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.

Plattform für die Bauindustrie

Laut Anthony Reid, Senior Manager of Analytics bei Komatsu Mining, war das Unternehmen auf der Suche nach einer Plattform, mit der es den Zugriff auf Analysen von Maschinendaten für verschiedene Nutzergruppen demokratisieren kann. Cloudera bot Reid zufolge die schnelle Performance, Datensicherheit und den Kundensupport, um die eigenen Teams so unkompliziert wie möglich in Richtung Big Data zu bewegen. Mit der Implementierung von Cloudera Enterprise auf Microsoft Azure konnte Komatsu Mining erhebliche Kosteneinsparungen realisieren. „Wir können alle Daten mit weniger Berechnungen und viel geringerer Komplexität liefern“, sagt Reid.

Workloads im Cluster

Die gesamte Anwendung läuft in der Azure-Cloud von Microsoft. In einem Hochleistungs-Cluster laufen HBase-Workloads mit acht Nodes. Hinzu kommt ein Langzeitspeicher mit Impala- und Kudu-Workloads mit sechs Datenknoten. Cluster für Test und Entwicklung teilen sich auf beide Bereiche auf. Gemeinsam mit dem Resource-Team von Cloudera und einem Microsoft-Berater startete das Team um Reid im Juni 2016 mit dem Deployment. Bereits im Februar 2017 konnte das alte Produktionssystem abgeschaltet werden und der Betrieb lief vollständig mit allen Live-Daten, Streaming und allen verbundenen Kunden auf der Cloud-Plattform.

Abläufe besser verstehen

Die Smart-Solutions-Mitarbeiter in den Regionen nutzen die Plattform, um den Kunden Einblicke in ihre Abläufe zu geben. Zeitreihendaten werden über Open TSDB in Apache HBase geladen. Apache Impala (in Inkubation) unterstützt Adhoc-SQL-Abfragen. Zur Visualisierung der Daten wird Grafana, eine offene Plattform für Analytik und Monitoring, eingesetzt. Durch die Demokratisierung des Datenzugriffs und die Bereitstellung intuitiver Analysetools konnte Komatsu Mining den angestrebten Grad an Benutzerakzeptanz erreichen. In der Vergangenheit haben beispielsweise einige ausgewählte Personen Trends aus den Daten erstellt und diese Trends den Alarmbedingungen auf einer Maschine zugeordnet. Indem sie den Datenzugriff auf die Regionen öffnen und den Regionen selbst die Erstellung eigener Berichte ermöglichen, können die Mitarbeiter von Smart Solutions nun schneller verwertbare Informationen aus den Daten erhalten und aussagefähigere Dashboards erstellen, die weit über die Möglichkeiten bisheriger Analysetools hinausgehen. Die Plattform bietet auch Analytics-Entwicklern auf der Suche nach Innovationen die Möglichkeit, von ihnen bevorzugte Data Science-Tools – R, Python, Matlab und mehr – beim Erstellen von Modellen zu verwenden.

Auslastung verdoppelt

Mit dem entstehenden Bild vom Zustand einer Maschine und dem Betrieb in jeder Mine können die Smart-Teams von Komatsu in Partnerschaft mit ihren Kunden Wege identifizieren, um die Sicherheit, Produktivität und die Betriebskosten zu verbessern. „Ein großes Unternehmen aus dem Kohlebergbau konnten mit unseren Empfehlungen die tägliche Auslastung ihrer Joy-Strebsysteme verdoppeln“, schildert Reid. Dadurch, dass die Ingenieure von Komatsu Mining auch leicht auf die Daten zugreifen und sie analysieren können, erhalten sie wertvolle Einsichten, mit denen sie Reid zufolge helfen können, aktuelle Produkte zu verbessern und bei der Entwicklung zukünftiger Generationen von Bergbaugeräten zu helfen. Das Fazit von Reid: „Wir machen das Unsichtbare sichtbar und helfen damit unseren Kunden, Produktivität und Effizienz im Bergbau zu optimieren.“

Thematik: Technologie
Ausgabe:
Cloudera

Das könnte Sie auch Interessieren

Bild: Fraunhofer IEM
Bild: Fraunhofer IEM
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.

Bild: schoesslers GmbH
Bild: schoesslers GmbH
appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

Das gemeinnützige appliedAI Institute for Europe stellt den kostenfreien Online-Kurs ‚AI Essentials‘ zur Verfügung, der es Interessierten ermöglicht, in die Welt der Künstlichen Intelligenz einzusteigen. Konzepte wie maschinelles Lernen und Deep-Learning sowie deren Anwendungsmöglichkeiten und Auswirkungen auf unser Leben und unsere Wirtschaft sind Teile der umfassenden Einführung.

Bild: Trumpf SE + Co. KG
Bild: Trumpf SE + Co. KG
Künstliche Intelligenz macht Fabriken clever

Künstliche Intelligenz macht Fabriken clever

Seit dem Siegeszug des Chatbots ChatGPT ist künstliche Intelligenz in aller Munde. Auch in der industriellen Produktionstechnik kommt KI mit großen Schritten voran. Lernende Maschinen machen die Fertigung effizienter. Wie funktioniert das genau? Das können Interessierte auf der EMO Hannover 2023 vom 18. bis 23. September erfahren. Die Weltleitmesse für Produktionstechnologie wird ihr Fachpublikum unter dem Claim ‚Innovate Manufacturing‘. mit frischen Ideen inspirieren und künstliche Intelligenz spielt dabei ihre Stärken aus.

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.