Der Hersteller von Analysesoftware für die Produktion und das „Industrielle Internet der Dinge“ (IIoT), Seeq, mit Sitz im Seattle/ USA, , will künftig vermehrt Algorithmen des maschinellen Lernens in seine Anwendungen integrieren – auch solche aus offenen Quellen. Unternehmen, die Machine-Learning-Algorithmen von Drittherstellern oder von Open Source-Plattformen nutzen, können diese in Zukunft verwenden, um die Software-Applikationen des Unternehmens lernfähig und damit effizienter zu machen. Diese Strategie ermöglicht es dem Endanwender, Algorithmen aus verschiedenen und auch offenen Quellen zu nutzen, so dass ihm eine größere Bandbreite von Machine Learning-Funktionen zur Verfügung steht. Die Kunden des Herstellers kommen überwiegend aus der Prozesstechnik, konkret aus den Bereichen Pharma, Öl und Gas, Chemie, Energie, Bergbau, Lebensmittel- und Getränkeindustrie.
Das betrifft unter anderem folgende Arten von Algorithmen:
-Open-Source- und andere frei zugängliche Algorithmen. Zum Beispiel hat Seeq zwei Add-ons für die Open-Source-Entwicklungsplattform GitHub veröffentlicht, einschließlich Algorithmen und Workflows für die Analyse von Korrelationen und Clustern im Fertigungsprozess, die der Benutzer an seine Bedürfnisse anpassen kann.
-von Kunden in Eigenarbeit entwickelte Algorithmen im Datenanalyse-Modul „Data Lab“ sowie Algorithmen aus anderen Plattformen wie Microsoft Azure Machine Learning, Amazon SageMaker und Anaconda. So kann der Anwender den digitalen Wandel in seinem Unternehmen verbessern und bechleunigen.
-Algorithmen, die von Dritten (Softwareherstellern, Forschungseinrichtungen) bereitgestellt werden. Dazu gehören auch branchen- und marktspezifische Algorithmen, etwa „Lookout for Equipment“ von Amazon, Microsoft Azure AutoML, BKO Services Pump Prediction oder das Open-Source-Angebot der Brigham Young University.
Mit dieser Initiative verbessert Seeq auch die Herausforderung der „letzten Meile“ beim Einsatz von Algorithmen in Fertigungsunternehmen. Diese Algorithmen und damit die entsprechenden Optimierungsmöglichkeiten des Prozesses müssen in benutzerfreundlichen Anwendungen zur Verfügung stehen, die von den Mitarbeitern auch genutzt werden – zum Beispiel die Softwaremodule Seeq Workbench für umfassende Analysen, Seeq Organizer für die Dokumentation und Veröffentlichung von Ergebnissen und Seeq Data Lab für Ad-hoc- Python-Scripting.
Außerdem leistet die Öffnung der Seeq-Software für Open-Source-Algorithmen einen Beitrag zur umfassenden Nutzung der Analysesoftware. Denn grundlegende Erfolgsfaktoren des maschinellen Lernens, beispielsweise der Zugriff auf möglichst alle Datenquellen aus der Fertigung (historische, kontextuelle und fertigungsbezogene Anwendungen), sind damit noch umfassender gegeben. Das gilt auch für Aufgaben wie die Aufbereitung und Modellierung der Daten, die Unterstützung der Zusammenarbeit unter den Mitarbeitern und die Sammlung des gemeinschaftlich erworbenen Know-hows sowie das Etablieren und kontinuierliche Verbessern eines leistungsbasierten Workflows.
„Data-Science-Innovationen haben das Potenzial, produzierende Unternehmen konsequent in Richtung Nachhaltigkeit und Produktivität zu verändern“, sagt Kevin Prouty, Vizepräsident für den Bereich Industrie beim Marktforschungs- und Beratungsunternehmen IDC. „Um diese Chance zu nutzen, müssen die Unternehmen jedoch in der Lage sein, den Produktionsexperten Innovationen aus der Datenwissenschaft bereitzustellen – und zwar so, dass sie sie auch nutzen können. Dann werden sie auf Basis der Erkenntnisse, die von den neuen Algorithmen bereitgestellt werden, bessere Entscheidungen treffen.“
Brian Parsonnet, CTO von Seeq: „Unsere Software baut die Brücke von den Data-Science-Experten und ihren Algorithmen zu Ingenieuren und Prozesstechnikern in Hunderten von Werken auf der ganzen Welt. Um die jeweils passendsten Algorithmen zu nutzen, genügt es jetzt, sie einfach in Seeq zu registrieren und dann festzulegen, welche Mitarbeiter in ihren Seeq-Anwendungen darauf Zugriff haben.“
