Article

FAQ: Data Science for predictive maintenance

(2 min. read)

By Artur Loorpuu

Today's case

UReason uses data science to structure and get valuable insights from asset data, enabling predictive maintenance applications. Below you can find some of the most frequently asked questions that we get related to data science.

(Article is in English and German)

Data Science predictive Maintenance

English

  1. What skills does it need to train AI algorithms?
    To everyone’s surprise, coding is not one of them. Tools like KNIME make it fairly simple to create your own AI models. You definitely need knowledge in the field where you want to deploy the model, for example, engineering knowledge for process industries—besides a basic understanding of the most common AI models used.
  2. How do you know if you got the right data to train a model?
    It is important to remember that the AI model only detects what it has been trained to discover. That is why failure data should be available as well as normal functioning data. Good practice is to split data into training and validation sets, or even training, validation, and control set.
  3. How do you handle the deployment of AI models on a network isolated critical assets?
    For critical assets, not only physical safety but also digital safety is priority number one. That is why these assets are commonly found on isolated networks. AI models should be embedded into the device or on an edge computer running close to the asset. APM Studios can do both. Furthermore, UReason implements AI models with a PMML script which keeps the isolation of the asset intact. Any outward communication is then done over a safe OPC UA connection.

 

Do you have other questions? Reach out to us to explore how APM Studio can improve your assets and processes.

If you enjoyed reading this article and you want to read more interesting applications of algorithms, make sure to check out more articles on our website or subscribe to the newsletter!

 

Deutsch

  1. Welche Fähigkeiten braucht es um KI Algorithmen zu trainieren?
    Coden ist überraschender weise keine davon. Mit Programmen so als KNIME, können KI Modelle ohne viel Code trainiert werden. Was man dennoch braucht, ist Wissen und Erfahrung im Gebiet, wo das Modell eingesetzt werden soll und ein Grundwissen über die beliebtesten KI Modelle.
  2. Wie erkennt man, ob die richtigen Daten vorhanden sind?
    Wichtig ist zu wissen, dass ein KI Modell nur Situationen erkennt auf die es trainiert wurde. Das bedeutet, dass genug Daten von Fehlern sowie fehlerfreien Arbeitsabläufen vorhanden sein müssen. In der Praxis werden dann, die vorhandenen Daten in Trainings- und Validation Daten getrennt. Manchmal sogar in Trainings-, Validation- und Kontroll-Daten.
  3. Wie geht man vor, wenn auf Netzwerk isolierten, kritischen Maschinen ein KI Modell eingesetzt wird?
    Für System kritische Maschinen ist die physische und digitale Sicherheit oberste Priorität. Darum befinden sich solche Maschinen oft in isolierten Netzwerken. KI Modelle werden dann am besten durch direkte Integration in die Maschine oder auf einem Edge Computer nahem bei der Maschine eingesetzt. APM Studio kann beide Implementierungen erfüllen. Auch werden die KI Modelle durch sogenannte PMML Skripts geladen. Diese versichert, dass die Maschine weiterhin im Netzwerk isoliert ist. Die Kommunikation nach aussen geht über eine sichere OPC UA Verbindung.

Haben Sie noch Fragen? Melden Sie sich bei uns Melden Sie sich bei uns um zu erfahren wie APM Studio Ihr Asset oder Betriebsablauf verbessern kann.

Hat Ihnen der Artikel gefallen? Wollen sie noch mehr spannende Anwendungsbeispiele für Algorithmen entdecken? Dann sehen Sie sich doch auf unserer Homepage um oder abonnieren Sie unseren Newsletter.




Subscribe to the newsletter to read more articles

  • This field is for validation purposes and should be left unchanged.