使用数据收集和分析来提高公司的效率和生产力，并开发新的商业模式，这一解决方案激发了机械和工厂工程师寻找新增长和收入可能性的兴趣。
GEA是一家长期致力于状态监测的供应商，随着魏德米勒最新的自动化机器学习软件的推出，GEA希望开发和扩展在设备方面提供的服务，在德国厄尔德启动了相应的“试点”项目。
工业4.0：挑战和重大机遇并存
数字技术和工业4.0给机械和工程行业的公司带来挑战的同时也带来了全新的机遇：他们需要能够根据个别产品和客户要求调整生产设施。服务业务越来越受到关注。
“长期以来，我们一直致力于机器状态监测，并建立了阈值分析方法。我们也知道，在这一领域还有更多的潜力。”GEA服务产品管理高级副总裁Kerstin Altensuer解释道，“我们希望绘制流程图，与客户一起优化应用程序。当然，我们也希望建立新的商业模式和应用领域，例如机器租赁或订购。”
在算法中提供专业知识
GEA在液体分离器和倾析器制造领域拥有125年的经验，口碑极佳。这些产品应用于各个行业，如食品、化学和制药工业以及生物技术、能源工业、航运业和环境技术工业。
GEA希望通过创建新业务模式或应用挖掘更多收入来源。Kerstin Altensuer说：“我们意识到，在这些项目中我们需要数据专家的专业知识和帮助。找到合适的算法专家并吸引他们加入团队并不容易，这使得事情变得更加复杂。”
与其各自为战，不如协作共赢
如何寻求合适的专家获取专业知识？正是在寻求解决这一问题的过程中，GEA了解到魏德米勒在工业分析领域的专业性。
GEA希望重新设计其向客户提供的服务，建立一系列智能服务。提高其设备的质量和性能，是挖掘新商业模式的基础，这将使GEA在市场上具有竞争力。
将行业工程师的知识转化为算法
GEA和魏德米勒开始探索如何建立该项目以及项目追求的核心目标。
魏德米勒的工业分析业务部门经理Tobias Gaukstern解释说：“很快我们就会明白，我们首先需要通过概念论证(PoC)来验证项目的可行性，然后才能帮助GEA独立开发和运营ML模型。”
未来通过使用自动机器学习软件服务，GEA的专家将能够独立训练机器学习算法或模型。Tobias Gaukstern解释道：“AutoML工具使应用程序专家使用ML的过程变得更快、更容易，并且不需要任何ML领域的专家知识。”
机械工程公司经常面临这样的问题：他们的设计、自动化以及过程专家不能很容易地将他们的知识转化为机器学习领域的解决方案。当前仅是将这些应用程序的专业知识汇集到一起或一个软件中都很困难，更不用说算法了。
GEA电子解决方案部门经理Matthias Heinrich解释道：“我们对这个解决方案很感兴趣，因为我们有很多行业工程师，他们对机器非常熟悉，并且在一定程度上能够解读数据。在魏德米勒的帮助下，我们现在可以将这些知识转化为一种算法。”
为了检验理论观测在GEA生产环境中的实地应用，我们在厄尔德使用历史数据进行了概念论证(PoC)，确认是否可以实现自动检测乳品行业分离器中的异常行为。
密切合作的优势
这个项目的成功要归功于团队内部的紧密合作。一方面，区域临近是一个很大的优势，因为项目团队可以很容易地在短时间内开会讨论个别问题。
Kerstin Altensuer解释道：“从数据学家的角度来看，魏德米勒有着非常广泛的知识。同时，作为一家机械工程公司你会有遇知音的感觉，因为你要会见的不仅是IT专家，还是真正了解机器的工程师。”
作为该项目的一部分，GEA管理数据输入和需求分析，而魏德米勒则负责概念论证。Tobias Gaukstern解释说：“这次分工合作是非常成功的。我们有序积极的协调，取得非常好的结果，这为试点应用和最终转化到系列生产打下了基础。”
2020年的后续计划
如今应用程序已经与现有的物联网场景结合实施，用于GEA的状态监测。“我们和大家一样都在谈论数字化，此外，我们更想用通过数字化创造额外价值。”Kerstin Altensuer说：“我们希望魏德米勒开发的解决方案能帮助我们迈出下一步。”
在2020年计划真正实施之前，我们还需要做一些事情，比如改善数据连接和数据质量。Kerstin Altensuer解释道：“到目前为止，我们已经将500台机器连接到现有的门户，我们的目标是尽快将魏德米勒的解决方案迁移到这些机器上。”
Altensuer展望未来：“我看到了新技术的巨大潜力，它可以很快应用中GEA以外的其他领域。”
