Ulbrich Stainless Steel, ein US-Hersteller von Stahlanwendungen, wertet die Sensordaten seiner Anlagen mit SAS Analytics for IoT aus. Ziel dabei ist es, die Wartung und die Qualität in der Produktion zu optimieren.
Ulbrich Stainless Steel hat sich auf stählerne Spezialprodukte von Triebwerksteilen bis hin zu Saiten für Streichinstrumente spezialisiert. „Präzision und Qualität sind Schlüsselfaktoren in der Fertigung von hochwertigen Metallen“, berichtet Chief Operating Officer Jay Cei. „Maschinen- und Sensordaten aus unseren Anlagen sowie die Integration dieser Informationen mit Daten aus unseren betriebswirtschaftlichen Systemen helfen uns dabei, das komplexe Zusammenspiel von Ausstattung, Mitarbeitern, Zulieferern und Kunden besser zu verstehen. Dies betrachten wir als Grundvoraussetzung für mehr Produktivität und Effizienz.“ Zur Interpretation der Daten aus dem Internet der Dinge nutzt der Stahlspezialist SAS Analytics for IoT.
Streaming Analytics gibt Ulbrich Stainless Steel nicht nur Aufschluss darüber, was gerade an den Maschinen passiert, sondern verschafft im Rahmen von Predictive Maintenance auch Einblicke in künftige Entwicklungen. „Die Anwender erkennen, wann eine Maschine wartungsbedürftig ist, bevor sie tatsächlich ausfällt“, erklärt D. J. Penix, President von Pinnacle Solutions, einem Implementierungspartner von SAS.
Anzeige
Aachener Marktspiegel Business Software – MES/Fertigungssteuerung 2021/2022
Navigationshilfe für Anwender und Anbieter im unübersichtlichen Markt für MES-Software
Herausgeber: IPA Stuttgart, Trovarit AG, Autoren: Dr. Hans-Hermann Wiendahl, Andreas Kluth, Rolf Kipp; Umfang: ca. 330 Seiten; Lieferbar als: lizenzierte PDF-Datei oder Ringbuch;
Preis Ringbuch: € 300,- (zzgl. MwSt. und ggfs. Versand)
Preis PDF: € 270,- (zzgl. MwSt.)
Schnellere Ergebnisse für alle Anwender
SAS Analytics for IoT verschafft dem Unternehmen Zugang zu Funktionen für Künstliche Intelligenz, Machine Learning und Streaming Analytics. Die Lösung bietet auch Anwendern ohne statistische Vorkenntnisse eine einfache Möglichkeit, Daten aus dem Internet der Dinge (IoT/Internet of Things) an einem stationären Speicherort oder im Stream für die Analyse aufzubereiten. Data Scientists und Fachanwender bekommen damit ein Werkzeug an die Hand, um IoT-Daten auszuwählen, bereitzustellen, zu transformieren und operativ zu nutzen und so zeitnah fundierte Entscheidungen zu treffen. Die aktuelle Version der SAS-Software integriert sich über offene Application Program Interfaces (API) mit anderen SAS-Lösungen sowie mit Applikationen von anderen Anbietern und Open-Source-Produkten.
„Die Demokratisierung von Analytics sollte die Maxime bei SAS Analytics for IoT sein“, fordert Marta Muñoz Méndez-Villamil in einer aktuellen IDC Market Note. „Mehr denn je sind heute Werkzeuge und Lösungen gefragt, die Analytics, Visualisierung und Überführung von IoT-Daten in Handlung vereinfachen und somit Unternehmen eine schnellere Time to Value für ihre IoT-Implementierungen bringen.“
Datenaufbereitung, Analyse und Operationalisierung
Jason Mann, Vice President of IoT bei SAS, weist darauf hin, dass es sich Unternehmen nicht länger leisten können, die Signale ihrer IoT-Daten zu ignorieren. „Damit Organisationen vorankommen, brauchen sie eine Lösung, welche die Komplexität ihrer Daten adressiert und eine zeitnahe und fundierte Entscheidungsfindung automatisiert. SAS Analytics for IoT liefert genau diese Funktionalitäten über den gesamten Analytics Lifecycle hinweg – von Datenaufbereitung über Analyse bis hin zu skalierbarer Operationalisierung.“
Variable Analytics als Erfolgsvoraussetzung
Mike Guilfoyle, Director of Research bei der ARC Advisory Group, erkennt eine Schere zwischen den Unternehmen, die die digitale Transformation mit Analytics vorantreiben wollen, und denen, die dabei effektiv skalieren. „Diese Diskrepanz kommt zum großen Teil von der Komplexität der hinter dem Industrial Internet of Things stehenden Ökosysteme und den vielseitigen Geschäftsanforderungen“, erläutert er. „Entscheidend für eine erfolgreiche IIoT-Nutzung ist daher Analytics, die sehr unterschiedliche Anforderungen bedienen kann – darunter eine Vielzahl von Anwendungsfällen, auseinandergehende Ansprüche der Anwender, agnostische Interoperabilität mit Systemen und Quellen, die Option, Data at Rest und in Motion zu managen, sowie eine breite Palette analytischer Methoden.“ Jürgen Frisch
