Mit Hilfe eines KI-basierten Fernwartungsassistenten MMA/160 will SSV die Zustandsüberwachungs- und Benachrichtigungsaufgaben in Fernwartungsanwendungen automatisieren, um ungeplante Maschinenstillstände möglichst vollständig zu vermeiden.
SSV hat ein System Development Kit (SDK) entwickelt, um mit Hilfe von Sensoren, Gateways und KI-Diensten die IoT-Anwendungen der nächsten Generation schon heute als Retrofit zu realisieren.
Als erster Vertreter einer neuen IoT-Gateway-Familie für Remote-Maintenance-Aufgaben im Industriebereich unterstützt das RMG/941 vier verschiedene Funktionsbereiche. Durch die beliebige Kombination der Einzelfunktionen lassen sich komplexe Aufgabenstellungen lösen.
Sich innerhalb kürzester Zeit einen umfassenden Überblick über das Angebot der nationalen und internationalen Automatisierungs- und Digitalisierungsanbieter verschaffen: Das ermöglicht vom 26. bis 28. November 2019 die SPS in Nürnberg. Die wichtigsten Produkt-Highlights stellen wir Ihnen in diesem Artikel vor.
Bei der Konzeption der Gateway-Familie für Remote-Maintenance-Aufgaben stellte SSV die Anwendersicht in den Mittelpunkt – mit Hilfe eines Innovationsprozesses, der eine 360°-Perspektive für werthaltigen Anwendernutzen beinhaltet.
SSV hat eine Datenerfassungsbaugruppe für Maschinensensoren plus Software entwickelt, um den KI-Einsatz in Maschinen, Anlagen und Industrieprozessen zu vereinfachen.
Auf der diesjährigen Hannover Messe stellt SSV sein Edge-Gateway IGW/941 mit vorinstallierten ML-Algorithmen und diversen Data Science-Bausteinen für industrielle Applikationen vor.
Embedded Systeme per Machine Learning trainieren statt den Zusammenhang zwischen Ein- und Ausgang in einer Hochsprache zu codieren: SSV zeigt auf der Embedded World mit dem DNP/AISS1 ein Starterkit mit verschiedenen Sensoren und vorinstallierten Machine-Learning-Beispielen.
Der Predictive-Analytics-Baukasten IIoT/PA-Pac von SSV unterstützt die datenbasierte Vorhersage von Ereignissen für Maschinen und Anlagen. Das kontinuierliche Erfassen von Sensordaten plus eine geeignete Datenanalyse bilden die Voraussetzung für Anomalieerkennung, Predictive Maintenance, Predictive Quality und andere Vorhersageverfahren, mit denen sich Produktivität steigern lassen soll.
In jeder Maschine und Anlage stecken Daten, aus denen sich werthaltige Informationen für Maschinenbauer- und Betreiber gewinnen lassen. Durch ein Daten-Retrofit lassen sich diese Datenschätze heben. Dabei sind allerdings verschiedene Herausforderungen zu bewältigen. Neben einem geeigneten Verfahren zur Vorgehensweise ist besonders die Entwicklung und Implementierung des Informationsgewinnungs-Algorithmus nicht zu unterschätzen.