Hvordan Siemens Energy bruger HighByte og Snowflake til at gøre OT data klar til AI

Kunstig intelligens i industrien handler ikke længere om fremtidige muligheder. For Henrik Birk og teamet hos Siemens Energy er AI allerede en integreret del af arbejdet med at analysere produktionsdata, optimere processer og understøtte kvalitetsforbedringer.

Mange produktionsvirksomheder har adgang til enorme mængder OT-data fra PLC’er, SCADA-systemer, sensorer og produktionsudstyr. Problemet er, at data ofte er spredt på tværs af systemer og lokationer, hvilket gør det vanskeligt at skabe et samlet grundlag for analyse og AI-initiativer.

Siemens Energy oplevede samme udfordring i arbejdet med produktionen af vindmøllevinger, hvor data skulle samles, standardiseres og gøres forståelige på tværs af fabrikker og forretningsenheder.

For at løse udfordringen anvender Siemens Energy HighByte Intelligence Hub som det centrale lag mellem OT-systemerne og dataplatformen. Her modelleres data med en fælles struktur og semantik, så information fra forskellige produktionsanlæg bliver ensartet og kan anvendes på tværs af organisationen.

I stedet for blot at sende rå signaler videre til analyseværktøjer, tilfører løsningen kontekst omkring udstyr, processer og relationer mellem data. Resultatet er, at både analytikere og AI-modeller arbejder med data, der allerede er organiseret og forståelige.

Når data er struktureret gennem HighByte Intelligence Hub, sendes de videre til Snowflake, som fungerer som virksomhedens centrale platform for dataanalyse og AI.

Her udnyttes blandt andet:

Kombinationen gør det muligt at analysere produktionsdata på tværs af fabrikker og samtidig gøre dem tilgængelige for AI-baserede løsninger.

Et af de mest interessante eksempler fra præsentationen er brugen af AI-agenter, der kan arbejde direkte på produktionsdata ved hjælp af naturligt sprog.

I stedet for at skrive komplekse SQL-forespørgsler kan brugeren stille spørgsmål som:

AI-platformen omsætter derefter spørgsmålene til analyser og leverer resultater baseret på de tilgængelige data. Dermed bliver avanceret analyse tilgængelig for langt flere medarbejdere end tidligere.

Løsningen handler ikke kun om numeriske data. AI anvendes også til at analysere arbejdsinstruktioner, procesbeskrivelser og teknisk dokumentation.

Ved at kombinere procesviden med aktuelle produktionsdata kan AI identificere relevante sammenhænge og forstå produktionsforløbet i kontekst.

Det gør det muligt at udvikle mere præcise modeller til kvalitetsforudsigelse og procesoptimering, så potentielle problemer kan identificeres tidligere.

Løsningen handler ikke kun om numeriske data. AI anvendes også til at analysere arbejdsinstruktioner, procesbeskrivelser og anden dokumentation.

Når AI får adgang til både procesviden og aktuelle produktionsdata, bliver det muligt at:

Det gør AI til mere end blot et rapporteringsværktøj. Teknologien bliver aktivt involveret i beslutningsstøtte og procesoptimering.

Erfaringerne fra Siemens Energy viser, at succesfuld industriel AI ikke starter med AI-modellen. Den starter med datakvalitet, kontekst og en arkitektur, der skaber sammenhæng mellem OT, Analytics og AI.

Ved at kombinere HighByte Intelligence Hub og Snowflake har virksomheden etableret en platform, hvor data ikke blot lagres, men omsættes til operationel viden, avancerede analyser og AI-drevne beslutninger. Det er denne evne til at gøre OT-data AI-klare, der kan blive en afgørende konkurrencefordel for fremtidens industrielle virksomheder.