Neu auf der SPS – smart production solutions 2023
Xplain Data präsentiert vom 14. – 16. November in Nürnberg erstmals den autonomen Causal DiscoveryBot.
Der bahnbrechende DiscoveryBot arbeitet im Hintergrund einer Anlage und analysiert kontinuierlich die anfallenden Daten aus allen Produktionsschritten. Ziel ist es, in der Fülle von Korrelationen zu einer Zielgröße die wenigen Faktoren zu finden, die die Zielgröße kausalen beeinflussen – z.B. Faktoren, die die Qualität produzierter Werkstücke gefährden. Zeichnen sich neue Ursachen signifikant ab, erfolgt eine Nachricht an den Anlagenbetreiber. Messebesucher haben die Möglichkeit sich schnell und detailliert über das umfassende Angebot an Causal AI Technologien für die Produktions-Optimierung auf der SPS in Halle 6, Stand 241F im Bereich „Automation meets IT“, zu informieren.
Gemäß einer Deloitte-Studie werden in der Fertigungsindustrie jährlich etwa 1.812 Petabyte an Daten erzeugt, mehr als in jedem anderen Wirtschaftszweig. Diese Beobachtungsdaten, die in verschiedenen Datenbanken (SCADA, MES, CRM …) entlang der Supply Chain gespeichert werden, bilden das Fundament für die Xplain Causal AI Lösungen. Diese identifizieren die Faktoren mit kausalem Einfluss auf die Wertschöpfung (z.B. Root Causes für n.i.o.-Produkte).
„Post-mortem-Analysen sind oft nur von begrenztem Nutzen. Mit der Einführung des Causal DiscoveryBOT sind wir nun erstmals in der Lage, unsere Verfahren direkt in den laufenden Betrieb einer Anlage zu integrieren. Der Bot wird so zum fixen Bestandteil einer Produktionslinie und gibt unseren Kunden die Sicherheit, schnell auf neu auftretende Fehlerfaktoren aufmerksam zu werden,“ so Dr. Michael Haft, CEO der Xplain Data GmbH.
Durch die Erkennung von Ursache und Wirkung in den Historian Data können Xplain Data Kunden:
- fundiertere Entscheidungen zu korrigierenden Eingriffen in den Fertigungsablauf treffen,
- die Qualität und Nachhaltigkeit der Fertigungsaktivitäten signifikant verbessern und somit
- die Produktionskosten nachhaltig senken.
Darstellung der Ergebnisse aus dem Causal Discovery Verfahren