Assoziationsanalyse für datengetriebene Dienstleistungen auf Basis Industrieller Log-Dateien

Herausforderung:

Heutige industrielle Anlagen produzieren kontinuierlich Log-Daten über Messwerte, Fehlermeldungen oder dokumentierte Benutzereingriffe. Bestehende Lösungen existieren, weisen jedoch einige Einschränkungen auf:

  • sie beschäftigen sich meistens mit der Analyse und Optimierung lokaler Probleme

  • sie sind nicht für die Unterstützung komplexerer Funktionen geeignet, wie z.B. das Aufzeigen von unbekannten Wirkzusammenhängen oder die Prädiktion von Ereignissen

  • sie bearbeiten relativ kleine Mengen an Eingabedaten und weisen keine geeigneten Parallelisierungs- oder Skalierungsstrategien auf

Vision:

Der Hauptfokus ist die Nutzung des Potentials, das in der Analyse von Log-Dateien liegt, die in Bezug zur Systemebene im gesamten Produktions- oder Prozesskontext stehen.

Die Identifikation von Wirkzusammenhängen auf der Systemebene würde erlauben, industrielle Anlagen und entsprechende Prozesse zu optimieren.

Die zu adressierenden Herausforderungen umfassen im Einzelnen:

  1. Ableitung geeigneter Analysenmethoden und Bewertung dieser Analysemethoden

  2. Auswahl geeigneter Parallelisierungs- oder Skalierungsstrategien um: (a) auch sehr große Suchräume explorieren zu können, (b) auf Pruning-Methoden verzichten zu können

  3. Auswertung der Analyseergebnisse und –modelle in Echtzeit

  4. Analyse von Deploymentmodellen (z.B. On-site, cloud-basiert, gemischt)

“Die Optimierung von Log-Daten im industriellen Bereich war Ziel des gemeinsamen Projekts von SDIL und ABB”, sagt Benjamin Klöpper, Principal Scientist bei ABB Research Center. “Die im SDIL Projekt entwickelten und getesteten Methoden werden für die Entwicklung neuer Dienstleistungsangebote für Betreiber von Produktionsanlagen genutzt.”

Data Innovation Community

Industrie 4.0

Projektpartner

ABB, IBM, KIT

Ansprechpartner

Dr. Benjamin Klöpper, benjamin.kloepper@de.abb.com

Zeitraum

Jun-Dez. 2015