Skip to main content

Data Analytics

Unser Verständnis …

Anwendungsmöglichkeiten

Industrial Smart Data …

Use Cases

Entdecken Sie unsere Use Cases …

Unterschiedliche Kundengruppen - ein Ziel: Durch intelligente Daten zu intelligenten Entscheidungen

Business Development

Data Scientists

Werk-/ Produktionsleiter

Qualitäts-
manager

Instandhaltungs-
manager

Nicht dabei? Wir freuen uns Sie kennenzulernen!

Data Analytics mit dem Digitalen Zwilling

Über den gesamten gesamten Planungs- und Fertigungsprozess hinweg hilft Ihnen die ASCon Digital Twin Product Suite dabei, Ihre Wertschöpfungsprozesse durch Anreicherung von Logik, Kontext und Abhängigkeiten im semantischen Modell des Digitalen Zwilling schnell, gezielt und performant zu analysieren. Mit unseren digitalen Services analysieren, optimieren und steuern Sie ihre Prozess- und Produktionsabläufe und schaffen ein strukturiertes, semantisches Datenmodell für den effizienten Einsatz integrierter KI-Services.

Unsere Smart Data Analysen basieren auf künstlichen neuronalen Netzen. Diese lernen die Identifikation von Objekten und Bewegungen durch die Analyse von Daten unterschiedlicher Größe und Struktur. Das Spektrum der Analysemethoden umfasst sowohl statistische Methoden als auch Methoden des maschinellen Lernens einschließlich des Tiefenlernens (Deep Learning).

Hierbei integrieren wir KI-Services unseres Technologiepartners Synergeticon, dessen Analysen bei der Qualitätssicherung und Ermittlung von Produktionsfehlern durch Auswertung von 3D- und Sensordaten unterstützen.

Data Analytics Digital Twin

ASCon Systems - Data Analytics

Über den gesamten gesamten Planungs- und Betriebsprozess hinweg hilft Ihnen die ASCon Digital Twin Product Suite dabei, Ihre Wertschöpfungsprozesse durch Anreicherung von Logik, Kontext und Abhängigkeiten im semantischen Modell des Digitalen Zwilling schnell, gezielt und performant zu analysieren. Mit unseren digitalen Services analysieren, optimieren und steuern Sie ihre Prozess- und Produktionsabläufe und schaffen ein strukturiertes, semantisches Datenmodell für den effizienten Einsatz integrierter KI-Services.

Data Analytics Digital Twin

Von Industrial Big Data zu Industrial Smart Data

Es kommt pimär nicht auf die Menge der gesammelten Daten an, sondern vielmehr auf deren Relevanz. Smart Data Analysen haben das Ziel, die „richtigen“ Daten zu identifizieren, das wirklich Wichtige schnell herauszufiltern und in den richtigen semantischen Kontext des Wertschöpfungsprozesses zu setzen. Die Entfaltung des gesamten wirtschaftlichen Potenzials von Daten gelingt erst durch eine intelligente Verarbeitung im semantischen Datenmodell des Digitalen Zwilling. Hier werden Big Data zu Smart Data.

 

Big Data

 

1. Ist-Daten erfassen
Erfassen der Echtzeit-Daten
ohne übergreifenden Kontext

2. Daten persistieren
Ablegen der unstrukturierten Datenmengen
im jeweiligen Rohformat

3. Kontext rekonstruieren
Aufwändige Rekonstruktion des Kontextes
mit fachlichem Wissen

4. Daten analysieren
Advanced Analytics auf Basis von
unstrukturierten Daten in Data Lakes

Big Data vs. Smart Data
Smart Data

 

1. Kontext modellieren
Modellierung des Verhaltensmodells des Systems/Anlage inkl. aller Abhängigkeiten

2. Ist-Daten erfassen
Erfassen der Daten im jeweils gültigen
Wertschöpfungskontext

3. Daten persistieren: Digitale Akte
Persistieren der Parameter und Messwerte im jeweilig gültigen Kontext

4. Daten analysieren
Die „veredelten“ Daten ermöglichen den direkten Einsatz von Smart Data Analytics

Von Industrial Big Data zu Industrial Smart Data

Es kommt pimär nicht auf die Menge der gesammelten Daten an, sondern vielmehr auf deren Relevanz. Smart Data Analysen haben das Ziel, die „richtigen“ Daten zu identifizieren, das wirklich Wichtige schnell herauszufiltern und in den richtigen semantischen Kontext des Wertschöpfungsprozesses zu setzen. Die Entfaltung des gesamten wirtschaftlichen Potenzials von Daten gelingt erst durch eine intelligente Verarbeitung im semantischen Datenmodell des Digitalen Zwilling. Hier werden Big Data zu Smart Data.

Big Data

1. Ist-Daten erfassen
Erfassen der Echtzeit-Daten
ohne übergreifenden Kontext

2. Daten persistieren
Ablegen der unstrukturierten Datenmengen
im jeweiligen Rohformat

3. Kontext rekonstruieren
Aufwändige Rekonstruktion des Kontextes
mit fachlichem Wissen

4. Daten analysieren
Advanced Analytics auf Basis von
unstrukturierten Daten in Data Lakes

Big Data vs. Smart Data

Smart Data

1. Kontext modellieren
Modellierung des Verhaltensmodells des Systems/Anlage inkl. aller Abhängigkeiten

2. Ist-Daten erfassen
Erfassen der Daten im jeweils gültigen
Wertschöpfungskontext

3. Daten persistieren: Digitale Akte
Persistieren der Parameter und Messwerte im jeweilig gültigen Kontext

4. Daten analysieren
Die „veredelten“ Daten ermöglichen den direkten Einsatz von Smart Data Analytics

Smart Data – Smart Decisions – Smart Business

Die ASCon Digital Twin Product Suite verbindet unterschiedliche Daten-, System- und Informationsquellen intelligent miteinander und wandelt die gesammelten Rohdaten durch den Digitalen Zwilling in ein „algorithmus-freundliches“ Format, das sowohl Data Scientists als auch weniger IT-affine Anwender nutzen können. Die zentral gesammelten, kontextualisierten Daten ermöglichen den effizienten Einsatz unserer integrierten KI-Services und können den Anwender bei der Überwachung, Analyse und Optimierung von Prozess- und Produktionsabläufen – und damit bei wichtigen Entscheidungsprozessen – unterstützen. Durch gezieltes Training kann der KI-Algorithmus dahingehend trainiert werden, Veränderungen in den relevanten Prozessparametern zu identifizieren und darauf entsprechend zu reagieren, z.B. mit Vorhersagen oder Warnungen.

Folgende Analysen sind dabei grundsätzlich möglich:

  • Trenderkennung für einen Parameter und Grenzüberschreitungserkennung
  • Kontinuierliche Trendneuberechnung
  • Mustererkennung im Parameterverlauf
  • Statistische Grenzwerterkennung von Minimum und Maximum, sowie Normwertberechnung
  • Anomalie-Erkennung (online) für Qualität und Instandhaltungsparameter
  • Korrelation von Parametern (supervised) für Qualität und Instandhaltungsparameter
Smart Data

Anwendungsmöglichkeiten von Industrial Smart Data

Die Anwendungsbereiche von Industrial Smart Data sind vielfältig. Zwei der wichtigsten und wirtschaftlich interessantesten Anwendungen liegen in der datengetriebenen Vorhersage von Maschinen- bzw. Systemzuständen sowie von Produktzuständen:

Data discovery

Aufdecken von unbekannten Zusammenhängen in Datensätzen

Entscheidungshilfe

Kurzfristigere, genauere Informationen über Entscheidungsprozesse

Prädiktive Instandhaltung

Effizientere, proaktive Instandhaltungs-
planung durch datengetriebene Prognosen

Prädiktive Qualität

Optimierung von produkt- und prozessbezogener Qualität durch datengetriebene Prognosen

Logistikoptimierung

Effizientere, genauere Ressourcen-Planung und -Ausnutzung

Anwendungsmöglichkeiten von Industrial Smart Data

Die Anwendungsbereiche von Industrial Smart Data sind vielfältig. Zwei der wichtigsten und wirtschaftlich interessantesten Anwendungen liegen in der datengetriebenen Vorhersage von Maschinen- bzw. Systemzuständen sowie von Produktzuständen:

Data Discovery

Aufdecken von unbekannten Zusammenhängen in Datensätzen

Entscheidungshilfe

Kurzfristigere, genauere Informationen über Entscheidungsprozesse

Prädiktive Instandhaltung

Effizientere, proaktive Instandhaltungs-
planung durch datengetriebene Prognosen

Prädiktive Qualität

Optimierung von produkt- und prozessbezogener Qualität durch datengetriebene Prognosen

Logistikoptimierung

Effizientere, genauere Ressourcen-Planung und -Ausnutzung

Unsere Use Cases

Lernen Sie unsere Use Cases kennen und entdecken Sie die Vorteile unserer Lösungen.

Predictive Quality Assistant
data analytics

Haben Sie Fragen oder haben Sie Interesse an einer Produktdemonstration?

 

Ihr Ansprechpartner

Ansprechpartner ASCon Systems GmbH

Oliver Browa,
Key Account Manager

Kontakt