Neuer Demonstrator der SmartFactory

Update für Industrie 4.0

Den gemeinnützigen Verein SmartFactory KL treibt das Ziel, die Ansätze von Industrie 4.0 verstärkt in der Produktionspraxis zu bringen. Im Rahmen der Initiative wurden deshalb bereits realitätsnahe Lösungen, erste Produkte und gemeinschaftliche Standards erarbeitet. Auf der Hannover Messe 2020 wäre erstmals eine neue Demonstratorengeneration gezeigt worden.
 Auf der Hannover Messe 2020 hätte die SmartFactory KL die zweite Generation ihres Industrie-4.0-Demonstrators vorgestellt - 
ein Ersatztermin für die Präsentation steht noch aus.
Auf der Hannover Messe 2020 hätte die SmartFactory KL die zweite Generation ihres Industrie-4.0-Demonstrators vorgestellt – ein Ersatztermin für die Präsentation steht noch aus. Bild: Technologie-Initiative SmartFactory KL e.V.

Vier Aspekte stehen beim neuen Demonstrator, der von drei Forschungsinstituten und elf Industriepartnern realisiert wurde, im Fokus: herstellerübergreifender Modultausch, Gaia-X-Anbindung, modulare und agile Systemarchitektur sowie angewandte Methoden der künstlichen Intelligenz. Funktion und Layout stehen unter dem Begriff Production Level 4, einem Update von Industrie 4.0. Das Konzept sieht die Produktion der Zukunft in autonomen Produktionsmodulen, die ihre Services dem herzustellenden Produkt anbieten. Dabei sucht sich das Produkt selbständig seinen Weg durch die Fertigung. Der Mensch übernimmt dabei eine nurmehr zentrale Rolle hinsichtlich Entscheidung und Kontrolle, während Maschinen und KI-Algorithmen Routinearbeiten oder gefährliche Tätigkeiten übernehmen.

Moulare, skalierbare Systemarchitektur

Der Fahrplan sah vor, den ersten Schritt zu Production Level 4 auf der Hannover Messe zu zeigen. „Der Demonstrator ist soweit fertig“, erklärt Prof. Martin Ruskowski. „Wir haben eine modulare Systemarchitektur entwickelt, die skalierbar und erweiterbar ist“, beschreibt Vorstandsvorsitzender das Grundgerüst. „So zeigen wir, dass in unserem herstellerunabhängigen Ökosystem Module problemlos getauscht werden können.“ Der Demonstrator sei so angelegt, dass er sich jährlich weiterentwickeln lasse, bis in fünf Jahren Production Level 4 verwirklicht sei. Integriert sind zudem eine smarte Werkerassistenz und eine automatisierte Konformitätsprüfung. Das System ist in der Lage, die modulare Safety-Konformität unter Berücksichtigung der Umweltbedingungen digital, dynamisch und automatisiert zu zertifizieren. Dafür besitzen die Module des Demonstrators ein Teilmodell der Industrie-4.0-Verwaltungsschale in der die relevanten Sicherheistparameter definiert sind. Auf dieser Grundlage können dynamisch einzelne Module und deren Schnittstellen freigegeben werden, sodass nach einer erfolgreichen Konformitätsprüfung eine digitale Zertifizierung erstellt und der Maschinenverbund freigegeben wird.

Prozess gemäß Plug&Produce

Die modulare und herstellerübergreifende Produktionsanlage der SmartFactory-KL ist fähigkeitsbasiert. Fehlt eine Fähigkeit, die aber für die Herstellung eines bestellten Produktes notwendig ist, wird automatisch eine Rekonfiguration der Anlage angestoßen. Der Werker wird durch das Assistenzsystem auf das fehlende Modul hingewiesen und optisch angeleitet, wie es physisch mit dem Demonstrator zu verbinden ist. Damit Module am richtigen Ort in die Infrastruktur integriert und das Modul zum richtigen Zeitpunkt mit seinen Lebensadern verbunden ist, werden intelligente Schnittstellen benötigt.

Thematik: Newsarchiv
| News
Technologie-Initiative SmartFactoryKL e.V.

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