Die industrielle Datenanalyse (Industrial Data Science) vereint Know-how aus verschiedenen Bereichen wie Datenanalyse und Digitalisierung und fokussiert hierbei industrielle Anwendungen und Best-Practices zur Förderung von Unternehmenswachstum, Produktivität und auch Langzeit-Lernen.

Digitalisierung, das Internet der Dinge (IoT) sowie industrielle Internet- und Industrie 4.0-Lösungen transformieren komplette Branchen und ermöglichen die Sammlung von enormen Datenmengen unterschiedlicher Aggregationsebenen und Typen. Dazu zählen Big Data und Streaming Data, strukturierte und unstrukturierte Daten, Text, Images, Audio- oder auch Sensordaten. Data Science, Data-Mining, Process Mining, Machine Learning und Predictive Analytics versprechen enorme Effizienz- und damit Wettbewerbsvorteile zu generieren.

Typische Anwendungsfälle sind Bedarfsprognosen, prädiktive Instandhaltung, Vorhersage von Maschinenausfällen und ihre Prävention, die Vorhersage kritischer Ereignisse, Qualitätsprognosen zur Prozessoptimierung, Warenkorbanalysen. Aber auch die Vorhersage von Montageplänen für neue Produktdesigns in Branchen wie Automotive, Luft- und Raumfahrt, Energie, Maschinen- und Anlagenbau, Metall, etc. gehören zu diesen Use Cases. Wesentliches Kriterium für die erfolgreiche Durchführung von Industrial Data Science Vorhaben ist neben der Erarbeitung vielversprechender Business Cases auch die effiziente Organisation und Durchführung der Analysearbeiten. Hierbei sind die IPS Engineers darauf spezialisiert zwischen den beiden zu vereinenden Welten, der Anwendungswelt, mit den unersetzlichen Domänenexperten, und der Datenanalysewelt, mit den ebenso unverzichtbaren Data Scientists, zu vermitteln.

Die Simulationsgestützte Datenanalyse und IoT-Einbindung sind elementare Schritte zur holistischen Umsetzung von Data Science in der Produktion, nur durch das Nutzen von Daten über alle Prozessschritte können diese gewinnbringend eingesetzt werden.

Moderne Produktionssysteme mit weitrechend umgesetzter IoT Architektur und breiter Verwendung von cyberphysischen Systemen bieten in der Regel hinreichende Möglichkeiten Daten aus dem Prozess auszuleiten und zur Analyse bereitzustellen. Die wesentliche Schwierigkeit besteht jedoch nicht im Verfügbarmachen der Daten sondern in ihrer sinnvollen Aufbereitung und lukrativen Nutzung. Problematisch ist hierbei insbesondere die Verwendung statistischer Datenanalyse mit Fokus auf Vergangenheitsdaten ohne diese vorrausschauend einzusetzen.

Durch bessere Integration der (bereits bestehenden) IoT-Techniken in die Prozessanalyse und die ganzheitlichere Verwendung von Simulation als Werkzeug der Prozessoptimierung können vielfach große Potentiale aufgedeckt werden. Diese Schlüsseltechnologien sind kritische Erfolgsfaktoren für viele Bereiche der Industrie und essentiell für den Erhalt und den Ausbau der Wettbewerbsfähigkeit. Vor Allem fokussieren die IPS Engineers hier ihre Kompetenzen in der Datenanalyse für Systeme des Predictive Maintenance. Ein wichtiger und notwendiger Schritt für die Modernisierung von Instandhaltungsprozessen.