Productronica 2019 Analytics as a Service für die Smart Factory

Test- und Entwicklungsabteilungen müssen für die Produktentwicklung eine enorme Menge an Daten analysieren und untereinander austauschen - die Software-Plattform PathWave soll diese Arbeit erleichtern.
Test- und Entwicklungsabteilungen müssen für die Produktentwicklung eine enorme Menge an Daten analysieren und untereinander austauschen - die Software-Plattform PathWave soll diese Arbeit erleichtern.

Keysight biete Analytics as a Service für Produktionsdaten an – und verspricht bessere Qualität.

Auf der Productronica hat Keysight die neueste Erweiterung »PathWave Test 2020« der Software-Plattform PathWave vorgestellt. Über die Plattform werden verschiedene Software-Tools für die Produktentwicklung eingebunden, die Daten einheitlich verwaltet und abteilungsübergreifend zugänglich gemacht. Das Prinzip ist ähnlich zu National Instruments »SystemLink«. Das Ökosystem besteht aus Design- und Testwerkzeugen sowie Prüfstandsoftware.Für HF- und Automotive-Entwickler kam im letzten Jahr entsprechende Design-Software auf den Markt.

Die aktuelle Erweiterung besteht aus zwei Teilen: Eine Desktop-Variante für Validierungs- und Testingenieure zur Verwaltung von Messgeräten und Zugriff auf installierte Testsoftware. Der zweite Teil ist eine Software zum Erstellen von automatisierten Testabläufen. Sie basiert auf dem OpenTAP-Ökosystem.

Bessere Analysefunktionen durch Kontext

Ein Alleinstellungsmerkmal der Software-Plattform ist die Analysefunktion für Produktionsdaten. Solche Dienstleistungen werden bereits von mehreren Firmen angeboten. IBM nutzt dafür seine KI-Watson und ist nur ein Beispiel. Wie unterscheidet sich Keysight also von diesen Angeboten?

»Was es auf dem Markt gibt, sind Angebote von IT-Firmen«, sagt Derek Ong beim Gespräch auf der Productronica. Er arbeitet in Keysights R&D Centre of Excellence als Industry 4.0 Program and Planning Manager. »IT-Firmen haben eine sehr hohe Kompetenz für das Sammeln von Daten, aber bei der Qualität der Analysemodelle sehen wir uns im Vorteil, weil wir den Kontext hinter den Daten kennen und das ist hier entscheidend.«

Im Feldtest in einer realen Produktionsumgebung erreicht das Modell bei der Fehleranalyse eine Genauigkeit von über 90 Prozent. Der Test mit einer weiteren Analytics-Software als Referenz lag laut Ong bei unter 50 Prozent.