Industrie & Maschinenbau: Predictive Maintenance ist einer der zentralen Data-Science-Use-Cases in der Industrie. Maschinenausfälle sind dabei häufig sehr seltene Ereignisse mit heterogenem Ursprung. Gerade dieser Kontext ist ein prägnantes Beispiel für die Datenhoheit als Herausforderung. Maschinenbauer oder -betreiber: Wer hat die Hoheit über die Daten und wie können Wege gefunden werden, sodass beide Parteien von den Maschineninformationen profitieren können? Denn: In Ermangelung an einer ausreichenden Menge an Trainingsdaten sind präzise Prognosen von Maschinenausfällen in vielen Fällen nicht möglich. Federated Learning kann hier die Lösung sein und das Volumen an Trainingsdaten und damit verbunden auch die Informationen über Maschinenausfälle deutlich erweitern. Anknüpfend an die vorausschauende Instandhaltung kann die Information, wann welches Ersatzteil benötigt wird auch die Lagerhaltung entscheidend verbessern. Predictive Ordering als Grundlage für die Vermeidung von Überkapazitäten und Out-of-Stock-Situationen.

Federated Learning als Konzept zur Parameteroptimierung kann auch im Bereich der Maschinensteuerung Mehrwerte liefern. Konkret kann sich die optimale Maschinenkonfiguration ermitteln lassen – abhängig von unterschiedlichen Einflussfaktoren, wie dem benötigten Output, den eingesetzten Rohstoffen oder äußeren Einflüssen. Der Algorithmus wird zum Assistenzsystem für die Maschinenführer, die Effizienz der Anlage erhöht und die Bedienbarkeit erleichtert.

So gelingt es den beteiligten Unternehmen Wissensvorsprünge für die proaktive Maschineninstandhaltung zu erzielen, die ihnen als Einzelkämpfer verwehrt geblieben wären.

Projects

Infrastructure

Platform

Training

YUNA – the data science platform