Daten- und Prozessanalytik

Wir bieten Daten- und Prozessanalytik für Kunden aus verschiedensten Branchen an. Die Kernbereiche unserer F&E-Leistungen sind die Generierung, Speicherung, Verarbeitung und Analyse von Messdaten. Dadurch können wir für komplexe Prozesse Handlungsempfehlungen zur Optimierung ableiten. Im  Bereich der Prozessanalytik wird die Korrelation zwischen Eingangs- und Zielparametern untersucht, Prozesszeiten werden minimiert und die Produktzuverlässigkeit maximiert. Der Bereich Datenanalytik nimmt hier eine Sonderstellung ein. Nicht nur Prozesse sondern auch die zeitliche Entwicklungen von Messdaten, zum Beispiel der Stromertrag von Solarmodulen, können abgebildet und prognostiziert werden.

Unser Leistungsspektrum richtet sich an Unternehmen, deren Produkte Zuverlässigkeitsschwankungen ausgesetzt sind. Im Bereich der Photovoltaik umfasst dies das Wafering, die Zell- und Modulfertigung sowie die Ertragsprognose von Solarparks.

Wir bieten:

  • Unterstützung bei der Digitalisierung ihrer Dienstleistungen und Prozesse
  • Datenspeicherung und -verwaltung
  • Prozessdatenanalyse (Nicht-Zeitwertprobleme)
  • Datenprognose (Zeitwert-Probleme)
  • Korrelationsanalyse

 

Wafer 4.0

Das Erfassen von Prozessdaten durch Produktionsmaschinen selbst zählt in Zeiten der Digitalisierung in sämtlichen Industriebereichen bereits zum Standard. Unsere Wafer 4.0-Aktivitäten verfolgt daher das Ziel, eine starke Erweiterung der Prozessmesstechnik umzusetzen.

 

Sägeleistung aus Prozessdatenanalysen

Die Verbesserung jedes einzelnen Prozessschrittes ist in der PV-Industrie das Hauptanliegen, um bei gleichzeitiger Erhaltung der Produktqualität weiterhin die Produktionskosten senken zu können. Am Fraunhofer CSP wurde eine neue Methodik zur Analyse des Sägeprozesses entwickelt, die es ermöglicht, bei der Wafer-Spezifizierung generierte große Datenmengen auszuwerten. 

 

Live-Vorhersage von Prozessen

Die Vorhersage von Prozessabläufen ist durch intelligente Datenanalyse möglich. Mit Hilfe von Zeitreihenanalysen können erfolgreiche von nicht erfolgreichen Prozessen separiert werden. Somit ist es möglich laufende Prozess zu korrigieren um stabile Prozesse und konstante Produktqualitäten zu gewährleisten.

Sicherer und performanter Rechenserver mit MariaDB Datenbanksystem

  • CPU AMD EPYC, 16 Kerne, 32 Threads, 256GB RAM
  • GPU PNY Quadro P6000, 24GB RAM

Python 3.7 mit up-to-date Machine Learning und Data Science Bibliotheken

  • pandas
  • numpy
  • scikit-learn
  • keras
  • tensorflow