Industry Meets Science Erfolge des Smart Data Innovation Lab Julio Borges, MSc. (KIT – Karlsruher Institut für Technologie) Dr. Christian Bauer (TRUMPF Werkzeugmaschinen GmbH + Co. KG) Smart Data Innovation Lab

KIT – University of the State of Baden-Wuerttem ber g and National Research Center of the Helmholtz Association

www.kit.edu

Vorstellung

2

Julio Borges, MSc.

Dr. Christian Bauer

Karlsruher Institut für Technologie (KIT)

TRUMPF Werkzeugmaschinen GmbH + Co. KG

Smart Data Innovation Lab Close cooperation between industry and science

Analytics, Research & Development

Industry 4.0

Smart Cities

3

Knowledge & Innovation

Energy

Medicine

Organizational Structure

Industrie 4.0 Smart Cities Energy Medicine

4

SDIL Platform

5

Predictive Maintenance

Central Database

Big Data Analysis

Predictive Maintenance Alert

Maintenance

Log Data Daily operations being logged

6

Expert Knowledge

Service Data

TRUMPF Werkzeugmaschinen GmbH & Co. KG

7

Maschinen zum Stanzen und Laserschneiden

Maschinen zum Biegen und Laserschweißen

Services

Vernetzung der Produktion

MIO (Machine Information Object) Snapshot des Maschinenzustandes

HMI/PPS,…

NC

MIO.zip

MIO.zip MIO.zip MIO.zip

log

PLC

§ § § § §

LaserSteuerung

Techn.Steuerungen

Loggings Konfigurationen Software Versionen Prozess-/Technologiedaten …

…

ca. 100 Mbyte Rohdaten 1.000 – 2.000 Einzeldateien ca. 1 – 2 Mio‘s / Jahr und Maschine Log-Zeitraum: 1 – 2 Wochen

Nicht enthalten sind sensitive Daten, wie z.B. § Konstruktionsdaten § Bearbeitungsaufträge § … 8

HandlingSteuerungen

Condition Based Services Beispiel für den Einsatz von Machine Learning Algorithmen MIO 1B3

Service-Fall

Problem

Service-InformationsSystem

? MIO 9A1

Daten-Pool

MIO 84X

Gibt es vergleichbare Vorkommnisse auch in anderen Maschinen? 9

Prädiktive Wartung basierend auf Logs Sequence Mining B A C D

ε

C D

Prediction

F

B C D

ε

C B C D F F

ε

Present Time

Sequential Rule Learning Entdeckung relevant sequentielle Beziehungen zwischen Ereignissen in großen Datenbanken. Bsp. Sequenzregel: ⟨B, C, D⟩ ⇒ E

Unsere Big Data-Lösung prognostiziert mehr als die Hälfte des Auftretens eines Fehlers.

10

Process Mining Sequenz 1

Sequenz 2

Sequenz 3

Machine Information Objects (MIOs) enthalten mehr als 1400 Prozessabläufen 11

Ausblick

Aufnahme weiterer Themen, Projekte und Partner Projektvorschläge jetzt einreichen über: www.sdil.de

Trumpf mit SDIL - Nächste Schritte : Datenbasis erweitern Generieren von Gutfällen Faktor Zeit

Verfeinerung der Algorithmen (Genauigkeit Erhöhen)

12