Von Sensordaten zu einer KI-basierten Echtzeitanwendung - ein technischer Deep Dive

Welche Komponenten sind erforderlich, um eine vorausschauende Wartungsanwendung auf der Grundlage von Schwingungsdaten einer Industriemaschine zu erstellen? Diese Frage wird uns von vielen Fertigungsunternehmen gestellt, die darüber nachdenken, ihr traditionelles Geschäft durch digitale Lösungen zu erweitern.

Aus diesem Grund haben wir ein Vorzeigeprojekt mit dem Namen coffAI entwickelt, das auf unseren Erfahrungen mit echten prädiktiven Wartungslösungen bei unserem langjährigen Kunden KSB basiert.

In meinem Vortrag möchte ich die Details des coffAI-Projekts aus architektonischer Sicht, d.h. die gesamte Datenkette vom Sensorsignal bis zur KI-basierten Echtzeitanwendung, erläutern.

Vorkenntnisse

Von Vorteil sind

• IoT-Erfahrung (MQTT, AWS IoT Core, ...)
  
• Erfahrungen mit AWS Cloud Services
  
• Erfahrungen mit Vibrationsdaten bzw. Predictive-Maintenance-Anwendungen

Lernziele

• Klares Verständnis für die Gesamtarchitektur einer Predictive-Maintenance-Lösung am Beispiel CoffAI sowie tiefe technische Einblicke in die einzelnen Cloud-Komponenten.
  
• Einblicke in die Echtzeitverarbeitung von Daten und AWS Kinesis.
  
• Einblicke in Aufwand und Kosten einer solchen Architektur