Edge Computing für die Augmented Virtual Factory

Mit einem digitalen Zwilling ist die IT-seitige Darstellung eines physikalischen Objektes oder Systems gemeint. Wer dieses Abbild mit Augmented-Reality-Technologie und Echtzeitdaten kombiniert, kann Anlagenproblemen in einer Augmented Virtual Factory nachspüren. Edge-Computing-Technik bietet die Latenzen für solche Anwendungen.
©Buffaloboy/stock.adobe.com

Industrielle Prozesse erzeugen große Datenmengen. Da diese zunehmend auch über das Internet miteinander verknüpft werden, steigt die Anzahl der Daten exponentiell an. Mithilfe von Analytics-Software können diese Daten für prädiktive Aussagen genutzt werden. Gerade in Bezug auf Big Data ist die Methode der Prädiktiven Analytik (Predictive Analytics) inzwischen unerlässlich geworden. Dadurch können eventuelle Probleme frühzeitig erkannt werden bzw. Änderungen an Abläufen oder Produktionsverfahren virtuell durchgespielt werden. Ein zentraler Bestandteil der prädiktiven Analytik ist der digitale Zwilling. Er ist das digitale Äquivalent eines physischen Objekts oder eines Systems, wobei beide miteinander vernetzt sind. Dies reicht bis hin zur Darstellung von miteinander verknüpften Dingen und zur Unterstützung von Datenanalyse – nahezu in Echtzeit. Die generierten Daten formen einen digitalen Fußabdruck, der sich bei einem Produkt beispielsweise von der Entwurfsphase über die Entwicklungsphase bis zum Ende des Produktionszyklus erstreckt. Die durch einen digitalen Zwilling erhobenen Daten können nach verschiedenen Kriterien verarbeitet und ausgewertet werden.

Produktionsdaten als Schatz

Fabrikbetreiber werden durch digitale Zwillinge befähigt, mögliche Szenarien zur Vorhersage von Ergebnissen zu simulieren. Da dies virtuell geschieht, wird die Produktion dadurch nicht beeinträchtigt. Und so funktioniert das Prinzip: An der realen Maschine sind Sensoren installiert, die permanent Daten produzieren. Der digitale Zwilling kann somit der Zustandsüberwachung dienen. Die Überwachung und Analyse der Fertigung in Abhängigkeit zu den gefertigten Produkten bietet die Möglichkeit, Rückschlüsse für Produkt- oder Prozessverbesserungen zu ziehen. Darüber hinaus lassen sich häufig neue Dienstleistungen auf Grundlage der Erkenntnisse entwickeln.

Bild: German Edge Cloud GmbH & Co. KG

Augmented Reality im Werk

Der digitale Zwilling bietet Nutzern zudem die Möglichkeit, Augmented Reality-Technologie einzubinden. Bei Augmented Reality wird nicht nur ein Computerbild angezeigt, sondern digitaler Inhalt auf das Bild etwa einer echten Maschine projiziert. Im Konzept einer Augmented Virtual Factory werden digitale Informationen aus 2D- oder 3D-Modellen, Sensordaten und Algorithmen mit der realen Produktionswelt in Kontext gesetzt. Der Technologiemix unterstützt Mitarbeiter etwa bei der Ursachenanalyse von Anlagenproblemen durch die Verknüpfung von Daten aus der Echtzeitüberwachung mit historischen Daten. Die 2D- oder 3D-Animation visualisiert unter anderem Störmeldungen und kann somit den Sprung zum Ursprung des Problems beschleunigen. Die Augmented Reality ist insofern gut für industrielle Anwendungen geeignet, dass sie zwar Informationen, Grafiken und andere Daten einblendet, aber gleichzeitig die reale Welt abbildet. Diese Technologie kann für Arbeitsanweisungen, Reparatur- und Wartungsaufgaben, aber auch zahlreiche andere Aufgaben eingesetzt werden. Beispielsweise unterstützt sie die Qualitätskontrolle durch die Visualisierung von ansonsten verdeckten Komponenten. Die Technologie kann auch auf einem Tablet oder Smartphone genutzt werden.

Edge Computing

Bei aktuellen Optimierungsprojekten spielt gerade die Datenanalyse eine zentrale Rolle. Die Echtzeitverfügbarkeit von Daten ist dabei insbesondere wichtig, wenn Veränderungen an Werten den digitalen Zwilling beeinflussen. In solchen Szenarien werden die Latenzzeiten zum Faktor, der über den Nutzen einer industriellen KI oder von videobasierten Produktionsassistenzsysteme mitentscheidend. Anwendungen dieser Art sind der Grund, warum das Handlungsfeld Edge Computing samt zahlreicher neuer Software- und Hardwareprodukte aktuell rasant an Bedeutung gewinnt. Diese robuste Hardware-Layer in der Nähe des Maschinenparks ist dafür gemacht, vergleichsweise große Datenmengen mit niedrigen Latenzen zu verarbeiten. Neben der schnellen Prozessierung von Daten im Werk selbst, reduzieren sich der Datendurchsatz und die Bandbreitebelegung im nachgelagerten Netzwerk.Viele der Anfangs geschilderten Szenarien profitieren deutlich von dieser maschinennahen IT-Infrastruktur, einige sind ohne sie sogar überhaupt nicht umsetzbar.

Seiten: 1 2Auf einer Seite lesen

German Edge Cloud GmbH & Co. KG

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