Künstliche Intelligenz direkt an die Maschine bringen

Bisher haben industrielle Anwendungen der künstlichen Intelligenz (KI) aufgrund von Latenzzeiten und hohen Datenmengen bei der Cloudanbindung nur bedingt überzeugt. Entscheidend ist darum, KI direkt an die Maschine zu bringen und dort - direkt an der Quelle - Daten in Echtzeit zu interpretieren. Mit der Plattform Scraitec tut der KI-Spezialist Resolto genau dies, beispielsweise bei einem Haushaltsgeräte- oder Automobilhersteller.

 Die Softwarelösung Scraitec von Resolto kennt den gesunden 
Zustand einer Anlage und detektiert durch Echtzeit-Analyse 
von Sensordaten einer Anlage jede Anomalie.
Die Softwarelösung Scraitec von Resolto kennt den gesunden Zustand einer Anlage und detektiert durch Echtzeit-Analyse von Sensordaten einer Anlage jede Anomalie.Bild: Resolto Informatik GmbH

Seit 2018 ist die Resolto Informatik GmbH Teil der Festo Gruppe und trägt dazu bei, die pneumatische und elektrische Automatisierungstechnik fit für Industrie 4.0 zu machen. Daten werden bereits im Feld maschinennah interpretiert. Dies ermöglicht Energieeinsparungen, kürzere Zykluszeiten, reduziert Maschinenausfälle und Produktionsfehler.

Produkte mit KI

Die Softwarelösung Scraitec von Resolto kennt den gesunden Zustand einer Anlage und detektiert durch Echtzeit-Analyse von Sensordaten einer Anlage jede Anomalie. Scraitec liefert frühzeitige und präzise Prognosen, stellt Diagnosen und gibt Handlungsempfehlungen. „Das Thema Analytics und Künstliche Intelligenz wird das Produktportfolio von Festo beeinflussen, indem beispielsweise KI-Algorithmen sowohl in die Cloud als auch direkt in Komponenten von Festo eingebunden werden können“, beschreibt Tanja Maaß, Geschäftsführerin von Resolto, die Vorzüge der Zusammenarbeit.

Kunden können so beispielsweise mit dem Festo IoT-Gateway CPX-IOT als Hardware auf Feldebene ihre Maschinen und Anlagen überwachen lassen. Unterstützt wird die Feldebene mit der Software-Komponente ScraiField. Diese Komponente läuft immer maschinennah in einer kleinen Steuerung. Zur Anwendung kommt ein vortrainiertes Modell, das nur minimale Anforderungen an eine Hardware stellt und auch ohne jede Datenverbindung zur zentralen, in der Cloud angesiedelten Komponente (ScraiBrain) Datenströme zuverlässig interpretiert. Das IoT-Gateway verbindet sich bei Bedarf mit der Cloud, den Festo Dashboards. Dort ist das ScraiBrain mit Zugriff auf viele vorkonfigurierte Anwendungsmodelle eingebettet.

Human-in-the-Loop-Prinzip

„Die Plattform lernt kontinuierlich aus dem tatsächlichen Betrieb weiter und bindet dabei auch das Wissen der Ingenieure und technischen Experten beim Kunden mit ein – wir nennen es das ‚Human in the Loop‘-Prinzip“, erläutert Maaß. Das Machine Learning- und KI-Produkt interpretiert Informationen entweder vorausschauend, um Parameter an Anlagen aktiv zu optimieren, oder konkrete Handlungsanweisungen an „seine“ Menschen zu schicken – zum Beispiel auf das Smartphone.

Neue Geschäftsmodelle

Für Maschinen- und Anlagenbauer eröffnen sich neue Geschäftsmodelle: Wer Scraitec mit Anlagen und Maschinen verbindet, macht sie zu digitalen Werkzeugen. Neue Service-Konzepte bieten großen Mehrwert durch die automatisierte, frühzeitige Koordination der eigenen Wartungsteams. Scraitec unterstützt Endkunden dabei, die Auslastung ihrer Anlagen automatisiert zu optimieren. Die Kosten für die Instandhaltung sinken, denn Wartungspläne können durch Vorhersagen von Ereignissen und Handlungsempfehlungen bei bekannten Fehlermustern angepasst werden. Die Plattform verbessert alle Anlagenparameter bei definierten Zielkriterien und steigert die Produktivität der Anlage.

   Kunden können mit dem Festo IoT-Gateway CPX-IOT als Hardware auf Feldebene ihre Maschinen und Anlagen überwachen lassen. Unterstützt wird die Feldebene mit der Softwarekomponente ScraiField
Kunden können mit dem Festo IoT-Gateway CPX-IOT als Hardware auf Feldebene ihre Maschinen und Anlagen überwachen lassen. Unterstützt wird die Feldebene mit der Softwarekomponente ScraiFieldBild: Festo AG & Co. KG

Fehlervermeidung in komplexen Fertigungsstraßen Beispielsweise traten im Produktionsprozess von Miele über einen bestimmten Zeitraum unterschiedliche Produktqualitäten auf, deren Ursachen nicht auszumachen waren. Der Hersteller von Haushaltsgeräten betreibt komplexe Produktionsstraßen, auf denen es in sequentiellen Abfolgen Produkte fertigt. Hier genügt es nicht, einzelne Stationen separat zu betrachten.

Daher wünschten sich die Produktionsverantwortlichen beim Haushaltsgerätehersteller ein System zur automatischen Erkennung von Anomalien in komplexen Fertigungsströmen. „Deep Learning schien dafür der richtige Ansatz zu sein“, erklärt Geschäftsführerin Maaß. Notwendig war die Entwicklung einer ganzheitlichen Datenbasis, die unterschiedliche Messsysteme verband. Dazu mussten auch zusätzliche Messpunkte eingerichtet werden. Die Plattform Scraitec modellierte die Produktionsstraßen als ganzheitliches System und steigerte dadurch den Durchsatz um 1,5 %.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

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.