Kaskadierbare KI-Lösung für Maschinen und Anlagen

KI wird alles verändern, davon zeigen sich Experten überzeugt. Bereits heute ist sie unser ständiger Begleiter, implementiert in Smartphones, Internetseiten, Spracherkennungssystemen usw. Und sie kann angeblich Wunderdinge vollbringen: Krebs besser erkennen, Texte schneller übersetzen, das Wetter besser vorhersagen. Wir alle kennen solche Berichte. Doch was kann KI in der Maschine bewirken? Das Unternehmen Omron hat sich mit der Vorstellung einer SPS mit ‚adaptiven Algorithmen‘ auf dieses Feld vorgewagt. Mit Lucian Dold, General Manager Product und Solution Marketing, EMEA-Region bei Omron sprachen wir über das neue Produkt, dessen Unterschied zu einer klassischen SPS und den Möglichkeiten, die eine solche Steuerung bietet.

Herr Dold, springen Sie als Omron jetzt auch auf den fahrenden KI-Zug auf?

Lucian Dold: Das könnte man auf den ersten Blick vielleicht so denken (lacht). Aber das Thema Künstliche Intelligenz – oder um es anders auszurücken – adaptive Algorithmen, also Gerätefunktionen, die lernen, sich selbst adaptieren und selbst optimieren, setzen wir bei Omron schon seit vielen Jahren ein – unter anderem in unseren Inspektionssystemen. Natürlich sehen wir auch diesen Push, der derzeit durch die Industrie geht – Digitialisierung, Industrie 4.0, KI usw. Aber unsere Herangehensweise an das Thema war ein völlig anderer. Wir haben in den vergangenen drei bis vier Jahren intensiv mit unseren Kunden gesprochen über die Dinge, die ihnen wirklich Schmerzen bereiten. Wir haben ihnen auch die Frage gestellt, wo sie Bedarf für Innovationen haben. Dabei haben sich vier Themenblöcke herausgebildet: Das ist der Bereich Produktivität, der Bereich Qualität, der Bereich Complience&Security und das ist schließlich der Bereich Expert Free. Hinter dem letzten Punkt steckt die Problematik, dass viele Unternehmen in Zukunft nicht mehr in ausreichendem Maß qualifizierte Mitarbeiter rekrutieren können werden. Die Frage stellt sich also: Wie kann meine Maschine sich auf Zustände, Veränderungen oder auch Probleme einstellen – beispielsweise bei Toleranzen beim Eingangsmaterial. Das war für uns der Start für die Überlegung eine Steuerung mit integrierten adaptiven Algorithmen zu entwickeln und zu bauen.

Aber zu diesem Zeitpunkt gab es doch schon Watson und Co. Warum nutzen Sie nicht die Dienste in der Cloud?

Dold: Alle Angebote, die es an dieser Stelle gibt, sind für diese Zielgruppe zunächst einmal viel zu kompliziert und zu abstrakt. Unsere Steuerung ist – wenn Sie es so wollen – der Gegenentwurf zu einer reinen Cloudlösung. Unser Ziel war es dem Maschinenbauer eine adaptierende und selbstlernende Steuerung an die Hand zu geben, die ganz konkret dafür vorbereitet ist, seine Probleme zu lösen, ohne sich das ganze Hintergrundwissen einer KI aneignen zu müssen. Wenn er sich also fragt, ‚wo entstehen meine Qualitätsprobleme?‘ , ‚wo sind meine Flexibilisierungsmöglichkeiten?‘, ‚Warum steht die Maschine sporadisch?‘, ‚Wie erkenne ich Maschinenstillstände im Voraus?‘ dann geben wir ihm mit unserer neuen Steuerung ein Werkzeug zur Beantwortung dieser Fragen an die Hand. Das war unsere Motivation, und deshalb sind wir ganz bewusst einen anderen Weg gegangen.

Seiten: 1 2 3 4 5Auf einer Seite lesen

Thematik: Allgemein
Ausgabe:
Omron Electronics GmbH
www.omron.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