Bergbau mit Machine Learning optimiert

Um die Sicherheit, Produktivität und Kosten im Berg- und Tagebau zu verbessern, bietet der Baumaschinenhersteller Komatsu Mining seinen Kunden den IIoT-basierten Service Smart Solutions an. Mit dem Datendienst können die Betreiber die Leistung ihrer Maschinen auf Basis von Echtzeit-Daten und -Analysen optimieren. Dahinter arbeitet eine Engine auf der Basis von Machine Learning.

Bild: Cloudera

Viele führende Unternehmen der Bauindustrie greifen zur Verbesserung der operativen Prozesse auf Datenerfassung und -nutzung zurück. Mit seinem Dienst Smart Solutions hat Komatsu Mining eine Industrial Internet of Things-Anwendung (IIoT) aufgebaut, die Maschinenbetreibern im Berg- und Tagebau Informationen vermittelt, auf deren Grundlage sie ihre Produktivität und Abbaueffizienz optimieren können. Zu den überwachten Maschinen gehören Strebabbausysteme, elektrische Seilbagger, Streckenvortriebsmaschinen und Radlader. Ursprünglich hat das eigene Data Warehouse von Komatsu Mining diesen IIoT-Service unterstützt. Als die Nachfrage stieg und immer mehr Maschinen vernetzt wurden, suchte das Unternehmen nach einem neuen Ansatz. Anforderung war, künftig ein Datenvolumen von bis zu 30 Terabytes pro Monat verarbeiten zu können. „Unsere alte Umgebung war in ihren Möglichkeiten zur Skalierung und zum Wachstum begrenzt“, sagt Shawn Terry, Lead Architect der Smart Solutions.

Neun Monate Projektdauer

Innerhalb von neun Monaten schufen die Mitarbeiter von Komatsu Mining gemeinsam mit Spezialisten von Cloudera und Microsoft eine Cloud-basierte IIoT-Plattform, die globalen Serviceteams die nötige Skalierbarkeit, Leistung und Flexibilität zur Verfügung stellt. Mit einer einheitlichen Plattform für das Datenmanagement können die ‚Smart-Teams‘ jetzt Daten von den Baumaschinen der Marken P&H und Joy sowie von Dritthersteller-Ausrüstung mit speicherprogrammierbarer Steuerung einfacher auswerten, um einen systematischen Blick auf die Abläufe im Berg- und Tagebau zu erhalten. Data Scientists von Komatsu Mining können effizientere Machine-Learning-Modelle bauen und schneller bessere Erkenntnisse liefern, als das vorher möglich war.

Maschinen weltweit

Die Analyse-Plattform erfasst, speichert und verarbeitet eine große Menge verschiedener Daten von Baumaschinen. Diese werden auf der ganzen Welt betrieben, oft in entlegenen Gebieten und unter schwierigen Bedingungen. Die Daten beinhalten Zeitserien-Messgrößen – Maschinendruck, Temperaturen, Ströme und so weiter, Alarm- und Ereignisdaten sowie weitere Informationen von Drittparteisystemen. Eine einzige Maschine kann tausende Daten-Messgrößen haben und 30.000 bis 50.000 einzelne Einträge mit Zeitstempel pro Minute erzeugen. Geplant ist, zukünftig eine noch engere Integration von Systemen beim Kunden vor Ort und weiteren Datenquellen zu erreichen, um die Zusammenhänge beim Betrieb der Maschinen besser zu verstehen. Durch die deutlich erhöhte Leistung der Lösung müssen die Mitarbeter von Komatsu Mining Entscheidungen nicht mehr davon abhängig machen, was die Infrastruktur unterstützt, sondern können sich ganz auf die Anforderungen der eigenen Kunden konzentrieren. „Wir können jetzt inkrementell und kostengünstig skalieren und wachsen. Damit sind wir in der Lage, unsere Anwenderbasis auszubauen und schnellere und bessere Services zu liefern“, sagt Shawn Terry.

Seiten: 1 2 3Auf einer Seite lesen

Thematik: Technologie
Ausgabe:
Cloudera

Das könnte Sie auch Interessieren

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

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.