12.12.2022
Die Mitgliedschaft in der Intel® Partner-Alliance sorgt für signifikante Performanceschübe der Optalio-Lösungen auf Intel-Hardware.
Eschborn, 12. Dezember 2022 – Optalio legt als Gold-Partner von Intel® den Turbo ein.
Die Mitgliedschaft in der Intel® Partner-Alliance sorgt für signifikante Performanceschübe der Optalio-Lösungen auf Intel-Hardware
Von Maschinen und Anlagen bis zur Produktionsreihenfolge: In der datenbasierten Prozess- und Produktionsoptimierung werden sehr große Datensätze mit teilweise mehreren Millionen Einträgen verarbeitet – also Big Data. Damit sich Analysen möglichst schnell durchführen und so Ergebnisse rasch erzielen lassen, braucht es leistungsfähige Soft- und Hardware-Komponenten – die im besten Falle ideal aufeinander abgestimmt sind. Partnerschaften sind dazu eine hervorragende Möglichkeit. Denn sie erlauben es, die eigenen Lösungen noch zielgerichteter auf die Tools von anderen auszurichten und aufeinander abzustimmen.
Eine solches Commitment hat Optalio mit dem weltweit bekannten Halbleiterhersteller Intel® als Gold-Partner in dessen Partner-Alliance geschlossen. So wenden wir bei Optalio etwa Module (bspw. Scikit-learn, tensorflow, pandas) aus der Bibliothek der Programmiersprache Python für verschiedene Data-Science-Methoden an. Einige dieser Module (u. a. Scikit-learn-intelex, modin.pandas) hat Intel so auf die eigene Hardware optimiert, dass sie die Eigenschaften von Intel-Prozessoren voll ausschöpfen – dazu zählt etwa das geschickte Parallelisieren von Berechnungen. Die Folge: Die Laufzeit der angewandten Data-Science-Methoden wird erheblich reduziert und bringt einen bedeutenden Geschwindigkeitsvorteil mit sich.
Bei der Optalio-Software setzen wir die optimierten Module unter Verwendung von Intel-Hardware in den folgenden drei Bereichen ein: der Datenvorverarbeitung, der Modellberechnung, bzw. dem Fitting oder Training, und der Modellauswertung.
Die Datenvorverarbeitung
Zu den Prozessen in der Vorverarbeitung gehören das Einlesen, das Normalisieren und das Aggregieren von Daten. Dank des auf Intel-Hardware optimierten Moduls modin.pandas lässt sich die Performance um 75 bis 80 % steigern. Konkret bedeutet das: Mussten wir zuvor noch 100 Sekunden lang auf die vorverarbeiteten Daten warten, verkürzt sich nun die Zeit auf 20 bis 25 Sekunden.
Die Modellberechnung
Mittels Modellberechnung suchen wir bei Optalio nach einer Funktion, die für einzelne Datenpunkte Vorhersagen trifft. Je nach Use Case handelt es sich dabei etwa um eine Klassifizierung: In diesem Fall gehört jeder Datenpunkt zu einer von endlich vielen Klassen – beispielsweise 0 für Normalproduktion und 1 für Fehlproduktion. Ein typischer Anwendungsfall bei Optalio ist Predictive Maintenance oder auf Deutsch: die vorausschauende Wartung. Maschinenausfälle sollen hier im Vorfeld prognostiziert werden, um langwierige Stillstandzeiten zu verhindern.
Dazu analysieren wir in einem ersten Schritt die Daten und wählen eine Vorlaufzeit, zu der ein anstehender Ausfall erkennbar ist. Im Datensatz werden dann neben den Zeitpunkten eines Maschinenausfalls auch alle Datenpunkte innerhalb der entsprechenden Vorlaufzeiten als Fehlerklasse interpretiert. Mit Rückgriff auf ein Teilgebiet des maschinellen Lernens, das sogenannte Supervised Learning, können wir dafür bereits auf klassifizierte Datenpunkte zurückgreifen. Diese nutzen wir, um eine Vorhersagefunktion zu berechnen, die die Datenpunkte möglichst gut auf deren zuvor definierten Klasse (etwa 0 und 1, siehe oben) abbildet. Anhand dieser lassen sich dann neu hinzukommende Datenpunkte klassifizieren und bei Abweichungen vom Normalzustand unmittelbar als Fehler erkennen. Auf den Punkt gebracht: Die berechnete Vorhersagefunktion dient dazu, ungewöhnliche Daten zu identifizieren, die sich außerhalb des Normalzustands einer Maschine befinden und sich demnach als Anomalie beziehungsweise Fehler einstufen lassen. Anders ausgedrückt definiert sie einen Schwellenwert, in dem sich die Zustandsdaten einer Maschine bewegen dürfen, ohne die Prozesssicherheit zu gefährden.
Aufgrund der Vielzahl an Datenpunkten ist die Modellberechnung sehr rechenintensiv. Doch dank der optimierten Module gelingt es uns auf Intel-Hardware, die Laufzeit bzw. Performance um bis zu 96 % zu verbessern.
Die Modellauswertung
Der letzte Schritt für eine auf Daten basierende vorausschauende Wartung ist die Modellauswertung. Hierbei wird die zuvor berechnete Vorhersagefunktion auf neue (etwa im Minutentakt) anfallende Datenpunkte ausgewertet, um real auftretende Anomalien im laufenden Betrieb zu erkennen. Erscheinen Daten durch die Vorhersagefunktion in einer Fehlerklasse außerhalb der Zustandsklassen, so kündigen sich potenzielle Ausfälle an. Dann kann eine Maschine vorzeitig und ohne schwerwiegende Schäden pausiert und instandgesetzt werden. Durch unseren Status als Gold-Partner und den Zugang zu den optimierten Modulen, sind wir bei Intel-Hardware in der Lage, eine um bis zu 99 % optimierte Laufzeit zu realisieren.
Der Turbo für Unternehmen
Unsere Kunden profitieren nicht nur von unserer Expertise und einem weitreichenden Ökosystem aus verschiedenen Partnern – als Mitglied der Intel® Partner-Alliance gewinnen sie beim Rückgriff auf Intel-Hardware zudem einen echten Performance-Boost in Sachen Datenanalyse. Und das selbst bei schon relativ kleinen Datensätzen von beispielsweise einer Million Zeitpunkten mit jeweils 13 Sensorwerten, wie sie regelmäßig bei den drei oben erwähnten Bereichen auftreten. Mit dem Gold-Status legt Optalio den Turbo ein – und bringt damit Prozesse und die Produktion bei Kunden auf die Überholspur.
Erfahren Sie mehr zu dem Thema auf den Seiten von Intel: