KI-Lösung zur Steigerung der Betriebsleistung

Der in der obigen Abbildung orange dargestellte Indikator ist beispielsweise die Energieeffizienz (oder PUE) für ein 2-MW-Rechenzentrum, das für digitale Datenverarbeitung bestimmt ist. Sie ermöglicht die Beurteilung der Auswirkung und des Ursprungs des Fehlers.
Der in der obigen Abbildung orange dargestellte Indikator ist z.B. die Energieeffizienz (oder PUE) für ein 2-MW-Rechenzentrum, das für digitale Datenverarbeitung bestimmt ist. Sie ermöglicht die Beurteilung der Auswirkung und des Ursprungs des Fehlers. – Bild: Kapsdata

Die von Kapsdata entwickelte Kapstech-Lösung, die auf IIoT-Architekturen und Edge AI basiert, zielt darauf ab, die Prozesseffizienz zu verbessern und gleichzeitig die Umweltbelastung zu reduzieren und soll Unternehmen aus Bereichen wie Industrie, Energie und Gebäudetechnik neue Methoden für die Optimierung von Produktion und Steuerung ihrer Betriebsleistung bieten. Dabei erleichtert die Lösung die Einführung von ISO50001, OPC UA-Standards sowie die Implementierung des IPMVP-Protokolls in Infrastrukturen und schafft die Voraussetzung für eine vorbeugende und vorausschauende Wartung. Der ökologische Wandel wird ebenfalls beschleunigt durch einen verbesserten CO²-Fußabdruck (ISO14001). Die Edge-Struktur soll (Cyber-)Sicherheit und Datenschutz garantieren.

Ein Anwendungsgebiet der Technologie ist die Auditierung und Diagnose der Infrastrukturleistungen von Kälteerzeugung und -verteilung. Das zeigt ein Kundenauftrag für ein Rechenzentrum (Kapazität: 10MW): Die Lösung stellt in diesem Fall nicht nur die Entwicklung und Konsolidierung der Messdatenbank sicher, sondern auch die Implementierung von Machine-Learning-Tools. Diese sind für das Design und die Pflege der für die Echtzeit-Klassifikation verwendeten Modellierungsgesetze notwendig. Dasselbe gilt für die Echtzeit-Erstellung der verschiedenen Dashboards zur Steuerungsunterstützung. Die Vorteile liegen vor allem in der Zeitersparnis für das Personal bei der täglichen Steuerung des Rechenzentrums durch Aufgaben wie die Erkennung von Fehlern und Störungen (Antizipation vor einem Ausfall). Ebenfalls gewährleistet: die Optimierung des Ausrüstungsmanagements (Schaltschwelle, Kaskadierung der Baugruppen, die Modulation thermischer und hydraulischer Trägheit) sowie die Wirkungsanalyse unter Betriebsbedingungen: IT-Last, Temperatur der Wasserkreise und Wartungsmaßnahmen.

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.