DGAP-News

Katana steigert Produktivität von Werkzeug­maschinen durch KI-gestützte Big Data-Analysen

DGAP-News: USU Software AG / Schlagwort(e): Sonstiges Katana steigert Produktivität von Werkzeug­maschinen durch KI-gestützte Big Data-Analysen 14.11.2019 / 09:53 Für den Inhalt der Mitteilung ist der Emittent / Herausgeber verantwortlich. Der USU-Geschäftsbereich Katana bietet eine Big Data-Gesamtlösung für Mittelständler an. Insbesondere Hersteller von Dreh- und Fräsmaschinen profitieren dabei von der Erfahrung und Expertise der Data Scientisten. Die hoch skalierbare Katana-Plattform dient außerdem als zuverlässige Analyse-Infrastruktur und als Werkzeug für die vollständige Prozess-Automation - von der Datenübermittlung bis hin zur Aufbereitung der Analyseergebnisse für Endkunden und Servicetechniker. Maschinenbauer können ihren Kunden dadurch datenbasierte Dienstleistungen anbieten. Der Nutzen liegt auf der Hand: es geht konkret um die Vorbeugung von Beschädigungen und Stillstandzeiten sowie die Erhöhung der Produktivität und Qualität. Spindeln sind die zentralen Komponenten in Dreh- und Fräsmaschinen. Ihr Vibrationsverhalten sagt viel über den Zustand der Maschine aus und hat direkten Einfluss auf die Qualität des Produktes. Auch Defekte am Hydraulikaggregat, Kühlaggregat, ein defekter Motor bzw. Kompressor haben Einfluss auf das Verhalten der Spindel. Diese Anomalien lassen sich durch die Messdaten interpretieren. Mit Hilfe von Sensoren, die direkt an den Spindelachsen befestigt werden, können fehlerhafte Produktionsprozesse identifiziert, Aussagen über defekte Komponenten getroffen und die Qualität und Effizienz des Produktionsprozesses nachhaltig beeinflusst werden. Zum Einsatz kommen maschinelle Lernverfahren zur automatisierten Erkennung von Auffälligkeiten in Sensordaten. Dabei werden Referenzmessungen im fehlerfreien Produktionsprozess gemacht. Auf dieser Grundlage wird ein charakteristisches Normalverhalten - auch als Fingerprint bezeichnet - gelernt, das als Fingerabdruck des Verhaltens der Maschine dient. Dabei handelt es sich um ein Modell, das eine Vielzahl von Prozessverläufen repräsentiert und somit auch deren Streuung bzw. Variabilität reflektiert.