Võimalus kasutada andmete kogumist ja analüüsi, et suurendada oma ettevõtte tõhusust ja tootlikkust ning arendada uusi ärimudeleid, on midagi, mis lööb mehaaniliste ja taimede inseneride kujutlusvõimet, kes otsivad uusi kasvu-ja tuluvõimalusi. Gea on pikka aega tegelenud ka seisundi jälgimisega. Weidmülleri uue automatiseeritud Masinõppetarkvaraga loodab ettevõte laiendada ja arendada pakutavaid teenuseid rajatiste osas. Saksamaal oeldes asuvas Gea tegevuskohas on algatatud vastav “pilootprojekt”.
Tööstus 4.0 kui väljakutse ja suur võimalus
Digitaalsed tehnoloogiad ja tööstus 4.0 kujutavad endast suuri väljakutseid masinate ja seadmete inseneritööstuse ettevõtetele, kuid need avavad ka täiesti uued võimalused: tootmisrajatisi peab olema võimalik kohandada vastavalt individuaalsetele toodetele ja klientide nõudmistele. Teenindusettevõte on üha enam tähelepanu all. “Oleme juba pikka aega tegelenud masinate seisundi jälgimise ja oleku jälgimisega ning loonud ka läviväärtuse analüüsid. Kuid me teadsime ka, et selles valdkonnas on palju rohkem potentsiaali”, selgitab Gea teenuste tootehalduse vanem asepresident Kerstin Altenseuer. “Tahtsime kaardistada protsesse ja olla võimelised koos klientidega rakendusi optimeerima. Ja loomulikult soovisime luua ka uusi ärimudeleid ja rakendusvaldkondi, näiteks meie masinate liisingu-või tellimusmudeleid”.
Ekspertteadmiste kättesaadavaks tegemine algoritmis
Oma 125-aastase pädevusega vedelike eraldamiseks mõeldud separaatorite ja dekanterite valmistamisel on GEA sellest kogemusest tohutult kasu. Neid süsteeme kasutatakse erinevates sektorites, nagu toiduainetööstus, keemiatööstus ja farmaatsiatööstus, samuti biotehnoloogia, energiatööstus, laevandus ja keskkonnatehnoloogia tööstus. Ettevõte loodab, et uute ärimudelite või rakenduste loomine võimaldab tal kasutusele võtta uusi tuluvooge. “Samuti märkasime suhteliselt kiiresti, et vajame nendes projektides andmeekspertide asjatundlikkust ja abi. Probleem on selles, et ei ole piisavalt andmeid teadlased. Õigete ekspertide väljaselgitamine ja nende pardale toomine ei ole lihtne, isegi kui ettevõttel tundub põhimõtteliselt olevat hea käsi, nagu see on GEA puhul. Kuid meil oli vaja mitut eksperti, mis ei teinud asju just lihtsamaks”, ütleb Kerstin Altenseuer.
Koos asemel üksi
Kuidas saab ekspertiisi õigete ekspertidega luua? See oli selle probleemi lahenduse otsimisel, kui GEA sai teada Weidmülleri ja ettevõtte teadmistest Tööstusanalüütika valdkonnas “IT’ S OWL” tipptasemel klastri kaudu. GEA soovis oma klientidele pakutavate teenuste üle järele mõelda ja luua erinevaid nutikaid teenuseid. Samuti loodeti parandada oma masinate kvaliteeti ja jõudlust ning luua alus uute ärimudelite kasutuselevõtuks, et positsioneerida Gea turul konkurentsivõimeliselt.
Protsessiinseneride teadmiste ülekandmine algoritmile
Gea ja Weidmüller alustasid esialgu uurimist, kuidas projekti luua ja millist keskset eesmärki järgida. “Peagi sai selgeks, et me peame kõigepealt kontrollima projekti teostatavust kontseptsiooni tõestuse abil, enne kui võimaldame GEA-l iseseisvalt arendada ja kasutada ML-mudeleid”, selgitab Tobias Gaukstern, Weidmülleri Tööstusanalüütika äriüksuse juht. Eesmärk oli, et automatiseeritud masinõppe tarkvara teenuste abil saaksid Gea eksperdid iseseisvalt koolitada masinõppe algoritme või statistilisi mudeleid. “AutoML-i tööriist muudab rakendusekspertide jaoks ML-i kasutamise kiiremaks ja lihtsamaks, ilma et oleks vaja mingeid ekspertteadmisi ML-i valdkonnas”, selgitab Tobias Gaukstern. Masinaehitusettevõtted seisavad sageli silmitsi probleemiga, et nende disaini -, automaatika – ja protsessieksperdid ei saa oma teadmisi kergesti üle kanda masinõppe valdkonna lahendustele. Kuidas saab selle rakenduse teadmisi koondada kokku tükiks või tarkvaraks, rääkimata algoritmist? “Meid lummas lahendus, kuna meil on palju protsessiinsenere, kes on masinatega väga tuttavad ja kes on teatud määral võimelised andmeid tõlgendama. Weidmülleri abiga saame nüüd need teadmised algoritmile üle kanda”, selgitab Gea digitaalsete lahenduste juht Matthias Heinrich. Selleks, et kontrollida, kuidas teoreetilisi vaatlusi saaks kohapeal rakendada Gea tootmiskeskkonnas, viidi oeldes läbi kontseptsiooni tõendamine (PoC), kasutades ajaloolisi andmeid. Eesmärgiks oli saavutada piimatööstuse separaatorite käitumise anomaaliate automaatne tuvastamine.
Piirkondliku läheduse ja partnerite vahelise tiheda koostöö eelis
Asjaolu, et projekt oli nii edukas, oli tingitud ka meeskonna heast tihedast koostööst. Ühest küljest oli piirkondlik lähedus suureks eeliseks, kuna projektimeeskond sai kergesti kohtuda lühikese etteteatamisega, et arutada üksikküsimusi. “Weidmülleril on andmeteadlase seisukohast väga laiaulatuslikud teadmised, kuid samal ajal tunnete end ka masinaehitusettevõttena väga hästi, sest te ei kohtu mitte ainult IT-spetsialistidega, vaid ka inseneridega, kes masinaid tõesti tunnevad”, selgitab Kerstin Altenseuer. Selle projekti raames juhtis Gea sisendit ja nõudeid, samal ajal kui “kontseptsiooni tõendamine” viidi läbi Weidmüller. “See tööjaotus osutus väga edukaks. Meil oli regulaarne ja positiivne koordineerimine ning väga head tulemused, mis on loonud aluse pilootrakendusele ja lõpuks seeriatootmisele üleminekule”, selgitab Tobias Gaukstern.
2020. aastaks kavandatud täiendav kasutuselevõtt
Taotlused on rakendatud koos olemasoleva IoT stsenaariumiga seisundi jälgimiseks GEA-s. “Kõik räägivad digitaliseerimisest, kuid me tahame seda kasutada lisaväärtuse pakkumiseks isegi rea lõpus”. Soovime, et Weidmülleri välja töötatud lahendus aitaks meil astuda järgmise sammu”, ütleb Kerstin Altenseuer. Seni on veel mõned asjad, mida peame tegema enne 2020. aasta tegelikku alustamist, näiteks andmesideühenduse ja andmete kvaliteedi parandamine. “Oleme seni ühendanud olemasoleva portaaliga 500 masinat ja meie eesmärk on Weidmülleri lahendus nendele masinatele võimalikult kiiresti üle kanda”, selgitab Kerstin Altenseuer. Altenseuer vaatab tulevikku: “ma näen ka palju potentsiaali uue tehnoloogia ülekandmiseks teistesse Gea valdkondadesse”.