ABB unterstützt betriebliche Optimierung mit Analyse- und KI-Software

Die ABB Ability Genix Industrial Analytics und AI Suite ist eine skalierbare Analyseplattform mit vorgefertigten, benutzerfreundlichen Anwendungen und Services. Damit werden Betriebs-, Engineering- und IT-Daten erfasst, kontextualisiert und in umsetzbare Informationen umgewandelt. So können industrielle Prozesse verbessert und das Management der Anlagen optimiert werden. Darüber hinaus können Geschäftsprozesse sicher und nachhaltig rationalisiert werden.
With the new EtherNet/IP interface, ABB's Universal Motor Controllers not only benefit from one more way of communication, but flexible mounting in- and outside drawers enables maximum uptime as well.
With the new EtherNet/IP interface, ABB’s Universal Motor Controllers not only benefit from one more way of communication, but flexible mounting in- and outside drawers enables maximum uptime as well.Bild: ABB Ltd.

Studien von Analysten zufolge können Industrieunternehmen in der Regel nur 20 Prozent der erzeugten Daten nutzen. Deshalb können Datenanalysen nur eingeschränkt Anwendung finden. Die neue Lösung von ABB dient als Anlaufstelle für digitale Daten aller Art. Hier laufen die Informationsflüsse aus unterschiedlichen Quellen im Werk und Unternehmen zusammen und werden anhand eines einheitlichen Analysemodells kontextualisiert. Dank künstlicher Intelligenz (KI) werden diese Daten in aussagekräftige Informationen umgewandelt, die für Prognosen und zur Optimierung der Unternehmensleistung dienen.„Wir sind überzeugt, dass wir auf die bestehende Digitaltechnologie setzen sollten – also auf die Automatisierung, mit der die Produktionsprozesse gesteuert werden – um in den Prozess-, Energie- und Hybridindustrien Datenanalysen voranzutreiben“, sagte Peter Terwiesch, Leiter des Geschäftsbereichs Industrieautomation von ABB. „Für unsere Kunden bietet sich die große Chance, ihre Betriebsdaten besser auszuschöpfen, indem diese mit Engineering- und IT-Daten kombiniert werden und somit eine mehrdimensionale Entscheidungsfindung ermöglichen. Mit diesem neuen Ansatz können unsere Kunden buchstäblich Milliarden besserer Entscheidungen treffen.“

ABB Ability Genix besteht aus einer Plattform und Anwendungen für die Datenanalyse und wird mit ABB-Services ergänzt. Die Lösung hilft Kunden dabei, zu bestimmen, welche Anlagen, Prozesse und Risikoprofile verbessert werden können und unterstützt sie bei der Erstellung und Anwendung dieser Analysen. In der Lösung ist eine Anwendungsbibliothek enthalten, sodass Kunden auf Abruf und je nach Geschäftsbedarf vielfältige Analysen abonnieren können. Auf diese Weise werden Support-Leistungen von Lieferanten schneller angefordert und geplant, als dies üblicherweise der Fall wäre.

Eine wichtige Komponente von ABB Ability Genix ist der ABB Ability Edgenius Operations Data Manager, der am Ort der Produktion technische Betriebsdaten miteinander vernetzt, erfasst und analysiert. ABB Ability Edgenius verwendet betriebliche Daten, die von Technologien wie DCS (Distributed Control Systems) und anderen Geräten erzeugt wurden, und erstellt damit Analysen, mit denen die Produktionsprozesse und die Kapazitätsauslastung verbessert werden. ABB Ability Edgenius kann eigenständig eingesetzt oder in ABB Ability Genix integriert werden, sodass betriebliche Daten mit anderen Daten kombiniert und strategische Geschäftsanalysen erstellt werden können.

„Daten, die von der Automatisierung erstellt werden, die die Echtzeitproduktion steuert, sind von hohem Wert“, sagte Bernhard Eschermann, Chief Technology Officer des Geschäftsbereichs Industrieautomation von ABB. „Mit ABB Ability Edgenius sammeln wir die Daten aus diesen Echtzeit-Steuerungssystemen und machen diese verfügbar, sodass Probleme vorhergesagt und Massnahmen eingeleitet werden können. So können Anlagen besser genutzt und Produktionsprozesse genauer abgestimmt werden.“

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige