Lösung für KI-basierte Logistikoptimierung mit FTS-Systemen

Fahrerlose Transportfahrzeuge (FTS) werden mittlerweile in vielen Branchen eingesetzt. Jeder FTS-Hersteller bringt jedoch seine eigenen Systeme und Daten mit, was eine gesamte innerbetriebliche Logistikoptimierung erschwert. Und die meisten der FTS-Einzelanbieter unterstützen keine KI-basierte Logistikoptimierung. Die German Edge Cloud, ein Unternehmen der Friedhelm Loh Group, sowie Bär Automation und Siemens MindSphere haben für das FTS-Onboarding eine Lösung entwickelt. Diese präsentieren sie auf der Fachmesse SPS 2019 in Nürnberg.

 

Bild: German Edge Cloud GmbH & Co. KG

Die German Edge Cloud hat sich auf das sichere Erfassen, Speichern und Verarbeiten von Daten spezialisiert. Das Unternehmen bietet Edge-Cloud-Lö­sungen für datensouveräne, echtzeitfähige industrielle Anwendungen an.

„Die kundenspezifische Integration eines neuen FTS in ein bestehendes FTS-System erfordert hohen Aufwand. Daher haben wir uns mit der Frage beschäftigt, wie neue Komponenten zur KI-basierten Logistikoptimierung herstellerunabhängig in bestehen­de FTS-Systeme integriert werden können. Gemeinsam mit Bär Automation und Siemens MindSphere haben wir dazu eine Lösung entwickelt“, erklärt André Theilig, Leiter Busi­ness Development bei German Edge Cloud.

Das herstellerübergreifende Projektteam verfolgte dazu den Ansatz, in die bestehende Flotte eines fahrerlosen Transportsystems ein weiteres fahrerloses Transport Fahrzeug (FTF) einzubinden. Dies erfolgte über den Einsatz herstellerunabhängiger Adapter und die Integration in einem eigenen Framework. Durch die Automatisierung des FTS-Onboarding-Pro­zesses wurde eine nahtlose Datenkonnektivität ermöglicht. Des Weiteren wurde eine Datenhistorie, insbesondere mit positionsrelevanten Daten und Visualisierung von FTS-Parametern (Batteriestand, Motordrehzahl, Vorfälle, Zyklus­zeiten etc.), für den späteren Zugriff angelegt.

Die Implementierungszeit durch ein vorgefertigtes FTS-Integrationssystem wurde deut­lich verkürzt, so Theilig. Außerdem habe man harmo­nisierte Datensätze erzeugt, die später für die KI-basierte Logistikoptimierung und das maschinelle Lernen zur Verfügung stehen.

Um eine bidirektionale Datenintegration mit Siemens MindSphere zu ermöglichen, wer­den die harmonisierten Daten in Siemens MindSphere übertragen und die Verwaltung der Siemens-Industriegeräte in der Produktion durch eine enge Integration der Indus­trial Edge Cloud Appliance (On Premise) und Siemens MindSphere (Cloud-based) mit ein­gebunden. Die Ergebnisse sind Echtzeit-Fähigkeit der Anwendungen und Daten­sou­veränität für den Kunden durch ein kundengesteuertes Datenmanagement vor Ort und in der Cloud.

www.gec.io

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