Im Zeitalter der Industrie 4.0 ermöglichen die Digitalisierung und Automatisierung eine umfangreiche Erfassung von Maschinen-, Prozess- und Logistikdaten. Unternehmen unterschiedlichster Branchen stellt dies vor die Herausforderung, große Datenmengen sicher zu speichern und nutzbringend zu verarbeiten, um daraus wertvolle Informationen zu gewinnen, zukünftige Ereignisse möglichst genau zu prognostizieren und entsprechend darauf zu reagieren.

Die Data Scientists der RISC Software GmbH verfügen über umfangreiche Kompetenzen und eine langjährige Erfahrung in den Bereichen Data Management und Data Analytics. Durch den Einsatz von modernen Methoden zur smarten Datenanalyse und Prognose kann die Herausforderung von Big Data als wichtige Chance zur Prozess- und Umsatzoptimierung wahrgenommen werden.

Im Bereich Data Engineering werden umfangreiche Datenmengen aus verschiedenen Datenbanken und Systemen miteinander verknüpft und somit eine prozessübergreifende Datenbasis geschaffen. Aus diesen verknüpften Daten werden anschließend Datenmodelle entwickelt.

Durch die Anwendung statistischer Verfahren sowie moderner Methoden in den Bereichen Data Analytics, Visual Analytics und Machine Learning werden die Datenmodelle analysiert. Dabei werden Zusammenhänge, Korrelationen und Muster erkannt, welche zur Fehler- und Ursachenanalyse sowie zur kontinuierlichen Qualitätsüberwachung herangezogen werden.

Auswahl an Methoden

Im Bereich Predictive Analytics werden mathematische Prognosealgorithmen sowie Methoden der Künstlichen Intelligenz eingesetzt, um valide Prognosen über zukünftige Entwicklungen zu erstellen und Engpässe oder Überschüsse frühzeitig zu erkennen.

Aufgrund dieser Vorhersagen werden mithilfe von Prescriptive Analytics Handlungsempfehlungen abgeleitet, wodurch zahlreiche Optimierungen wie zum Beispiel eine Effizienzsteigerung in den Produktionsprozessen oder eine Verbesserung der Produktqualität erreicht werden.

Tätigkeitsschwerpunkte im Bereich Data Science in der Industrie

Industrie 4.0, Internet of Things (IoT)

Analyse von Prozess- und Maschinendaten (Zeitreihen, Logs)

Methoden der Artificial Intelligence (AI) und Machine Intelligence (MI)

Verknüpfung von Datenströmen mit Modellen

Data Engineering: Graphen-Datenbanken

Prescriptive Analytics

Predictive Analytics und Predictive Maintenance

Kontakt

Mag.a Stefanie Kritzinger, PhD

Head of Unit Logistics Informatics

Referenzen

Virtueller Produktionsassistent – Mehrwert durch Datenanalyse

In Produktionsunternehmen werden viele unterschiedlichste Daten gesammelt, produziert und oft nur teilweise gespeichert.

Machine Learning bringt mehr Sicherheit und Verfügbarkeit im Bahnverkehr

Im Forschungsprojekt “iTPP 4.0” wurden grundlagennahe Erkenntnisse entwickelt, die eine intelligente Weiche für den Eisenbahnverkehr ermöglichen sollen.

Forschungsprojekt BOOST 4.0

Boost 4.0 ist die größte europäische Initiative für Big Data für Industrie 4.0. Boost 4.0 hat ein Budget von 20 Mio. Euro mit einer zusätzlichen privaten Investition von 100 Mio. Euro.

Mowis Traffic24.at

Traffic24.at bietet österreichweite Verkehrsinformationen für die Verkehrsmittel Auto, Bahn, Flugzeug und Schiff auf einer Webseite. Die RISC Software GmbH agierte in der Rolle des technischen Projektleiters.