Modeltog viser vejen til machine learning i cloud'en

Foto : Accobat

Modeltog viser vejen til machine learning i cloud'en

En simpel modeljernbane og nogle sensorer kan vise, hvordan data kan flyttes fra produktionen til clouden og derfra analyseres til nyttige informationer. Analysehuset Accobat er gået i samarbejde med hardwareleverandøren Sick om at vise løsninger.

Data i store mængder kan hurtigt blive en hæmsko, hvor der ikke er en klar plan for, hvad de skal bruges til. Det er et af de klare budskaber fra Industri 4.0, hvor fokus på data handler om at kunne forudsige mulige fremtidige scenarier, som for eksempel sandsynligheden for nedbrud på en produktionslinje eller antallet af fejlproduktioner. 
 
Derfor har Accobat indgået et samarbejde med sensor-producenten Sick om udvikling af IoT monitoring suite og machine learning-modeller til produktionsindustrien.


Accobat er først fremmest kendt som et konsulenthus inden for Business Intelligence (BI) med kunder fra en lang række brancher. Men med sensor-teknologi fra Sick kan noget af den viden overføres direkte til produktionen af fysiske produkter.
 
Det forklarer Nurefsan Gür, der netop har afleveret ph.d-afhandlingen 'Modeling, Annotating, og Querying Geo-semantic Data Warehouses' på Aalborg Universitet:

accobat BI cloud sick
Accobat har opbygget en analysemodel, hvor data fra modeljernbanen lægges op i en cloud.
Illustration: Accobat
accobat cloud sick analyse
De viste tal er indsamlet fra modeltogbanen og viser togets passage af en af sensorerne. Efter syv dages indsamling af data (blå linje), viser analyserne (rød linje) et sammenfald mellem historiske data og forudsigelser.
Illustration: accobat

»Gennem samarbejdet med Sick har vi været interesserede i at bruge vores erfaringer i forbindelse med fysiske produkter som for eksempel byggematerialer og fødevarer. Teknologien vil også kunne bruges i forbindelse med intelligente bygninger og på mobile enheder,« forklarer hun.
 
For at kunne visualisere problemstillingerne har Nurefsan Gür sammen med andre en gruppe af udviklere hos Accobat opbygget en simpel model med et modeltog, som kører forbi en række sensorer med forskellige dataprotokoller, blandt andet TCP/IP og UPC Open (Universal Protocol Converter). 

Var ikke vant til hardware

Udfordringen for it-specialisterne fra Accobat var i første omgang at blive fortrolig med hardwaren:
 
»Vi skulle forstå protokollerne og netværksstrukturen for at få det til at arbejde sammen. Næste skridt var at forstå, hvad det er for nogle data, som kunderne er interesseret i,« siger Nurefsan Gür og erkender, at industriområdet er nyt for de erfarne softwarefolk:
 
»Vores ekspertise ligger først og fremmest i at indsamle og behandle data, men det er i samarbejde med kunderne vi finder de rigtige data at vise,« forklarer hun.
 
I modellen, som Accobat har sat op, kører et modeltog rundt på skinner og passerer tre forskellige sensorer styret af en PLC. Data sendes gennem en gateway til skyen, som er opbygget af elementer fra Cortana Intelligence Suite. Her er det blandt andet ML-værktøjer fra Microsoft, der bearbejder data:
 
»Ved at udføre ML på historiske data kan vi se, at efter bare tre dages indsamling kan vi begynde at komme med gode forudsigelser. Efter syv dage lægger resultaterne sig tæt op af de registrerede data,« fortæller Nurefsan Gür.

Hun forklarer, hvordan den type data for eksempel kan bruges til at forudsige problemer med produkter. I modelopstillingen med toget er en af sensorerne i stand til at registrere, om der kører metal forbi den:
 
»I fødevareproduktionen kan det være et stort problem, hvis der er uregelmæssigheder i produkterne. Men med den her type analyse vil vi kunne komme med valide forudsigelser om udviklingen i problemerne, og hvornår der skal gøres noget,« siger hun.
 
Selv om forsøgsopstillingen kan virke noget intermistisk, så lover Nurefsan Gür, at fordi grundelementerne er på plads, så vil ideen hurtigt vil kunne skaleres op til at kunne fungere i større organisationer. Foreløbig har Accobat fået kontakt med en dansk robotintegrator, som har vist interesse for systemet.
 
Se i nedenstående video, hvordan toget opsamler data: