Ing. Madeleine Mickeleit erklärt das "Internet der Dinge" direkt aus der industriellen Praxis! Anhand von Anwendungsbeispielen und Projekten von Anwendern aus dem IoT Use Case Ökosystem. Der erste deutsche Podcast, der die Erfahrungen aus über 350 Projekten teilt und täglich den IIoT-Markt für euch versteht. Euer persönlicher Informationskanal inkl. Netzwerk. Fast täglich neue Use Cases – unter www.iotusecase.com. Der IoT Use Case Podcast ist bestrebt, anderen zum Erfolg zu verhelfen und die Welt über die Vorteile und die praktische Umsetzung der IIoT-Branche aufzuklären. Unsere Mission: Das industrielle Internet der Dinge vor allem für den deutschsprachigen Mittelstand zugänglicher zu machen. Der Begriff des industriellen Internet der Dinge (IIoT) beschreibt die industrielle Ausprägung des IoT und beruht auf dem gleichen Konzept. Im Rahmen der Industrie 4.0 ist das IIoT ein Schlüsselkonzept zur Vernetzung aller Maschinen, Geräte und Systeme in Echtzeit über Gateways und EDGE-Devices. Diese Vernetzung steigert die Effizienz industrieller Prozesse, senkt Produktionskosten und legt den Weg für neue Geschäftsmodellen...
https://www.iotusecase.com/podcast/
episode 2: #002 | Was ist Lowcode und wie kann ich KI in der Praxis einfach anwenden? | Kerim Galal | CEO InnoSEP
In dieser IIoT Use Case Podcast-Folge definiert Kerim Galal, CEO der InnoSEP, künstliche Intelligenz (KI) und maschinelles Lernen (ML) und wie diese Methodik in der Schnittstelle zum IIoT anwenden lässt.
Hier findet ihr alle Infos zu Kerim, dem Use Case und den Ausführungen dazu.
Kerim stellt uns die InnoSEP GmbH vor und wie KI und ML durch die Lowcode Analytics Plattform einfach angewendet werden kann. Vor allem für „Nicht-KI-Profis“ kann die Lösung von InnoSEP auf einer vorhandenen Basis genutzt werden. Er erklärt wie die Datenanalysten der InnoSEP den ML LifeCycle in definierten Prozessschritten durchführen und wie sie von den Rohdaten über Merkmal-Findung mit Zieldefinition bis hin zum eigentlichen Training des Datenmodells zu der Lösung des Problems kommen.
Er erklärt anhand drei Usecases, wie die InnoSEP relevante Einflussparameter, Merkmale und Key Performance Indicators (KPIs) findet, welche Rolle die Datenqualität und -Menge spielt. In den Usecases spricht Kerim ebenfalls über embedded ML (zu deutsch eingebettetes Maschinelles Lernen) und wie diese Methodik zur Qualitätssicherung in der Produktion, beispielsweise der Ausschussteil-Reduktion über Sensoren zum Einsatz kommt. Vor allem bei dem von Kerim genannten Usecase im Rahmen des EU-Projekts „Tiergesundheit im Schweinestall“, findet das embedded ML als Methodik anklang, da ein komplexes Datenmodelltraining mit mehreren Input-Größen vorliegt. Sensorgeräte für die Usecases können dabei akustische oder optische Auffälligkeiten und Abweichungen detektieren, und so die Qualitätssicherung in der Produktion oder die Zustandsüberwachung von Anlagen unterstützen. In dem genannten Usecase geht es hierbei um die Reduzierung von Ausschussteilen im Prozess einer Extrudermaschine. Neben Kameras für die Überwachung visueller Parameter (Gut-Teil und Schlecht-Teil Überwachung) und Mikrofonen zur Erfassung von Schallwellen kommen beispielsweise auch Vibrations-, Berührungs-, Spannungs-, Strom-, Drehzahl-, Druck- und Temperatursensoren zum Einsatz. Die Wahl der Sensorik hängt vom entsprechenden Usecase ab.
Die Episode schließt mit einer Diskussion über die zukünftigen Entwicklungen, wie man die Mitarbeiter in die Change-Prozesse einbindet und wie man trotz etablierter Prozesse die Lernkurve auch im agilen Vorgehen steigern kann. Auch welches Angebot InnoSEP bietet, um einfach mit KI-Projekten zu starten.
http://www.iotusecase.com/
Jetzt IoT Use Case auf LinkedIn folgen