scitis.io the production knowledge cloud

Transkript

1 scitis.io the production knowledge cloud

2 Mission Maschinen, Prozess und Produktionswissen generieren, um die Produktivität zu steigern

3 Welches Problem lösen wir? scitis.io schlägt die Brücke zwischen Fertigung und digitaler Welt

4 Wie tun wir das? Wir ermöglichen Ihnen Ihre Prozessdaten in Ihrem Portal Digital zu vernetzen.

5 Die Herausforderungen überwinden Was ist der erste Schritt für ein fertigendes Unternehmen? Man kann Daten ohne Informationen haben, aber keine Informationen ohne Daten. Daniel Keys Moran, Programmierer und Autor 1. Erfassen 2. Speichern 4. Machine learning Analysieren Auto Pilot

6 1. Erfassen Die Herausforderungen überwinden Steuerung erfasst Daten und wird mit CloudPlug angeschlossen. Probleme die CloudPlug löst: Unterstützt gängige Standards (OPC UA, CanOpen, CAN, etc.) (Siemens S7/Sinumerik, Beckhoff) Schließt existierende Anlagen unkompliziert an Energieverbrauch, Produktqualität, Verwaltet Bandbreite und Daten Caching Stillstandszeiten, Preiswert und robust Werkzeugauswahl, etc. Verfügbarkeit Sicherheit

7 2. Speichern scitis.io Sicherheit und Flexibilität Vorteile der scitis.io: Ihre Daten verbleiben in Ihrer Hoheit Sie sind uneingeschränkter Dateneigentümer Mehrstufiges Betriebsmodell von eigenem Portal über Betreibermodell bis SaaS Reine OECX Aufwendungen beim SaaS Modell pay as you go Sichere Umgebung ISO 27017, SOC 23 konforme Rechenzentren International hoch verfügbar hoch skalierbar

8 3. Analysieren Die Herausforderungen überwinden Analyse der Informationen: Nutzer können Reports mobil aufrufen Reports können vom Nutzer selbst erstellt oder geändert werden (SelfServiceBI) Echtzeit Datenanalyse Integriert unterschiedliche Quellen Einfache Visualisierung für datenbasierte Entscheidungen

9 4.5. Maschine Learning & Auto Pilot Die Herausforderungen überwinden Automatisierte Analyse: Modelle aus z.b. R oder Matlab einbinden und automatisiert Auswertungen generieren Mit Neuronalen Netzen direkt auf den Daten Untersuchungen durchführen Direkte Rückkopplung aus komplexen mehrdimensionalen Eingangsparametern

10 Vertriebsdaten im Retail Prozess: DEMO

11 Referenz Drive True: Online Dashboard

12 Online Dashboard

13 Online Dashboard

14 Referenz: Maschinenbauer Entwicklung und Betrieb eines Achenbach Kunden Web Portals um: Neuartige Analysen bzgl. Produktqualität auf Basis historischer Daten zu ermöglichen Implementieren von Modellen zur Wissensgenerierung als Grundlage für neue Geschäftsmodelle Maschinenanbindung an die Cloud Transfer von > 8 GB Daten je Maschine / Tag Installation weniger als 4h vor Ort

15 Weltweit tätiger Maschinenbauer für Walzwerkanlagen und Folienschneidemaschinen Weltmarktführer für Aluminium Folienwalzwerke Maschinen und Anlagen von Achenbach produzieren in rund 60 Ländern 100% familiengeführt in 7. und 8. Generation

16 Achenbach Machine BigData

17 ongoing: Early stages of exploring predictive Machine Learning with TensorFlow Google's Open Source Deep Learning framework

18 5 Punkte zum Mitnehmen Sofort startklar One Stop Shop online < 8 Wochen Durchgängiger Anbieter von Hardware zum Datenaufnahme über die Bereitstellung des Portals bis zur Integration von Matlab oder neuronalen Netzen, alles aus einer Hand Sie behalten die Hoheit über Ihre Daten gleich welches Portal Modell Sie einsetzen Kosteneffizientester Anbieter am Markt Klare Zukunftsvision

19 Erfahren Sie mehr Twitter Google+ google.com/+scitis.io scitis.io +49(0) Fragen?