Wir stellen „Analytics Insights“ für Techniker im Außendienst vor

Tulip ein Tool für Entscheidungsträger auf allen Ebenen, mit dem sie den Überblick über ihre Betriebsabläufe behalten können. Analysen sind ein wichtiger Bestandteil des Verständnisses der Daten, die aus Ihren Prozessen hervorgehen. Wir führen „Analytics Insights“ ein, um sicherzustellen, dass Ingenieure, Bediener und Entscheidungsträger über die Daten verfügen, die sie zur Unterstützung ihrer Entscheidungsfindung in Produktionsumgebungen benötigen. „Analytics Insights“ ist eine Sammlung von Funktionen in Tulip Wissen aus der Praxis und machine learning nutzen, machine learning die Erkennung von Ausreißern, leicht zugängliche Prognosen und Warnmeldungen machine learning ermöglichen.

Diese Funktionen senken die Einstiegshürden für die Gewinnung aussagekräftiger Erkenntnisse, die über die reine Datenvisualisierung hinausgehen, und für den Einsatz von machine learning vorderster Front.

„Analytics Insights“ sind neue Funktionen innerhalb der Plattform, die den Nutzern mehr als nur Visualisierungen bieten. Die ersten „Analytics Insights“, die den Nutzern zur Verfügung stehen, sind „Layers“. „Layers“ können zu bestehenden Zeitreihendiagrammen hinzugefügt werden. Sie ermöglichen es Ingenieuren, schnell Schlussfolgerungen zu ziehen, und reduzieren den Bedarf an externen BI-Tools und Datenverarbeitungsschritten, indem sie fortschrittliches machine learning einer speziell für den operativen Einsatz entwickelten Plattform bereitstellen. Tulip die erste Plattform für den operativen Einsatz, die diese Funktionen ohne jeglichen Programmieraufwand bietet.

Erste Schritte mit Layers und Insights in Tulip

Mithilfe der Kontrollkartenebene können Ingenieure Ausreißer und auffällige Verschiebungen in der Produktion erkennen. Zur Konfiguration der Kontrollkarte können Benutzer Kontrollkartengrenzen eingeben.

In den kommenden Monaten wird die Kontrollkartenebene um eine Option zur automatischen Grenzwertberechnung erweitert, die machine learning nutzt, machine learning die Erkennung von Ausreißern zu optimieren.

Erste Schritte mit Regelkarten in Tulip

Es können Ein-Klick-Benachrichtigungen eingerichtet werden, um anhand von Daten aus Regelkarten Prozesse zu überwachen, die außer Kontrolle geraten sind. Tulip die Daten automatisch und benachrichtigt ausgewählte Benutzer, wenn Ausreißer festgestellt werden.

Eine weitere Ebene, die nun in Analytics verfügbar ist, ist die Prognoseebene. Die Prognoseebene nutzt machine learning Trends in Produktionsdaten zu erkennen. Zeitreihendaten wie Taktzeiten, Produktionsraten sowie Stückzahlen, Fehlerzahlen oder Ereigniszahlen können in Prognosen verwendet werden. Erkennen Sie Probleme, bevor sie auftreten, da Verschiebungen und Trends visualisiert werden.

Die Prognosen lassen sich mit einem Klick erstellen, können aber ohne jegliche Programmierung weiter konfiguriert werden, um saisonale Schwankungen, Zeitplanmuster und Schätzparameter zu berücksichtigen. Die No-Code-Oberfläche Tulipgibt Ingenieuren die Kontrolle über ihre Daten und erweitert ihr Werkzeugarsenal machine learning , ohne dass zusätzliche Datenverarbeitungsschritte erforderlich sind.

Erste Schritte mit Prognosen in Tulip

Tulip Sie aus Ihren Daten umsetzbare Erkenntnisse gewinnen und diese in Ihre täglichen Abläufe integrieren, ohne dass Sie dafür einen Datenwissenschaftler oder ein externes BI-Tool benötigen.

Diese Funktionen von Analytics Insights stehen ab sofort allen Tulip zur Verfügung. Analytics Insights kann für tabellenbasierte Zeitreihendaten in Tulip verwendet werden. Das Tulip wird Insights in den kommenden Monaten auch für Maschinendaten verfügbar machen.

Es werden weiterhin neue Funktionen in Analytics eingeführt, um ein neues, leistungsstarkes Analyseerlebnis zu schaffen. Neben weiteren Benachrichtigungs- und machine learning auf der gesamten Plattform werden Nutzer bald eine neue Diagrammfunktion für eine verbesserte Datenvisualisierung vorfinden.