Für das bestehende Produkt "Digitale Fabrik" wurde ein Machine Learning Modul entwickelt, welches einem Benutzer erlaubt seine bestehenden Sensordaten zu analysieren und Modelle zu trainieren mit dessen Hilfe schlussendlich Vorhersagen für den laufenden Betrieb erstellt werden können.
Im Rahmen verschiedener Module werden im bestehenden Produkt bereits heute eine Vielzahl von Prozessgrössen (z.B. Sensorwerte) von den Produktionsanlagen erfasst und ausgewertet. Im vorliegenden Projekt geht es nun darum die Digitale Fabrik so zu erweitern, dass verschiedene Prozesswerte auf Zusammenhänge zueinander untersucht und beim Vorliegen eines solchen Zusammenhangs, mittels eines Machine Learning Modells Vorhersagen für diese Prozesswerte gemacht werden können. Es soll also ein Modul entwickelt werden, welches die gesamte Prozesskette eines Machine Learning Prozesses abbildet und somit erlaubt Korrelationen von beliebigen Prozesswerten zu untersuchen, Daten zu bereinigen und danach ein Machine Learning Modell aufgrund vergangener Prozesswerte zu trainieren und so das Verhalten der Produktionsanlage zu lernen. Im Betrieb kann dieses Modell dann angewendet werden, um für bestimmte Prozessgrössen eine verlässliche Voraussage in der Zukunft zu tätigen. Diese Prozesskette ist im Bild unten dargestellt. Damit dieses Modul für verschiedene Kunden eingesetzt werden kann, gilt es dieses so konfigurierbar zu gestalten, dass es auf die spezifischen Begebenheiten eines einzelnen Kunden eingestellt werden kann.
Um dieses Ergebnis zu erreichen, wurde der gesamte Prozess bei einem echten Endkunden durchgespielt, um festzustellen, bei welchen Schritten der Endkunde Eingaben vornehmen muss und welche Schritte automatisiert werden können. Ebenfalls wurde dadurch festgestellt, welche Art von Vorhersage sinnvoll ist für einen Produktionsbetrieb, sowie welche Möglichkeiten zur Datenaufbereitung man dem Endkunden anbieten sollte. Entstanden ist schliesslich ein “Werkzeugkasten”, der einem Benutzer erlaubt innerhalb der Digitalen Fabrik einen kompletten Machine Learning Prozess durchlaufen zu können. Der Benutzer kann über einen Zeitraum verschiedene Sensorwerte selektieren und deren Verteilung sowie Korrelation zueinander anzeigen lassen. Ist er mit diesen Zufrieden, kann er ein Modell trainieren und dieses danach Vorhersagen generieren lassen, die im laufenden Betrieb angezeigt werden können.
