Wie Roboter-Anwender von KI profitieren können

Von der Sprachsteuerung bis zur Implementierung von 3D-Vision, das Innovationstempo in der Robotik ist beeindruckend. Aber der vielleicht bedeutendste Trend ist derzeit die Einbettung der künstlichen Intelligenz in gängige Robotersysteme. Dies führt zu erweiterten Fähigkeiten und ermöglicht es, das volle Potenzial der vorausschauenden und vorhersagenden Wartung auszuschöpfen.

Die KI-basierte Überwachung der Hauptkomponenten des Roboters kann Ingenieuren die Informationen liefern, die sie benötigen, um den Betrieb des Roboters so zu modifizieren, dass der Lebenszyklus verlängert wird und ermöglicht eine vorausschauende Wartung, um sowohl geplante als auch ungeplante Ausfallzeiten zu reduzieren.
Die KI-basierte Überwachung der Hauptkomponenten des Roboters kann Ingenieuren die Informationen liefern, die sie benötigen, um den Betrieb des Roboters so zu modifizieren, dass der Lebenszyklus verlängert wird und ermöglicht eine vorausschauende Wartung, um sowohl geplante als auch ungeplante Ausfallzeiten zu reduzieren.Bild: Mitsubishi Electric Europe B.V.

Es gibt einige Trends und Durchbrüche in der Robotik. Eine der vielversprechendsten Entwicklungen ist die Anwendung der künstlichen Intelligenz (KI) in der Robotik. Ein Beispiel ist die 3D-Vision-Sensorik. Hier wird die die Anpassungszeit durch KI erheblich reduziert. Ebenso verbessert sich die Präzision von Kraftmessungen durch die Kombination von Force-Sensorik und moderner KI.

Kosten für ungeplante Ausfallzeiten 45 Milliarden Euro

Aber einer der vielleicht bedeutendsten Trends in der KI in Bezug auf die Robotik ist die Implementierung verbesserter Technologien zur vorausschauenden Wartung. Ein kürzlich veröffentlichter Bericht von Frost & Sullivan schätzte die Kosten für ungeplante Ausfallzeiten in der industriellen Fertigung auf 45 Milliarden Euro, wovon 42 Prozent hauptsächlich durch Ausfälle von Fabrikanlagen verursacht wurden. Denn es gibt mehr als nur die Kosten des Produktionsausfalls selbst zu berücksichtigen. Darüber hinaus erzwingen ungeplante Ausfälle ein reaktionäres und kostspieliges Vorgehen bei Wartung, Reparatur und Austausch von Ausrüstung, um die Produktion so schnell wie möglich wieder in Gang zu bringen.

Dem kann durch vorbeugende Wartung begegnet werden, die den Benutzer frühzeitig vor dem Ausfall oder der Verschlechterung von Teilen warnt. Mit diesen Informationen haben die Serviceteams die Möglichkeit, jede Wartung lange vor einem tatsächlichen Ausfall durchzuführen, wodurch ungeplante Ausfallzeiten reduziert und geplante Ausfallzeiten verkürzt werden. Dies ist für Roboter ebenso relevant wie für andere Aspekte der Produktionslinie: Die verschiedenen Getriebe des Roboters müssen regelmäßig gewartet werden, um einen langfristig zuverlässigen Betrieb zu gewährleisten.

Verbesserung von vorausschauender Wartung durch KI

Diese vorausschauenden Wartungstechnologien können durch die künstliche Intelligenz erheblich verbessert werden. Denn die Algorithmen des maschinellen Lernens ermöglichen einen noch besseren Einblick in den Betrieb der Maschine. Sie vergleichen nicht einfach die aktuelle Leistung mit einer vorher festgelegten Grundlinie, sondern gehen weiter, um Entscheidungen auf der Grundlage von Echtzeitdaten und vergangenen Trends zu treffen. Es gibt einige Trends und Durchbrüche in der Robotik. Eine der vielversprechendsten Entwicklungen ist die Anwendung der KI in der Robotik, z.B. die 3D-Vision-Sensorik. Hier wird die die Anpassungszeit durch KI erheblich reduziert. Ebenso verbessert sich die Präzision von Kraftmessungen durch die Kombination von Force-Sensorik und moderner KI.

Melfa SmartPlus – die KI in der Zusatzkarte

Ein Beispiel für KI-basierte vorausschauende Wartung in der Praxis ist die Funktion Melfa SmartPlus von Mitsubishi Electric, die in der neuesten Roboterserie von Mitsubishi Electric enthalten ist. Diese integrierte Technologie überwacht präzise die Zeit, die jede der Hauptkomponenten des Roboters in Bewegung ist. Hieraus werden entsprechend den tatsächlichen Betriebsbedingungen Wartungspläne abgeleitet. Simulationsmöglichkeiten zur Vorhersage der Roboterlebensdauer während der Konstruktionsphase der Anwendung und zur Abschätzung der jährlichen Wartungskosten sind ebenfalls möglich. Dies gibt Ingenieuren die Möglichkeit, den Betrieb des Roboters zu modifizieren, um den Lebenszyklus zu verlängern.

Seiten: 1 2Auf einer Seite lesen

Mitsubishi Electric Europe B.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