MachineMedic řešení uspělo na IoTea a aplikace se bude dále vyvíjet

Cenu Siemens na IoTea za vývoj aplikace v systému MindSphere vytvořili Pavel Doležal, Tomáš Gatial a Branislav Štupák Cenu Siemens na IoTea za vývoj aplikace v systému MindSphere vytvořili Pavel Doležal, Tomáš Gatial a Branislav Štupák

První průmyslový hackhaton se zaměřil na nové nápady a inovace v oblasti průmyslového internetu věcí. Dvacet soutěžních týmů pracovalo od pátku 8. března do soboty 9. března, řada týmů využila pro své nápady platformu Siemens pro průmyslový internet věcí MindSphere. Partnerskou cenu společnosti Siemens získal tým Bublinky bublinky za aplikaci pro prediktivní údržbu nazvanou MachineMedic. 

Vítězná aplikace, kterou v systému MindSphere vytvořili Pavel Doležal (PD), Tomáš Gatial (TG) a Branislav Štupák (BŠ), dokáže provozovatelům výrobních strojů a zařízení přesně poradit, jak mají své stroje udržovat. Využívá k tomu prediktivní analýzu dat, které získává ze senzorů. Aplikace umí ušetřit náklady na údržbu, omezit riziko neplánovaných odstávek a přesně určit, jak kvalifikovaný pracovník má údržbu provést. Řeší problém, jak dostupná data převést do srozumitelných a jasných informací, podle kterých se dá rychle a spolehlivě rozhodovat. Manažeři díky aplikaci MachineMedic v reálném čase získávají snadno pochopitelnou informaci o tom, co je potřeba udělat a jaká bude cena údržby.

TIP: Reportáž z akce IoTea naleznete v našem dřívějším článku zde>> 

Partnerskou cenu společnosti Siemens představuje dvoudenní cesta na mezinárodní výstavu Hannover Messe, kde se vítězové seznámí s nejnovějšími trendy v konceptu Průmysl 4.0 na reálných ukázkách technologií a referenčních projektech.  Vítěze hackathonu se osobně seznámí nejen s technologickými specialisty Siemens. Ti je představí také svým obchodním partnerům a umožní jim navázat kontakty s českými zákazníky, kteří se zaváděním digitálních technologií v průmyslu intenzivně zabývají. 

 

Můžete nám představit členy týmu Bublinky Bublinky? Jaké jsou vaše aktuální profese, studia a jak jste přišli na ten netradiční název?

PD: Já jsem Pavel Doležal, pracuji ve společnosti eMan jako softwarový vývojář. Industry 4.0 a IoT jsou pro mě osobně i pro nás v eManu hodně atraktivní obory, do kterých se snažíme proniknout a ve kterých jsme již realizovali pro naše klienty několik zajímavých projektů. Vidíme v nich ohromnou budoucnost.

: Som Braňo Štupák a pracujem v spoločnostie Manako softvér engineer. S Pavlom sme dokonca v jednom tíme a zaobíráme sa inovatívnymi technológiami. V našom tíme máme za sebou vícero úspěšných IoT v kombinácii s ML. Keď sme sa dozvedeli o výzve v podobe 24 hodinového IoTea hackathonu, rozhodli sme sa to skúsiť. Bol to náš prvý hackathon.

TG: Ja Tomáš Gatial, pracujem jako Creative technologist v Livesport. Zaujímam sa o UX Design a prototyping ale tiž sa venujem aj Cloudovej architektúre a automatizácií. Doteraz som sa pohyboval hlavne v problematikách týkajúcich sa Športu a IoT. Práve Priemyselný IoTea Hackathon bol pre mňa veľmi zaujímavou príležitosťou ako si rozšíriť obzory v inom odvetví.

PD: Co se týče názvu našeho týmu, tak na ten jsme přišli v hospodě (kde jinde). Braňo viděl na pivním tácku nějaké bublinky, tak navrhl ze srandy “Bublinky bublinky”. Nechtěli jsme se na hackathonu brát moc vážně a tento název nás v tom maximálně podporoval, tak jsme u něj zůstali.

V čem spatřujete výhody platformy MindSphere a co jí naopak chybí?

TG: MM môže byť postavený ako modul do mindsphere, keďže MindSphere poskytuje skvelé analytické možnosti, z kterých môže MM ťažiť ako z dátového vstupu. Čitateľnosť týchto analýz je však výzva na ktorú sme sa zamerali. Ak to správne chápeme MindSphere má slúžiť firmám  zaviesť analytiku do ich provozu, preto MM by to mohol celkom dobře doplniť o interpretáciu, ktorá tam možno trochu nie je dotiahnutá tak, aby to mohli konzumovať aj ľudia, ktorí niesú zasvätení do procesov príprav prediktívnej analytiky.

Jak složité je vymyslet za 24 hodin použitelný software nástroj? Věděli jste již před soutěží, co a jakým způsobem budete chtít vytvořit?

PD: Na hackathon jsme přišli s nápadem vytvořit prototyp hardwaru, který by na základě zvuků nebo vibrací detekoval poruchy strojů. Tento nápad jsme konzultovali s partnery hackathonu a věsměs jsme dostali jednotný feedback, a to že je tento nápad vyřešený a všichni partneři dokáží detekovat poruchy a do určité míry je dokáží i předvídat. V komunikaci s nimi jsme však identifikovali společný problém, který všechny sužuje a to, že sice dokáži provádět prediktivní analýzu strojů, ale nedokáží výsledky této analýzy efektivně komunikovat provozovatelům těchto strojů. Provozovatelé strojů dostávají technické reporty, kterým nerozumí a nedokáží na základě nich činit efektivní rozhodnutí. Proto jsme vymysleli systém, který výsledky této prediktivní analýzy přetlumočí provozovatelům strojů tak, aby jasně viděli ekonomický a časový dopad rozhodnutí, které učiní.

Vaší aplikaci MachineMedic dokáže provozovatelům výrobních strojů a zařízení přesně poradit, jak mají své stroje udržovat. Využívá k tomu prediktivní analýzu dat, které získává ze senzorů. Jak moc limituje potencionálního uživatele senzorové vybavení?

TG: Veľkú úlohu tomto prípadehrá konkrétny výrobca daného výrobného stroja. Sú stroje, ktoré senzoriku neposkytujú vôbec, buď z dôvodu staršieho dátumu výroby alebo z iného dôvodu, naopak niektorí výrobcovia už teraz poskytujú kompletné senzorické vybavenie, avšak aj v tomto prípade je občas výzva vyčítať užitočné informácie z týchto vstupov.   

BS: Naše riešenie jednoducho nájde anomálie v nameraných Stach snímačov. Je samozrejmé že čím relevantnejšie dáta získame, tým je analýza lepšia. Naopak, z dvojstavových snímačov typu OK/NOK, sa analýza robí len ťažko. Uvedomujeme si, že vovýrobe funguje mnoho starých strojov, bez vhodných snímačov. Pokiaľ stroj plní svoju úlohu dobre, prevádzkovateľ nemá dôvodmeniť ho, čo je pochopiteľné. V takom prípade ide využiť neinvazívne snímanie vibrácií, alebo snímanie audio signálu zo stroja. Tieto dáta sú zlatým pokladom. Na ich základe, dokážeme predikovať anomálie a ponuknut čo najlepšie riešenie.

MM umí ušetřit náklady na údržbu, omezit riziko neplánovaných odstávek a přesně určit, jak má kvalifikovaný pracovník údržbu provést. Můžete podrobněji popsat, jak k tomu dochází?

TG: V rôznych produkčných prostrediach, môže mať odstávka stroja rôzny dôsledok. V tomto prípade v MM musíme spojiť znalosti z prediktívnej analytiky spolu s produkčným modelom prípadne biznis modelom danej firmy, kde si následne môžeme odvodiť finančný dopad rôznych možností údržby. Napríklad, existujú prípady, pracovníci údržby stoja pred rozhodnutím kedy robiť údržbu, prípadne, či umelo predlžovať životnosť aktuálnej zostavy do koncavýrobného cyklu, alebo robiť okamžitý servis. Aj s takýmito výzvami môže pokročilá interpretácia prediktívnej analytiky pomôcť

Kladli jste důraz, aby dostupná data bylo možné převést do srozumitelných a jasných informací, podle kterých se dá rychle a spolehlivě rozhodovat. Někdo ale preferuje informací více, i za cenu menší srozumitelnosti. Je možné MachineMedic postavit uživateli „na míru“?

PD: V ideálním světě by provozovatele stroje zajímal jen výsledek, na základě kterého dokáže dělat efektivní rozhodnutí—což je většinou konkrétní činnost, kterou je na stroji potřeba udělat a její dopad v podobě ušlého zisku, času odstávky atd. Dokud ale technologie nedosáhnou stoprocentní spolehlivosti (což si osobně myslím, že nikdy nenastane), měli by mít provozovatelé možnost jít do hloubky a vidět, jak se algoritmus rozhoduje a mít možnost dělat jiná finální rozhodnutí. Toto je výzva pro všechny machine learning aplikace. Čím více se ML uvádí do praxe a ovlivňuje naše každodenní rozhodování, tím více je potřeba, aby koncoví uživatelé měli možnost nahlédnout pod pokličku algoritmům a porozumět, proč se algoritmus rozhodl zrovna tak, jak se rozhodl a případně tato rozhodnutí upravovat.

Máte v plánu aplikaci MachineMedic dále rozvíjet? Pokud ano, jak?

TG: Myslíme že môžeme do istej vnímať naše ohodnotenie na hackathone ako potvrdenie že medzera na trhu do istej existuje a firmy sú ňou ochotné sazaoberať. Myslím si, že v našom tíme sme našli dostatočný skill set, a túto problematiku sme uchopili trochu netradične. Možno toto priemysel v tejto chvíli potrebuje. Veľmi radi by sme pokračovali.

Vyhráli jste dva dny na největším veletrhu v Hannoveru a setkání s technologickými specialisty Siemensu. To není špatný start pro novou kariéru? Chcete se IoT věnovat i nadále?

PD: Na veletrh Hannover Messe se velmi těším. Doufám, že načerpáme inspiraci, navážeme zajímavé kontakty a případně položíme základy nějaké budoucí spolupráce.

TG: Pre mňa osobne je IoT veľká vášeň a hobby. Sme veľmi vďační Siemensu že prišli na hackathon s takouto “cool” cenou. Určite je to niečo, z čoho budeme dlho čerpať nielen inšpiráciu.

BŠ: Veľtrh beriem ako veľkú příležitost pre inšpiráciu a naviazanie kontaktov. Teším sa, že sme vyhrali cenu od lídra v obore ako je Siemens, o to hodnotnejšia je premňa výhra. IoT sa venujeme a určite budeme pokračovať.

Vítězslav Fejfar

Vítězslav Fejfar je editor ve společnosti Trade Media International (vydavatel časopisů Contorl Engineering Česko a Řízení a údržba průmyslového podniku). Zaměřuje se na rozhovory, reportáže a příběhy z průmyslových firem. 

www.trademedia.cz