Digitale Produktion Mitsubishi Electric bringt KI-gestützte Analyse für die Produktion

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Disy Informationssysteme GmbH

Sinequa

Mitsubishi Electric Europe B.V. Factory Automation

Das Data-Science-Tool Melsoft Mailab, was für Mitsubishi Electric AI Laboratory steht, unterstützt Unternehmen bei der Digitalisierung Ihrer Fertigung. Und so soll das funktionieren.

Melsoft Mailab von Mitsubishi Electric gilt als effektive, intuitiv zu bedienende Plattform, die Künstliche Intelligenz (KI) nutzt, um Abläufe in Produktionslinien automatisch zu optimieren. Sei es die Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder die Senkung des Energieverbrauchs durch Prozessoptimierung, wie der Anbieter aufzählt.

Warum das Ganze? Nun, die Zukunft der Fertigung gehört effizienteren und reaktionsschnellen Produktionssystemen und -anlagen. Ein Tor in diese Zukunft heißt Datenanalyse via Software der nächsten Generation. Also Softwaresysteme, die große Datenmengen schnell verarbeiten können, heißt es weiter. Viele wüssten, was nötig sei, doch fehle es den Unternehmen oft an den Ressourcen, um dieses Ziel zu erreichen. Dazu gehören das Budget für qualifizierte Datenanalysten und KI-Spezialisten sowie die Fähigkeit, große Datenmengen in den Griff zu bekommen. Aber auch fehlende Zeit, die für die Entwicklung präziser Modelle zur Verfügung steht, ist ein Thema. Mit der Plattform Melsoft Mailab soll Unterstützung kommen.

Denn die neue Software von Mitsubishi Electric fungiere als dedizierter virtueller KI-Datenwissenschaftler, der Unternehmen bei der Bewältigung dieser Herausforderungen hilft, um sie in die Lage zu versetzen, auch zukunftsorientierte Fertigungsstrategien in die Wirklichkeit übertragen zu können. Diese Neuheit in Sache Unterstützung durch KI sei auch noch recht schnell einsatzbereit und erfordert nur einen minimalen Schulungsaufwand oder Vorwissen. Sie unterstützt den Benutzer Schritt für Schritt dabei, die Modelle zu erstellen, sagen die Experten. Diese Modelle werden aus historischen Daten abgeleitet, weshalb der Benutzer über keine spezielle Fachkenntnisse verfügen muss, so die Erklärung. Die Software nutze verschiedene Algorithmen für das Maschinelle Lernen (ML), wodurch die Datenerfassung, die Erstellung von Vorhersagemodellen und die Auswertung großer Datenmengen komplett automatisiert würden. Damit beseitigt Melsoft Mailab die meisten der bestehenden Einstiegshürden, um in die Welt der Industrie-4.0-Anwendungen einzutreten, die auf fortschrittlicher Datenanalyse basieren. Das Tool vereinfache auch die Umsetzung von Strategien zur Verbesserung der Produktion mit einem schnellen Return on Investment (ROI), wie Mitsubishi verspricht.

Smarter Assistent erhöht die Qualität in der Fertigung

Die Benutzerfreundlichkeit der neuen Plattform beginne also bereits bei der Installation. Denn Melsoft Mailab kann entweder lokal auf einem PC oder auf einem zentralen leistungsstarken PC/Server installiert werden. Der Zugriff ist von jedem internetfähigen Gerät im Netzwerk und sogar von mehreren Benutzern gleichzeitig möglich, wie es weiter heißt.

Nach der Installation stelle das Systeme eine intuitive Benutzeroberfläche dar. Die gut verständliche Anleitung navigiert auch User ohne umfassende Vorkenntnisse schrittweise durch das Programm. Außerdem hilft die Software zu verstehen, was die Daten aussagen, und unterstützt die Nutzer dabei in allen Phasen eines Datenanalyseprojekts, so Mitsubishi. Das werde dadurch erreicht, dass die zu verarbeitenden Datensätze auf verschiedene Arten visualisiert werden könnten, und Analysemodelle auf der Grundlage der von den Anwendern ausgewählten Ziele erstellt würden. Diese Prozesse innerhalb des KI-Analysewerkzeugs nutzen übrigens die bereits existierende Maisart-KI von Mitsubishi Electric.

Flexible Analysesoftware steigert peu à peu die Produktion

Melsoft Mailab wurde also entwickelt, um eine breite Palette unterschiedlicher Anwendungsszenarien zu unterstützen. Das System ließe sich deshalb auch auf verschiedene Anwendungen zuschneiden. Beispielsweise könne die Software im Offline-Modus verwendet werden, um vorhandene Daten zur Erzeugung oder Optimierung geeigneter Vorhersagemodelle zu nutzen – wenn nötig mit Python-Skripten anzupassen. Die erzeugten Vorhersagemodelle könnten dann zur Echtzeitdiagnose eingesetzt werden, wobei die während des Betriebs einer Anlage generierten Daten den Vorhersagemodellen zur Verfügung gestellt werden und dabei Erkenntnisse über den Zustand der Anlage, ihre Leistung und Optimierungsmöglichkeiten zu liefern.

Darüber hinaus können neue Informationen genutzt werden, um die Genauigkeit der Modelle und der Ergebnisse kontinuierlich zu verbessern, heißt es weiter. Diese Möglichkeit gibt Unternehmen die Chance, ihre Produktivität im Laufe der Zeit zu steigern.

Dieser Artikel stammt von unserem Partnerportal Industry of Things.

(ID:49249105)