Siemens Energy

Den globale efterspørgsel efter elektricitet forventes at stige markant i de kommende år, drevet af elektrificering, AI, datacentre og industriel vækst. For energivirksomheder betyder det et øget behov for at skalere produktionen, optimere kvaliteten og udnytte data langt mere effektivt end tidligere.

Hos Siemens Energy produceres nogle af verdens største vindmøllevinger. På tværs af fabrikker, produktionslinjer og lande genereres enorme mængder operationelle data hver dag.

Virksomheden ønskede at skabe et stærkere fundament for avanceret analyse, dataops, machine learning og kunstig intelligens ved at gøre data lettere tilgængelige, forståelige og anvendelige i hele organisationen.

Den centrale udfordring var at omsætte operationelle data fra mange produktionsanlæg til konsistente indsigter, der kunne understøtte beslutninger på tværs af organisationen.

Samtidig ønskede virksomheden at bevare lokale fabrikkers ansvar og governance, uden at miste muligheden for global analyse og sammenligning.

For Siemens Energy handler digitalisering ikke blot om at flytte data, men om at sikre, at data beholder deres betydning hele vejen fra produktionsudstyret til analyseplatformen. Uden kontekst bliver selv de mest avancerede AI-løsninger begrænset i deres evne til at skabe værdi.

For at understøtte virksomhedens AI-strategi implementerede Siemens Energy en moderne dataarkitektur baseret på HighByte og Snowflake.

HighByte anvendes tæt på OT-kilderne, hvor data modelleres, struktureres og kontekstualiseres direkte ved kilden. Data fra blandt andet OPC UA, MQTT og virksomhedens Unified Namespace samles i én industriel datamodel, hvor hvert felt navngives, beskrives og standardiseres én gang.

Snowflake fungerer som virksomhedens skalerbare data- og AI-platform, hvor operationelle data kombineres med ERP-, SAP-, MES- og dokumentationsdata. Her udnyttes indbyggede AI-funktioner som Cortex, Semantic Views, Notebooks og Machine Learning til at skabe indsigt direkte på tværs af produktionsdata og forretningsdata.

Kombinationen af de to platforme sikrer, at den fulde kontekst og semantik følger dataene hele vejen fra fabriksgulvet til de endelige forretningsbeslutninger.

“HighByte giver data mening ved kilden, og Snowflake gør den mening anvendelig på tværs af virksomheden. AI er det, vi får tilbage som resultat.”

Henrik Birk, Industrial Solution Architect, Siemens Energy

Læs mere: HighByte Intelligence Hub

Læs mere: Siemens Gamesa optimerer deres datainfrastruktur med HighByte Intelligence Hub og skaber et Unified Namespace (UNS)

Et afgørende element i løsningen er etableringen af en fælles semantisk model på tværs af produktionsanlæg. Når en produktionslinje eller et aktiv modelleres ét sted, følger samme definitioner på tværs af organisationen.

Det betyder, at en produktionslinje i Danmark kommunikerer på præcis samme måde som en tilsvarende linje i Storbritannien eller andre produktionsanlæg verden over. Resultatet er mere ensartet rapportering, lettere sammenligning og hurtigere skalering af nye fabrikker og produktionslinjer.

“Den semantiske model sikrer, at et aktiv i Danmark taler præcis det samme sprog som et aktiv i Storbritannien. Det er fundamentet for, at analyser på tværs af fabrikker rent faktisk virker.”

Henrik Birk, Industrial Solution Architect, Siemens Energy

Ved hjælp af Snowflake Cortex kan både ingeniører og forretningsbrugere interagere med produktionsdata ved hjælp af naturligt sprog fremfor traditionelle SQL-forespørgsler.

Brugerne kan eksempelvis:

Ved at kombinere operationelle data med arbejdsgange, produktionsinstruktioner og virksomhedens samlede vidensbase opnår AI’en en langt dybere forståelse af produktionen og kan levere mere relevante svar.

Et konkret anvendelsesområde er støbningen af vindmøllevinger på op til 150 meter. I processen overvåges vakuumforløbet nøje, da selv mindre afvigelser kan få betydning for den færdige kvalitet.

Ved hjælp af machine learning har Siemens Energy koblet historiske vakuumprofiler sammen med kvalitetsdata for de færdige produkter. AI-platformen identificerer relevante sammenhænge og kan i realtid forudsige, om en vinge er på vej mod en god eller dårlig kvalitetsprofil baseret på de aktuelle procesdata.

Dermed kan potentielle kvalitetsproblemer opdages tidligere i processen, hvilket skaber grundlag for hurtigere handling og løbende optimering.

“Jo mere kontekst vi lægger ind i dataene, desto mere kan AI gøre for os. Bedre modeller giver bedre indsigter, som igen skaber rigere semantik og endnu stærkere AI.”

Henrik Birk, Industrial Solution Architect, Siemens Energy

En væsentlig fordel ved løsningen er den komplette datasporbarhed gennem hele værdikæden. HighBytes Knowledge Graph gør det muligt at følge dataenes rejse fra PLC-tags og sensorer på fabriksgulvet gennem datamodeller, Unified Namespace og videre til tabeller, analyser og AI-modeller i Snowflake.

Denne sporbarhed gør det lettere at dokumentere datakvalitet, forstå data lineage og vedligeholde komplekse integrationslandskaber. Samtidig reduceres behovet for manuel dokumentation, som traditionelt har været både tidskrævende og fejlbehæftet.

Som næste skridt arbejder Siemens Energy på at etablere både et “Shopfloor Second Brain” og et “Enterprise Second Brain”. Målet er at samle produktionsviden, arbejdsinstruktioner, operatørerfaringer, SAP-data og anden virksomhedsviden i strukturerede vidensbaser, som AI kan forstå og ræsonnere over.

Ved hjælp af LLM-baserede wikier og Knowledge Graphs ønsker virksomheden at gøre både dokumenteret og uformel viden tilgængelig for organisationen, så erfaringer, analyser og ekspertise kan genbruges på tværs af fabrikker og teams.

En vigtig erkendelse hos Siemens Energy er, at succesfuld industriel AI ikke handler om at indsamle flere data. Det handler om at skabe struktur, kontekst og fælles forståelse på tværs af organisationen. Derfor investerer virksomheden løbende i datamodeller, vidensstrukturer, ontologier og governance, som gør det muligt for AI-systemer at forstå både processer, aktiver og forretningskontekst.

Virksomheden ser især udviklingen af Knowledge Graphs og såkaldte “Second Brains” som et vigtigt skridt på vejen mod en fremtid, hvor AI kan understøtte både operatører, ingeniører og beslutningstagere med relevant viden på tværs af hele organisationen.

“Fremtiden handler ikke om at gennemgå tusindvis af linjer kode eller dokumentation manuelt. Det handler om at definere de rette rammer, semantik og ontologier, så AI kan arbejde sikkert og effektivt inden for dem.”

Henrik Birk, Industrial Solution Architect, Siemens Energy

Med HighByte og Snowflake har Siemens Energy skabt et moderne fundament for industriel AI og dataanalyse, der giver:

“Invester i veldefinerede datamodeller og en stærk kontekst. Så klarer AI det tunge arbejde.”

Henrik Birk, Industrial Solution Architect, Siemens Energy.