kunden neu zu denken und smarte Services zu etablieren. Gleichzeitig sollte die Qualität und Performance der Maschinen verbessert und die Basis für die Entwicklung neuer Geschäftsmodelle geschaffen werden, um GEA wettbewerbsfähig zu positionieren.

Prozessingenieure-Erkenntnisse in Algorithmen transformieren

GEA und Weidmüller arbeiteten zuerst daran, wie das Projekt aufgebaut werden könnte und was das zentrale Ziel wäre.

„Es wurde schnell klar, dass wir zuerst die Machbarkeit in einem Proof of Concept beweisen und dann GEA befähigen würden, ML-Modelle selbst zu entwickeln und zu betreiben“. Erklärt Tobias Gaukstern, Business Unit Leiter Industrial Analytics bei Weidmüller.

Mit Hilfe des Automated Machine Learning Software Service sollten die Experten bei GEA in der Lage sein, Machine-Learning-Algorithmen und statistische Modelle unabhängig zu trainieren.

Mechanikingenieure stehen oft vor dem Problem, dass ihre Design-, Automatisierungs- und Prozessexperten ihr Wissen nicht einfach in Machine-Learning-Lösungen übertragen können. Wie bündelt man dieses Anwendungswissen in Software oder gar in einem Algorithmus?

„Die Lösung war für uns sehr interessant, weil wir viele Prozessingenieure haben, die die Maschinen sehr gut kennen und die Daten bis zu einem gewissen Grad interpretieren können. Mit Weidmüllers Hilfe können wir dieses Wissen nun in einen Algorithmus übertragen“, erklärt Matthias Heinrich, Manager Digital Solutions bei GEA. Ein Proof of Concept (PoC) mit historischen Daten wurde in Oelde durchgeführt, um zu prüfen, wie die theoretischen Überlegungen vor Ort in der Produktionsumgebung bei GEA angewendet werden können. Ziel war die automatische Erkennung von Anomalien im Verhalten von Separatoren in der Milchindustrie.

Weiterer Rollout geplant

Die Applikationen wurden im Zusammenhang mit einem bestehenden IoT-Szenario für Condition Monitoring bei GEA genutzt. „Alle reden von Digitalisierung. Aber am Ende wollen wir Mehrwert liefern. Wir wollen den nächsten Schritt mit Weidmüllers Lösung gehen“, sagt Kerstin Altenseuer. Bis dahin müssen noch einige Aufgaben erledigt werden, wie die Verbesserung der Datenkonnektivität und Datenqualität, bevor man starten kann. „Bisher haben wir 500 Maschinen im bestehenden Portal angebunden und wollen Weidmüllers Lösung so schnell wie möglich auf diese Maschinen übertragen“, erklärt Kerstin Altenseuer. Und sie blickt in die Zukunft: „Ich sehe auch großes Potenzial, die neue Technologie auf andere Bereiche bei GEA zu übertragen.“