Industrie 4.0 Förderprojekt erfolgreich abgeschlossen

Intelligente Überwachung von Produktionsmaschinen

Die Forschungspartner Technische Hochschule Deggendorf und die Technische Universität München sowie den beiden Unternehmen Schindler & Schill (EasyLogix) und Systema haben das BMWi-ZIM-Projekt MobiCM erfolgreich abgeschlossen. Das Projekt entstand im Netzwerk I2P Innovative IT für die Produktion des IT-Logistikclusters an der TechBase Regensburg und hatte die Entwicklung eines intelligenten Netzanalysesensors auf Basis unterschiedlicher Signalerfassungs- und Analyseverfahren als Ziel – ein System zur Zustandsüberwachung von Produktionsmaschinen.
Projektpartner des Förderprojekts MobiCM (Mobiles Condition Monitoring System), Projekttreffen am 26.02.2019 in der TechBase Regensburg
Projektpartner des Förderprojekts MobiCM (Mobiles Condition Monitoring System), Projekttreffen am 26.02.2019 in der TechBase RegensburgBild: Bayerisches IT-Logistikcluster

Im Rahmen der Forschungs- und Entwicklungstätigkeiten wurde am Technologie Campus Freyung der Technischen Hochschule Deggendorf ein Prototyp eines Netzanalysesensors entwickelt, aufgebaut und in Betrieb genommen. Neben der passiven Netzanalyse besitzt dieser Sensor auch Hard- und Softwarekomponenten zur Durchführung einer aktiven Analyse des Stromnetzes. Verschiedene Geräte unterschiedlichen Anwendungstyps wurden in die Versuchsumgebung integriert. Hiermit können Anlagendaten erfasst werden. Sowohl bei passiver als auch aktiver Signalerfassung wurden anschließend Methoden des maschinellen Lernens entwickelt um sowohl eine Zustandsdiskretisierung als auch eine Zustandskategorisierung zu erreichen.

Die Messdaten des mobilen Netzanalysesensors können mit Hilfe einer durch die Schindler & Schill entwickelten Cloud Service Plattform effizient verarbeitet werden. Geräte, Abläufe und Daten werden in dieser Plattform vereint, um mit geringem Aufwand Anlagen mit Condition Monitoring nachzurüsten.

Retrofit durch Methoden künstlicher Intelligenz

Das Herzstück des neuartigen Condition-Monitoring-Systems sind laut der Technischen Universität München die KI-Algorithmen um Events zur Zustandsänderung in den erfassten elektrischen Signalen von Maschinen und Anlagen zu erfassen. Hierzu wurde ein Ansatz entwickelt, der vollständig unüberwacht in der Lage ist die signifikanten Änderungen im elektrischen Signal zu registrieren. Der Algorithmus kann in verschiedenen Umgebungen eingesetzt werden und erfordert keine menschliche Intervention.

Die im Rahmen des Forschungsvorhabens entwickelten KI-Methoden spielen eine entscheidende Rolle, das Systema-Retrofitportfolio erfolgreich und nachhaltig von internationalen Mitbewerbern abgrenzen zu können. Die gemeinsam entwickelte Condition-Monitoring-Lösung wurde zunächst exemplarisch als Proof of Concept im Rahmen der Projektakquise bei verschiedenen Kunden im Bereich der Halbleiterfertigung ausgerollt. Nach einiger Zeit ist das Industrial Internet of Things Retrofit auch im deutschen Fertigungsgewerbe angekommen. Grund hierfür sind insbesondere messbare Produktivitätsgewinne durch eine verbesserte Digitalisierung der Fertigungsprozesse.

Lösung für kleine und mittelständische Unternehmen

Die Entwicklung eines kostengünstigen Systems zur Anlagenzustandsüberwachung soll vor allem die Wettbewerbsfähigkeit global agierender kleiner und mittelständischer Unternehmen (KMU) im Bereich der industriellen Fertigung sichern. Hervorzuheben ist laut Maria Hirschberger vom IT-Logistikcluster, dass die MobiCM Zustandsüberwachung an den Maschinen nichtinvasiv, das heißt ohne Veränderungen an der bestehenden Produktionslinie ausgerollt und auch nachträglich an älteren Maschinen ohne digitale Schnittstellen verwendet werden kann. Die kontinuierliche Zustandsüberwachung und Datenauswertung steigert die Effizienz bei der Maschinenwartung und verhindert Produktionsausfälle sowie Stillstandzeiten.

Bayerisches IT-Logistikcluster

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