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KerstinAltensuer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。KerstinAltensuer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
如何从合适的专家获取专业的知识？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TobiasGaukstern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。TobiasGaukstern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MatthiasHeinrich
