Marcello Tamietti, Accenture

Für ihn steht der Nutzen der Technik im Fokus und weniger der Rennsport an sich: Marcello Tamietti von Accenture erklärt, was Machine Learning im Engineering alles kann. - Bild: Accenture

Röhrende Maschinen, das Gefühl von Fahrtwind und der Geruch heißen Maschinenöls – all das fehlt Marcello Tamiettis Präsentation. Denn obwohl er über Ducati Corse referiert, zeigt der Managing Director und weltweite Vertriebschef für Industry X.0 bei Accenture keine Rennmotorräder.

Stattdessen hat er vielfarbige Dashboards dabei, und Erklärungen über das Zusammenspiel von Sensoren, Daten und Simulation.

„Natürlich sind Motorradrennen spannend, die vernetzten Rennmaschinen regelrecht spektakulär. Aber für mich steht letztlich der Nutzwert der eingesetzten Technik im Vordergrund“, erklärt Tamietti und ergänzt: der sei gerade für Industrieunternehmen ganz erheblich.

„Unsere Arbeit für Ducati Corse zeigt, was Machine Learning im Engineering zu leisten vermag – und unterstreicht so eins der Kern-Wertversprechen unseres ‚Industry-X.0‘-Ansatzes.“

Was Tamietti meint: das beschriebene Vorhaben zeigt konkret, wie digitale Technik, Datenauswertungen und Simulationen den Aufwand für Konfigurationstests, Neukonfigurationen und Maschinenoptimierung minimieren können. Genau das ist nämlich das Ziel des von ihm präsentierten Projektes.

Ducati Corse Motorrad
Accenture hilft Ducati Corse dabei, Höchstleistungen aus ihren Motorrädern herauszuholen. - Bild: Accenture

Besser Einstellen, besser Testen

Ducati Corse will neue Verfahren einsetzen, um Rennmotorrad-Tests zu beschleunigen und den beim Testen entstehenden Aufwand zu reduzieren. Zu diesem Zweck rüsten die Ingenieure der Gruppe die Maschinen mit bis zu 100 IIoT-Sensoren aus, die während der Fahrt Leistungsdaten messen. Diese Daten werden anschließend an eine von Accenture eigens entwickelte Analytics-Engine übergeben.

Die Engine wertet sämtliche Maschinen- und Betriebsdaten aus – darunter etwa Motoreinstellungen, Drehzahl, Geschwindigkeit, Reifen- und Bremstemperatur, Beschleunigung, Schwingungen, Vibrationen und Grip – und berechnet dann Simulations-Szenarien für Rekonfigurationen. Anschließend zeigt sie den Ingenieuren in einfach zu lesenden Visualisierungen, was Veränderungen etwa an Aufhängung, Getriebe oder Reifen für die Gesamtleistung einer Maschine bringen würden.

Ducati Racing Analytics App
Ducati Racing Analytics App. - Bild: Accenture

Konfigurations-Empfehlung per KI

Doch damit nicht genug: Die Software nutzt überdies auch noch Machine Learning, um gleich noch Empfehlungen für die bestmögliche Maschinen-Konfiguration für eine bestimmte Strecke zu berechnen. Möglich wird dies, da die Algorithmen außer den erwähnten Maschinendaten auch historische Messwerte aus früheren Tests berücksichtigen – und Daten zu Rennstrecke und Wetter einbeziehen.

Marcello Tamietti erklärt: „Die Simulationen und Empfehlungen sind schon jetzt äußerst robust. Das liegt hauptsächlich am hohen Feinheitsgrad der Daten, die wir verwenden.“ Accenture hat eigenen Angaben zufolge bereits 4.000 Streckenabschnitte und rund 30 Rennszenarien in die Engine eingespeist.

Dieser Aufwand beginnt bereits, sich zu rechnen: Genauigkeit und Zuverlässigkeit der Empfehlungen ersparen den Ducati-Corse-Ingenieuren in ersten Tests tatsächlich schon einige Arbeit; die Experten können die Zahl und Dauer realer Testfahrten reduzieren – und die frei werdende Zeit für das Verbessern von Konfigurationen nutzen oder sich länger mit den Fahrern abstimmen.

Vielversprechende Resultate

Luigi Dall’Igna, General Manager bei Ducati Corse, veranschaulicht die Vorteile: „Der MotoGP hat 18 Rennstrecken, und um sicherzustellen, dass unsere Motorräder an der Leistungsgrenze fahren, müssen wir so viele Konfigurationen testen wie möglich. Die Accenture-Lösung hat im Labor bereits exzellente Resultate erbracht. Die Analytics-Engine wird unser gesamtes Test-Procedere verändern und uns dabei helfen, die höchstmögliche Leistung aus unseren Maschinen herauszuholen – bei jedem Wetter und auf jeder Strecke.“

„Und genau an dieser Stelle wird das Ganze dann eben auch für Industrieunternehmen interessant“, meint Marcello Tamietti. „Zu jeder Zeit und unter allen Umständen die beste Leistung – das erwartet man schließlich nicht nur von Rennmaschinen, sondern auch von Fertigungsanlagen, Werk- und Fahrzeugen oder Abläufen in der Logistik. Unser Vorhaben beweist: Analytics und Machine Learning können diese Resultate liefern.“

Als mögliche Anwendungsbereiche nennt der Experte beispielsweise Industriezweige, in denen „Rezepte“ und Anlagen-Konfigurationen beständig wechseln – „zum Beispiel in der Chemischen Industrie, in der Stahlherstellung oder bei Auftragsfertigern“. Auch bei denen drehe sich schließlich alles darum, aus vorhandenen Maschinen das meiste herauszuholen. „Ganz wie im Rennsport eben.“

Mehr zum Thema

Eine Beschreibung von Accentures Arbeit für Ducati Corse finden Sie auf dieser Website; mehr über die Applied-Intelligence-Practice der Beratung hier.

Für Updates von Marcello Tamietti folgen Sie ihm einfach auf LinkedIn.

Und: mehr über Ducati Corse finden Sie hier.