GEA 借力 Weidmüller 工业分析与自动化 ML 解决方案提升工厂效率
借助 Weidmüller 新推出的自动化机器学习软件,GEA 旨在拓展和增强其系统与工厂服务范围。相应“试点”已在 GEA 奥尔德基地启动。
工业 4.0:挑战与巨大机遇并存
数字技术和工业 4.0 课题给机械和工厂工程企业带来巨大挑战,也提供全新机遇:生产工厂必须个性化适配个别产品和客户需求。服务业务日益有趣。
“我们处理状态监测和机器状态监测已有一段时间,设定了阈值分析。但我们知道该课题潜力大得多,” GEA 服务开发主管 Kerstin Altenseuer 解释.“长期目标是映射流程或能与客户共同优化应用。当然也建立租赁或订阅模式等新商业模式和应用领域.”
让算法专业知识可用
GEA 拥有 125 年以上分离机和脱水机制造专长,用于液体分离,应用于食品、化工、制药、生物技术、能源、航运和环保技术等行业。通过新商业模式或应用,公司意在开辟新收入来源。“但我们相对快意识到需要数据专家专长。即使像 GEA 这种公司原则上有好牌,识别招募合适专家即数据科学家也不易,何况需要多人,更不容易,” Kerstin Altenseuer 说。
合作而非独行
如何用合适专家建立专长?寻找解决方案时,GEA 通过“It's OWL”卓越集群发现 Weidmüller 及其工业分析领域专长。目标:重新思考客户服务供给并建立智能服务。同时提升机器质量和性能,为开发新商业模式奠基,使 GEA 在市场竞争中占优。
将工艺工程师发现转化为算法
GEA 和 Weidmüller 首先探讨项目如何设置及核心目标。
“很快明确我们将首先通过概念验证证明可行性,再使 GEA 能独立开发运行 ML 模型,” Weidmüller 工业分析业务单元主管 Tobias Gaukstern 解释.
借助自动化机器学习软件服务,GEA 专家应能独立训练机器学习算法和统计模型。
机械工程师常面临问题:设计、自动化和工艺专家难以将知识轻松转移到机器学习解决方案。如何将这种应用知识捆绑在软件甚至算法中?
“该方案对我们很有吸引力,因为我们有许多深谙机器、能一定程度解读数据的工艺工程师。借助 Weidmüller 我们现在能将这知识转化为算法,” GEA 数字解决方案经理 Matthias Heinrich 解释。在奥尔德用历史数据进行概念验证(PoC),检验理论考量在 GEA 生产环境中的应用。目标是自动检测乳制品行业分离机行为异常。
计划进一步推广
应用结合 GEA 现有用于状态监测的 IoT 场景使用。“大家都在谈数字化。但归根结底我们要提供增值。想借 Weidmüller 方案迈出下一步,” Kerstin Altenseuer 说。在此之前仍有任务,如改善数据连接和数据质量才能开始。“目前现有门户已连 500 台机器,我们想尽快将 Weidmüller 方案迁移至这些机器,” Kerstin Altenseuer 解释。展望未来:“我也看到将新技术转移至 GEA 其他领域的巨大潜力.”
工业机器人
- 协作机器人2025展望:十倍增速下的产业革命与破局之道
- PACKEX Toronto:拥抱无缝自动化,正当时
- Motoman UP6:高速多功能焊接与切割机器人
- RoboDK 推出通用码垛插件:全品牌机器人适用、编程极简、部署提速
- 机器人焊接工艺与设备选型全攻略:从工艺分类到软硬件生态构建
- 什么是自我编程机器人及其重要性
- 机器人机床上下料:收益、痛点与投资决策全景图
- 俄亥俄州曼斯菲尔德:金属冲压与先进制造枢纽
- 工业与协作机器人安全:制造业的战略级红线与生产力护城河
- 瓶装自动化包装:消除人工污染与重复劳损的双重保障
- 工业机器人如何重塑汽车制造:核心品类、维保与选型指南
- 机器人专业维保:延长设备寿命十年以上的关键实践