GE Transportation: Volle Kraft voraus mit SAS Analytics

Heute stehen den meisten Branchen Informationen zur Verfügung, auf die man bisher keinen zeitnahen Zugriff hatte. Daten strömen aus unterschiedlichsten Quellen herein: aus Produktionssystemen, Sensoren an Maschinen und Geräten jeglicher Art oder aus Kundentransaktionen. Grosse Datenmengen und Rechenpower bilden die Voraussetzung, um bessere Vorhersagen zu treffen und präzisere Analysen durchzuführen.

Künstliche Intelligenz (KI) und Machine Learning tun ein Übriges dazu, aus Daten das Maximum an Erkenntnissen zu ziehen. Mit IoT-Technologie können Unternehmen aus Zustands-, Positions- und Bewegungsdaten direkt schnelle Entscheidungen ableiten. Voraussetzung ist jedoch, dass diese Daten ohne Zeitverlust ausgewertet werden – möglichst ohne aufwendige Datentransfers, genau dort, wo sie entstehen. Konkret: ganz nah am Sensor.

Analytics «on the Edge» ist daher eines der Kernthemen in den nächsten Monaten. Kleinrechner können analytische Modelle zur Bewertung der Relevanz von Sensordaten direkt in der Maschine ausführen. Über eine Event Stream Processing (ESP) Engine lassen sich Daten direkt während der Übertragung, also im Datenstrom und noch vor der Speicherung, analysieren. Die Technologie funktioniert als intelligenter Filter, der den Datentransport reduziert. Das ermöglicht dem analytischen System, potenzielle Probleme schon im Vorfeld abzuwenden, indem ein Alert ausgegeben oder eine bestimmte Massnahme in die Wege geleitet wird.

Und es gibt bereits zahlreiche Anwendungsbeispiele: Fertigungsunternehmen nutzen IoT Analytics, um Ausfallzeiten in der Werkshalle zu minimieren, Produktqualität zu steigern oder Rohmaterial und fertige Güter während des gesamten Herstellungsprozesses zu verfolgen. Smart Cities werden langsam Realität: IoT Analytics hilft der öffentlichen Verwaltung, den Verkehrsfluss auf überfüllten Strassen zu optimieren, und Bürgern in unterschiedlichsten Bereichen ihres Alltags zur Seite zu stehen – egal, ob sie auf der Suche nach einem Parkplatz sind, die zuständige Behörde ausfindig machen oder ihre Wasserrechnung bezahlen müssen. Handelsunternehmen personalisieren ihre Interaktionen mit vernetzten Verbrauchern und verbessern die Transparenz ihres Lagerbestands. Und last, but not least versorgen vernetzte Geräte im Gesundheitsbereich Patienten mit massgeschneiderten Pflegeplänen, überwachen die Medikamenteneinnahme und verbessern die Kommunikation zwischen Patient und Arzt.

GE Transportation analysiert Sensordaten für seine rund 1.200 Lokomotiven mit Streaming Edge Analytics direkt an Bord in Echtzeit, um unter anderem den Energieverbrauch der Maschinen zu optimieren. Der Schienenverkehrausrüster macht Nutzungsmuster sichtbar und gewährleistet damit den sicheren und effizienten Einsatz seiner Lokomotiven. Konkret sieht das so aus: GE-Transportation-Lokomotiven sind mit Edge-Geräten ausgestattet, die pro Sekunde Hunderte von Daten verarbeiten, um den Betrieb der Lokomotiven zu optimieren.

GE Transportation nutzt für die Analyse dieser Daten SAS Event Stream Processing über die SAS Platform. Die SAS Software ist mit Predix Machine und Predix Edge Manager von GE Transportation verknüpft und sowohl in den Zügen als auch im Backoffice implementiert. Die kombinierte Lösung ermöglicht es GE-Kunden, Daten in Echtzeit zu verfolgen und die Lokomotiven optimal einzusetzen, wodurch sich zum Beispiel der Treibstoffverbrauch reduzieren lässt.

Wie sogenannte «Analytics inside the Vehicle» funktioniert, veranschaulicht ein IoT-Miniaturtruck, den SAS in Kooperation mit Intel entwickelt hat. Diesen präsentiert das Unternehmen beim SAS Forum Switzerland am 30. Mai 2018 in Zürich und zeigt anhand zahlreicher Best-Practice-Vorträge weitere Anwendungsbeispiele für IoT Analytics.

Auch Analysten sehen das IoT auf ungebremstem Wachstumskurs. IDC geht davon aus, dass der Analytics-Markt im Bereich IoT bis 2020 auf über 23 Milliarden US-Dollar anwachsen wird. Bis dahin sollen schätzungsweise 20,4 Milliarden vernetzte Geräte gigantische Datenmassen erzeugen. In diesem IoT-Zeitalter sind sowohl Daten als auch Analytics essenziell, um einen Mehrwert und sichtbar bessere Geschäftsergebnisse zu erzielen oder sogar neue Produkte und Geschäftsmodelle zu entwickeln. Innovationen wie das autonome Fahren finden ohne intelligente Datenanalyse nicht statt.

Aber dafür müssen gewisse Voraussetzungen erfüllt sein. Unternehmen sollten ihre klassischen mit IoT-Daten verknüpfen, die zuvor auf ihre Relevanz hin intelligent gefiltert wurden. Wichtig ist zudem, Daten schon im Datenstrom zu analysieren und eine Modellierung im Endgerät vorzunehmen. Und letztlich gilt es, tief in Geschäftsprozesse einzugreifen und Geschäftsregeln zu hinterlegen, anhand derer die analytischen Erkenntnisse in sinnvolle Aktionen überführt werden. Findet dies alles in einer hochperformanten analytischen Umgebung statt, sind das beste Rahmenbedingungen, um IoT-Daten für in fundierte Geschäftsentscheidungen zu nutzen.