运用数据搜集和剖析来进步公司的功率和出产力，并开发新的商业形式，这一处理方案激发了机械和工厂工程师寻觅新增加和收入可能性的爱好。GEA是一家长时间致力于状况监测的供货商，跟着魏德米勒最新的主动化机器学习软件的推出，GEA期望开发和扩展在设备方面供给的服务，在德国厄尔德启动了相应的“试点”项目。

工业4.0：应战和严重机会并存

数字技能和工业4.0给机械和工程职业的公司带来应战的一同也带来了全新的机会：他们需求能够依据单个产品和客户要求调整出产设备。服务事务越来越遭到重视。“长时间以来，咱们一向致力于机器状况监测，并树立了阈值剖析办法。咱们也知道，在这一范畴还有更多的潜力。”GEA服务产品办理高档副总裁Kerstin Altensuer解说道，“咱们期望制作流程图，与客户一同优化运用程序。当然，咱们也期望树立新的商业形式和运用范畴，例如机器租借或订货。”

在算法中供给专业常识

GEA在液体分离器和倾析器制作范畴具有125年的经历。这些产品运用于各个职业，如食物、化学和制药工业，以及生物技能、能源工业、航运业和环境技能工业。GEA期望经过创立新事务形式或运用发掘更多收入来历。Kerstin Altensuer说：“咱们意识到，在这些项目中咱们需求数据专家的专业常识和协助。找到适宜的算法专家并招引他们参加团队并不简单，这使得工作变得愈加杂乱”。

与其各自为战，不如协作共赢

怎么从适宜的专家获取专业的常识？正是在寻求处理这一问题的进程中，GEA了解到魏德米勒在工业剖析范畴的专业性。GEA期望从头规划其向客户供给的服务，树立一系列智能服务。进步其设备的质量和功能，是发掘新商业形式的根底，这将使GEA在市场上具有竞争力。

将职业工程师的常识转化为算法

GEA和魏德米勒开端探究怎么树立该项目，以及项目寻求的中心方针。魏德米勒的工业剖析事务部门经理Tobias Gaukstern解说说：“很快咱们就会理解，咱们首要需求经过概念证明（PoC）来验证项意图可行性，然后才干协助GEA独立开发和运营ML模型。”未来经过运用主动机器学习软件服务，GEA的专家将能够独立练习机器学习算法或模型。Tobias Gaukstern解说道：“AutoML东西使运用程序专家运用ML的进程变得更快、更简单，而且不需求任何ML范畴的专家常识。”机械工程公司常常面对这样的问题：他们的规划、主动化以及进程专家不能很简单地将他们的常识转化为机器学习范畴的处理方案。当时仅是将这些运用程序的专业常识聚集到一同或一个软件中都很困难，更不用说算法了。GEA电子处理方案部门经理Matthias Heinrich解说道：“咱们对这个处理方案很感爱好，由于咱们有许多职业工程师，他们对机器十分了解，而且在必定程度上能够解读数据。在魏德米勒的协助下，咱们现在能够将这些常识转化为一种算法。”为了查验理论观测在GEA出产环境中的实地运用，咱们在厄尔德运用历史数据进行了概念证明（PoC），承认是否能够完成主动检测乳品职业分离器中的反常行为。

密切协作的优势

这个项意图成功要归功于团队内部的严密协作。一方面，区域接近是一个很大的优势，由于项目团队能够很简单地在短时间内开会讨论单个问题。Kerstin Altensuer解说道:“从数据学家的视点来看，魏德米勒有着十分广泛的常识。一同，作为一家机械工程公司你会有遇知音的感觉，由于你要会晤的不仅是IT专家，仍是真实了解机器的工程师。”作为该项意图一部分，GEA办理数据输入和需求剖析，而魏德米勒则担任概念证明。Tobias Gaukstern解说说:“这次分工协作是十分成功的。咱们有序活跃的和谐，获得十分好的成果，这为试点运用和终究转化到系列出产打下了根底。 ”

2020年的后续方案

现在运用程序现已与现有的物联网场景结合施行，用于GEA的状况监测。“咱们和咱们相同都在议论数字化，此外，咱们更想用经过数字化发明额定价值。”Kerstin Altensuer说：“咱们期望魏德米勒开发的处理方案能协助咱们迈出下一步。”在2020年方案真施行行之前，咱们还需求做一些工作，比方改进数据衔接和数据质量。Kerstin Altensuer解说道：“到目前为止，咱们现已将500台机器衔接到现有的门户，咱们的方针是尽快将魏德米勒的处理方案迁移到这些机器上。”Altensuer展望未来：“我看到了新技能的巨大潜力，它能够很快运用中GEA以外的其他范畴。”