Maschinendaten auswerten für vorausschauende Wartung

Igus Icom.plus-Modul

Maschinendaten auswerten für vorausschauende Wartung

Wartung vorrauschauend und planbar machen, dieses Ziel verfolgt Igus mit seinen Smart-Plastics-Lösungen. Intelligente Sensoren messen so beispielsweise den Verschleiß von Energieketten, Leitungen, Rundtischlagern oder Linearführungen. Mit dem neuen Kommunikationsmodul Icom.plus kann der Kunde jetzt entscheiden, in welcher Form er die gewonnen Daten der Sensoren einbinden möchte. Von einer Offline-Version für restriktive Umgebungen bis hin zur Anbindung der Werte an den Igus-Server, zur automatischen Ersatzteilbestellung, ist es dem Anwender frei möglich seine Daten zu integrieren und auszulesen.

Bild: Igus GmbH


Unter dem Namen Isense führt Igus Sensoren unterschiedlicher Art, die den Zustand der Igus-Komponenten wie Leitungen oder Energieketten erfassen. Sie messen u.a. im laufenden Betrieb den Verschleiß und geben Alarm, sobald eine Reparatur oder ein Austausch erforderlich ist. Durch die Vernetzung mit dem Kommunikationsmodul Icom werden die Daten an ein intelligentes System übermittelt. Das Modul kann mit allen Igus-spezifischen Sensoren verbunden werden, z.B. mit Sensoren für die Messung des Abriebs, oder der Verschleißmessung der Bolzen-Bohrung-Verbindung der Energiekette sowie Sensoren für die Bruch- und Zugschubkrafterkennung und zur Leitungsüberwachung. Sind die Messwerte eines Sensors an das Icom-Modul übertragen, müssen diese ‚interpretiert‘, also verstanden werden, um daraus eine Handlungsanweisung zu generieren. Dies ist bisher über die Anbindung an die Igus Cloud möglich. Aufgrund der zunehmenden Bedeutung der IT-Sicherheit setzen viele Unternehmen jedoch immer mehr auf den Aufbau eigener Scada-Systeme. Daher hat Igus seinen Datenkonzentrator jetzt zum Icom.plus weiterentwickelt. Damit kann der Kunde die Daten auf die Weise einbinden, die ihm am besten für seine Anlage erscheint.

3-in-1-Modul

Das Icom.plus wird über Igus Online-Konfigurationen mit initialen Lebensdaueralgorithmen programmiert. Die Besonderheit: Das neue Kommunikationsmodul kann auf Kundenwunsch nach der Online-Installation ohne Updatefunktion offline betrieben werden. In diesem ’semi-offline‘-Fall benötigt das Gerät während einer anfänglichen ‚Lernphase‘ entweder einen temporären, kurzzeitigen gesicherten IoT-Zugang zum Igus-Server, um die Berechnungsalgorithmen an das tatsächliche Bewegungs- und Umweltprofil der Kundenanwendung anzupassen. In sehr restriktiven Bereichen kann das Update auch über ein Speichermedium komplett offline ausgeführt werden. Das für die Berechnung der Wartungsempfehlung notwendige Bewegungsprofil wird über das Bussystem der Maschine direkt aus der Steuerung ausgelesen. Über den gleichen Weg wird die Information über die Anzahl der Tage bis zur nächsten Wartung sowie frei definierbare Warnmeldungen über ungewöhnliche Veränderungen der Sensordaten an die SPS übergeben. Die Anwenderinformation erfolgt direkt über den Anlagenmonitor oder über kundenspezifische Scada-Systeme.

Vorausschauende Wartung

Bei bestehender Online-Verbindung der Icom.plus findet ein kontinuierlicher Abgleich der Lebensdaueraussage mit der Igus Cloud statt, um maximale Anlagenlaufzeiten bei minimalem Ausfallrisiko zu ermöglichen. Die Daten in der Cloud greifen auf die 10 Milliarden Testzyklen von Energieketten und Leitungen im hauseigenen 3.800m² großen Testlabor zurück, daher kann Igus dank Machine Learning und KI genaue Angaben zur Haltbarkeit der eingesetzten Lösungen geben und den Nutzer frühzeitig über eine notwendige Ersatzbeschaffung informieren.

Thematik: Allgemein
igus GmbH
www.igus.de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige