FUTURE MANUFACTURING Magazin für intelligente Produktion - Künstliche Intelligenz unterstützt die Produktion - VDMA Verlag
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
FUTURE MANUFACTURING Magazin für intelligente Produktion www.future-manufacturing.eu 1/2021 Künstliche Intelligenz unterstützt die Produktion Vernetzung von Maschinen und sicherer Datenaustausch Interoperabilität durch standardisierte Merkmale
EU plant verpflichtende Interoperabilität Zahlen, Daten, Fakten Interoperabilität ist die Fähigkeit unterschiedlicher Systeme, über eine Schnittstelle miteinander zu kommunizieren. Dann weiß die In Deutschland stehen derzeit Heizung beispielsweise, wenn das Fenster geöffnet wurde und dreht fast 19.000 Ladepunkte für automatisch ab. Und das Smart Meter kann die Verbrauchswerte Elektroautos zur Verfügung. von Heizkraft, Strom, Wasser und Gas erfassen und auswerten. Doch die Ladesysteme, Preise und Abrechnungsmodelle sind nicht einheitlich. An Ladesäulen mit Wechsel- spannung findet man eine Steckdose Typ 2. Mit einem entsprechenden Adapter können auch E-Autos geladen werden, die über einen Stecker Typ 1 verfügen. An neuen Ladestationen gibt es einen Typ-2-Stecker für Wechselstromladen in den Leistungsklassen 3,7, 11, 22 und 44 Kilowatt. Austausch zwischen sozialen Medien und Messenger- Diensten ist bislang nicht erwünscht. Die digitale Welt ist voll von Netzwerken mit Exklusivitätsanspruch. Die EU will die Spielregeln ändern: durch verpflichtende Interopera- bilität. Dienste wie WhatsApp sollen gezwungen werden, den Austausch von Nachrichten seiner Nutzer mit denen anderer Anbieter wie Telegram zu ermöglichen.
Editorial Mit intelligenter Multiressourcen-Planung Als wären die Zeiten struktureller und geopolitischen Marktveränderungen für die Unternehmen nicht schon herausfordernd genug gewesen, so hat Corona die Volatilität der Nachfrage und damit die Anforderungen an Pro- duktionsunternehmen deutlich verschärft. Produktivitätsfortschritte sind rein durch Fokussierung auf Produktionsauto- matisierung nicht mehr zu erreichen. Nur wer seine Ressourcen aus Mate- rial, Maschine, Werkzeug, Mensch, Fläche und Zeit intelligent plant und ko- ordiniert, wird die Nase vorn haben. Möglich wird diese optimierte Planung durch Werkzeuge des Advanced Planning and Scheduling (APS). Intelligente Michael Finkler Algorithmen richten ganzheitlich den Mitteleinsatz an betriebswirtschaft- Vorstandsvorsitzender lichen Zielen aus, etwa minimale Durchlaufzeit, hohe Auslastung oder des VDMA Software und Digitalisierung höchstmögliche Liefertreue. Je volatiler die Märkte, je größer die Variantenvielfalt und je kleiner die Serien werden, desto mehr sind intelligente APS-Multi-Ressourcenplanungen mit integrierten Simulationsfähigkeiten notwendig. Dadurch können realitäts- nahe Antworten auf hochkomplexe Fragestellungen im Vorfeld gefunden und die Automatisierung in der Produktion sowie die Optimierung komplet- ter unternehmensübergreifender Lieferketten unterstützt werden. Eine automatisierte Multi-Ressourcenplanung mit APS, im Idealfall in das ERP-System integriert, hat enormes Potenzial für Unternehmen. Die verwen- deten heuristischen und neuerdings auch KI-gestützten Optimierungsver- fahren sind den aktuellen Planungsmethoden und den erfahrensten Planern weit überlegen. Um marktorientierte Simulationsfunktionen wie Available-to-Promise (ATP), Capable-to-Promise (CTP) beziehungsweise Distributionsplanung tatsächlich nutzen zu können, müssen allerdings einige Hausaufgaben erledigt werden. So ist eine solide Datenqualität ebenso notwendig wie der Datenaustausch möglichst in Echtzeit zwischen Shopfloor und ERP/MES-Systemen. Darüber hinaus werden gut ausgebildete Mitarbeiter benötigt. Diese Voraussetzun- gen sind der Schmierstoff für eine rund laufende Automatisierung und rei- bungslose digitale Abläufe. Eine intelligente APS-Multi-Ressourcen-Planung entfaltet somit nicht nur in Produktionsautomatisierung und den unternehmensübergreifenden Liefer- ketten nachhaltige Produktivitätsfortschritte, sondern hilft dabei, schlum- mernde Potenziale im gesamten Unternehmen zu heben. Michael Finkler
Inhalt Editorial 4 Künstliche Intelligenz unterstützt die Produktion Mit künstlicher Intelligenz zur Null-Fehler-Produktion 6 Bosch: Anomalien und Störungen im Fertigungsprozess werden frühzeitig erkannt Künstliche Intelligenz treibt die Industrie voran 8 Innosep: Maschinenwartung und Qualitätsverbesserung profitieren sehr stark Künstliche Intelligenz ist eine Schlüs- seltechnologie. Rahmenbedingungen und Ideen für erfolgreiche Use-Cases 10 6 Eoda: Erfolgreicher Einsatz stiftet Vertrauen und Akzeptanz für Datenprozesse Künstliche Intelligenz trifft auf Werkzeugmaschine 12 Point 8: Vorausschauende Wartung und Analyse von Alarmen bringen Mehrwert Autonome kognitive Systeme in der Industrie 14 Micropsi Industries: Die Komplexität der Technologie muss reduziert werden Mit künstlicher Intelligenz 16 bildgestützte Inspektion automatisieren IDS: KI-Marktplatz stellt den Kontakt zwischen Anbietern fertiger Bildverarbeitungslösungen und Kunden her Über den gesamten Produktlebenszyk- Neues aus der Industrie 18 lus hinweg ist ein sicheres Datenmana- gement notwendig. Vernetzung von Maschinen und sicherer Datenaustausch 22 Das Dilemma für beide Seiten mit dem Teleservice 20 Trumpf: Effizienter Einsatz der Mitarbeiter und schnelle Hilfe Security by Design im Maschinen- und Anlagenbau 22 Voith und Ditis: Zunehmende Risiken durch Cyber-Angriffe Interoperabilität durch standardisierte Merkmale Objekte und Daten für reibungslosen Austausch 24 miteinander in Beziehung bringen VDMA: Merkmale von verschiedenen Produkten brauchen ein einheitliches Format Pandemie legt die Versäumnisse der Logistikplanung offen 26 Eine Integrationsplattform erleichtert die Zusammenführung von Daten bei Dassault Systèmes: Bestrebungen zur Vernetzung wachsen stark Migrationsprojekten. Daten über Systemgrenzen hinweg 28 30 Procad: Flaschenpost aus der Konstruktionsabteilung Eine Integrationsplattform vereinfacht die Interoperabilität 30 F U T U R E M A N U FA C T U R I N G 2 0 2 1 Prostep: Durchgängiger Informationsfluss anstelle von Punkt-zu-Punkt-Verbindungen Die Themen der nächsten Ausgaben: Medizintechnik, Produktdatenaustausch über Standards 32 grüne Mobilität, Automa- Semaino: Durchdachte Datenlogistik als Basis für individuelle Kataloge tisierung in der Prozess- industrie.
FUTURE MANUFACTURING Mit künstlicher Intelligenz zur Null-Fehler-Produktion DENNIS CHRISTMANN Präziser als Auge und Ohr, schneller als der Verstand. Künstliche Intelligenz (KI) erfasst und ver- arbeitet Terabyte an Daten sekundenschnell und unterstützt den Menschen dabei, komplexe Zusammenhänge auf einen Blick zu erschließen und Maßnahmen einzuleiten. Das Bosch Cen- ter for Artificial Intelligence (BCAI) hat ein KI-basierendes System entwickelt, das Anomalien und Störungen im Fertigungsprozess frühzeitig erkennt, den Ausschuss zuverlässig reduziert und die Produktqualität erhöht. Fotos: Bosch Künstliche Intelligenz ist eine Schlüsseltechnologie. Sie sorgt für Effizienz und Qualität in der Produktion. D urch den Einsatz von künstlicher Im Hildesheimer Werk beispielsweise stützten Produktion, teilte der Verband Intelligenz „werden Fabriken effizi- wurden dank der KI Störungen in den Pro- der Internetwirtschaft nach einer Studie enter, produktiver, umweltfreund- zessabläufen identifiziert und beseitigt. Die von Arthur D. Little, 2019, mit. licher – und Produkte noch besser. Unsere Taktzeiten der Linien sanken so um rund Bei Bosch wird die vom BCAI entwi- neue KI-Lösung sorgt in Werken für Kos- 15 Prozent. Den KI-Effekt bestätigen Stu- ckelte KI-Lösung 2021 zunächst in 50 Wer- teneinsparungen in Millionenhöhe“, sagte dien: Von einem flächendeckenden Einsatz ken der Antriebssparte weltweit verteilt Bosch-CDO/CTO Dr. Michael Bolle. In Pilot- von KI in Deutschland profitiere vor allem und an mehr als 800 Fertigungslinien an- werken, in denen die KI-Lösung bereits Industrie 4.0. Verteilt auf die unterschied- gebunden. Täglich werden dann über eine zum Einsatz kommt, lassen sich pro Jahr lichen Branchen, stecke mit über 50 Pro- Milliarde Datennachrichten in der Ana- zwischen einer und zwei Millionen Euro zent (182 Milliarden Euro) das größte Kos- lyse-Plattform gespeichert. Anschließend sparen. teneinsparpotenzial in einer von KI unter- plant Bosch, die KI-Lösung unternehmens- 6
FUTURE MANUFACTURING weit in seinen 240 Werken einzusetzen. Zudem fließen die gewonnenen Erfahrun- gen und das Technologie-Know-how in die Entwicklung neuer KI-Techniken für die Fertigung ein. Pilotanwender der neuen KI-Analyse- Plattform ist die Antriebssparte des Unter- nehmensbereichs Mobility Solutions. In Sensordaten von Maschinen dienen als Grundlage, um Schwankungen in unterschied- den nächsten Jahren investiert Bosch dort lichen Fertigungsverfahren zu ermitteln. 500 Millionen Euro in die Digitalisierung und Vernetzung der Werke. Die voraus- sichtliche Ersparnis wird doppelt so hoch bei, noch besser zu verstehen, wie sich den Anwendungen in der Fertigung zäh- sein: rund eine Milliarde Euro bis 2025. Ein Produkte im Einsatz verhalten, um Män- len die automatisierte optische Inspektion integraler Bestandteil des Projekts ist der gel rechtzeitig festzustellen und drohende von Werkstücken, Software für eine intelli- Einsatz von künstlicher Intelligenz. Fehler vorherzusagen. gente Produktionssteuerung und ein aus- In Zusammenarbeit zwischen dem BCAI geklügeltes Energiemanagement. und den Werken des Geschäftsbereichs ist KI legt Potenzial der Fertigung frei Für Bosch ist KI eine Schlüsseltechno- eine universelle KI-Lösung für die Ferti- logie. Ab 2025 sollen sämtliche Bosch-Pro- gung entstanden, die mithilfe des Nexeed Die Einsicht in der Industrie ist da, noch dukte über KI verfügen sowie mit ihrer Manufacturing Execution System (MES) mangelt es an der Umsetzung: Mehr als je- Hilfe entwickelt oder hergestellt werden. von Bosch Connected Industry Messwerte des zweite deutsche Unternehmen (58 Pro- Dazu investiert Bosch in kluge Köpfe, eine aus unterschiedlichen Quellen automati- zent) sieht in KI disruptives Potenzial. Aber adäquate Infrastruktur und passende Rah- siert sammelt, aufbereitet und nahezu in nur jedes siebte Unternehmen (14 Prozent) menbedingungen. Bis Ende 2022 macht Echtzeit analysiert. Sensordaten von Ma- nutzt laut Bitkom aktuell KI für Industrie Bosch 20.000 Mitarbeiter fit in KI. Ein ent- schinen dienen als Grundlage, um Schwan- 4.0. Dass sich eine klare Mehrheit der scheidender Hebel: das Forschungs- und kungen in unterschiedlichen Fertigungs- Deutschen (60 Prozent) einen vermehrten Entwicklungszentrum für künstliche Intel- verfahren zu ermitteln. Einsatz von industrieller KI, etwa bei der ligenz. Die Industrie-4.0-Software Nexeed „über- Herstellung von Autos oder Flugzeugen, Bereits im dritten Jahr nach seiner setzt“ und visualisiert die Daten und Codes, wünscht, ist ein Kernergebnis des „Bosch Gründung hat das BCAI einen „Return on die KI gibt eine Handlungsempfehlung ab, KI-Zukunftskompass“. Die im November Invest“ realisiert und liefert mit Projekten der Mitarbeiter entscheidet. Genutzt wer- 2020 vorgestellte Studie zeigt, mehr als einen Ergebnisbeitrag von 300 Millionen den dafür vor allem Dashboards, individuell zwei Drittel der Befragten befürworten Euro. Der Anspruch: „Wir erforschen und konfiguriert und auf lokale Anwendungs- KI-basierende Lösungen bei der Diagnose bieten KI, die sicher, robust und nachvoll- fälle sowie die KI-Analyse zugeschnitten. von Maschinenfehlern sowie in anderen ziehbar ist“, erklärt Bolle. Dabei geht es So sind potenzielle Ursachen von Fehlern High-Tech-Bereichen. dem Unternehmen vor allem um industri- leichter zu finden. Auch selbstanpassende Bosch setzt bereits umfassend auf KI. elle KI, also die Verbindung von KI und Prozesse für Maschinen und Montagelinien In der Fertigung unterstützt die Technolo- physischer Welt. „Wir fertigen in unseren lassen sich integrieren. gie dabei, den Ausschuss zu reduzieren, Werken unterschiedliche Produkte – von Weicht beispielsweise ein Bohrloch von die Auslastung von Maschinen und Anla- Kühlschränken, Elektrowerkzeugen über der definierten Platzierung ab, leitet die KI gen zu erhöhen und Produktionsprozesse Antriebsstränge und Assistenzsysteme für selbstständig die notwendigen Schritte zu optimieren. „Künstliche Intelligenz ist die Automobilindustrie bis hin zur Auto- ein. Unterstützt wird die KI mitunter durch eine Technologie von epochalem Charak- matisierungstechnik für den Einsatz in Fa- Kameras, die entlang von Fertigungslinien ter – vergleichbar mit der Erfindung des briken. Dieses Wissen kombinieren wir jetzt den Produktionsprozess aufzeichnen. An- Buchdrucks. KI wird die Industrie revolu- mit KI-Algorithmen“, ergänzt Bolle. l hand von Mustern identifiziert die KI Ab- tionieren. Mit Hilfe von künstlicher Intelli- weichungen, Maßnahmen lassen sich um- genz lernen Maschinen und Produkte mit- Dennis Christmann gehend ergreifen. Darüber hinaus sind in und weiterzudenken“, sagt Bolle. Neben Sprecher Künstliche Intelligenz Robert Bosch GmbH einzelnen Fällen Feld- und Kundendaten Projekten in eigenen Werken bringt Bosch mit der Plattform verknüpft. Dies hilft da- KI-basierende Lösungen auf den Markt. Zu 7
FUTURE MANUFACTURING Künstliche Intelligenz treibt die Industrie voran HÜSEYIN SAHIN Künstliche Intelligenz oder Artificial Intelligence (KI/AI) wird, seitdem der Begriff in den 1950er Jahren definiert wurde, als der Schlüssel der Zukunft prophezeit. Im Wandel der Zeit konnte die künstliche Intelligenz auf ein Level gehoben werden, das vor Jahrzehnten noch als Science- Fiction abgetan wurde. Heutzutage sind wir in dieser beschriebenen Zukunft angelangt, und KI greift vermehrt in den Alltag ein. So kann KI verschiedene Aufgaben bewältigen und kom- plexe, globale Zusammenhänge erfassen und analysieren. Infolgedessen ergibt sich eine Datenflut an Informationen, welche die Entwicklungs- und Analyseprozesse der KI vorantreibt. Maschinen- und Anlagenwartung, sowie Qualitätssicherung und -verbesserung sind die füh- renden Bereiche in der KI-Entwicklung. Foto: innoSEP Künstliche Intelligenz muss für Arbeitserleichterung sorgen: Ausschnitt aus dem Modul zur explorativen Datenanalyse. M achine Learning dient als Teil- Echtzeit-Überwachung Schwachstellen in Beschädigungen in Echtzeit zu erkennen. bereich der KI und ermöglicht der Produktion, Verfolgung und Kontrolle General Motors hat bei der Herstellung IT-Systemen, aus vorhandenen von Fehlproduktionen und mögliche Ter- von Prototypen bemerkenswerte Erfolge Daten Muster und Algorithmen zu erken- min- und Lieferengpässe erkannt werden. verzeichnet. Ein aus ursprünglich acht Tei- nen. Im Zuge der Analyse werden Lösungs- Global agierende Unternehmen setzen len bestehender Sicherheitsgurt wurde optionen dargeboten, die aus künstlichem KI seit Jahren effektiv in unterschiedlichen durch die Zusammenarbeit von Mensch Wissen und Erfahrungsdaten generiert Arbeitsbereichen ein. BMW beispielsweise und Maschine zu einem einteiligen Proto- werden. Als Ergebnis dieser künstlichen nutzt KI in der Qualitätssicherung – kon- typen, der 40 Prozent leichter und 20 Pro- Intelligenz können beispielsweise durch kret in der Produktion, um Fehlteile oder zent stärker als das Ausgangsmodell war. 8
www.gfos.com/mes Sensoren können entweder direkt an und zu warten. Durch die Nutzung einer Maschinen oder Werkzeugen montiert sein Self-Service-KI-Plattform, die zum Beispiel oder durch Kameras, und folglich Bilder- von der innoSEP GmbH angeboten wird, kennung, Daten liefern. Somit können Aus- können die meisten Anliegen somit selbst- sagen über Werkzeugverschleiß, Produkt- ständig gelöst werden. Auch die Lösungs- qualität und Prozessabläufe getroffen wer- abwicklung mit externen Dienstleistern den. Der Workflow ist in Produktionsberei- wird vereinfacht und transparenter mit chen essenziell. Dieser betrifft ebenso das deutlich weniger Ressourceneinsatz von industrielle 3D-Drucken und kann durch beiden Seiten ermöglicht. KI optimiert werden. Die Anwendung von KI sollte kein Zurzeit müssen CAD-Zeichnungen ma- Vorrecht von IT-Experten und Data-Scien- nuell mittels zusätzlicher Programme auf- tists mehr sein. Die Modernisierung er- bereitet, zum 3D-Drucker transferiert und möglichte einen eigenen Markt an Edito- manchmal noch nachbearbeitet werden. ren für KI-Plattformen, die auch von Laien KI bietet die Möglichkeit, diesen Workflow bedient werden können. Während sich zu automatisieren. Bei der Erweiterung mancher dieser Plattformen auf Kunden- des Materialspektrums werden Unmen- betreuung, Wissensvermittlung oder Vi- gen an Daten gemessen. KI identifiziert in sualisierung spezialisieren, lässt sich die dieser Masse Zusammenhänge, die für Plattform auf industrielle Use-Cases und den Menschen verborgen bleiben würden. Sensorik maßschneidern. Dabei werden An- Dadurch können neue, komplexe Legie- wendungsbereiche entlang der gesamten rungen und Materialeigenschaften für Wertschöpfungskette – beginnend bei der verschiedene Anwendungen – für Alltags- ersten Idee, bis hin zur kundenseitiger aufgaben oder in der Luft- und Raumfahrt Wartung – abgedeckt. – erforscht werden. Jedoch ist der Zugang zur Technologie KI noch mühselig und bedarf der Expertise Zukunft der Wirtschaft INDUSTRIE 4.0 in gleich mehreren Disziplinen der IT. Dies Abseits der Arbeitserleichterung für Mit- stellt bei betroffenen großen und kleinen arbeiter sorgt KI in Unternehmen ebenso Unternehmen häufig eine zu hohe Um- für Kontrolle, Prognosen und Wachstum IHR SOFTWARE-PARTNER stellhürde dar. Einen Lösungsweg bieten durch neue digitale Businessmodelle, FÜR DIE INDUSTRIE No-Code-KI-Plattformen, mit deren Hilfe welche für die Wettbewerbsfähigkeit am nicht zwingend Data-Scientists, Datenbank- freien Markt ausschlaggebende Punkte Sind Sie bereit für Industrie 4.0? GFOS Ingenieure, an dem vorhandenen System darstellen. Studien aus Deutschland zu- bietet das MES zur smarten Steuerung arbeiten müssen, sondern Fachexperten folge geben fast 50 Prozent deutscher gleich selbst zur Hand gehen können. Unternehmer an, KI als nicht firmenrele- Ihrer Produktion. vant zu betrachten. Lediglich vier Prozent KI ohne Programmcode der Befragten haben KI bereits in ihr Sys- tem integriert, und verwenden diese zum Das Ziel einer No-Code-KI-Plattform ist es, größten Teil zur Datenanalyse von Ent- fachfremden Nutzern den Zugang zur scheidungsprozessen. l Technologie radikal zu vereinfachen und damit nutzbar zu machen. Im Sinn einer Hüseyin Sahin Self-Service-KI-Plattform sollen Nutzer in Geschäftsführer innoSEP GmbH die Lage versetzt werden, eigene KI-Appli- kationen zu bauen, zu operationalisieren 12. - 16. April Digital Edition
FUTURE MANUFACTURING KI im Maschinenbau: Rahmenbedingungen und Ideen für erfolgreiche Use Cases TOBIAS TITZE Von der Entwicklung und dem zuverlässigen Betrieb der Maschinen, über die richtige Ersatz- teilbevorratung bis hin zur Koordination von Vertriebsaktivitäten: Die Use Cases für den Einsatz von Data Science und KI im Maschinenbau sind vielfältig. Bei dieser Vielfalt an Mög- lichkeiten ist es für Unternehmen entscheidend, die passenden Einsatzorte zu finden. Ein erfolgreicher Use Case stiftet neben dem wirtschaftlichen Mehrwert vor allem Vertrauen und Akzeptanz für Daten- und auf Algorithmen gestützte Prozesse im Unternehmen. W as macht einen guten KI-Anwendungsfall aus? Bei der lungen. Eine hohe analytische Komplexität, zum Beispiel durch Auswahl des richtigen Anwendungsfalls empfiehlt die Notwendigkeit einer sehr hohen Modellgenauigkeit, fordert es sich, einige zentrale Faktoren zu berücksichtigen. die Datenexperten in besonderem Maße. Schafft der Use Case Differenzierungsmerkmale, gestaltet er Pro- Beteiligte Stakeholder, ethische und datenschutzrechtliche An- zesse effizienter und hilft Kosten einzusparen? Die erwarteten forderungen oder die bestehende Technologielandschaft: Auch wirtschaftlichen Mehrwerte sind die zentralen Bewertungskri- diese Rahmenbedingungen sind wesentliche Entscheidungskri- terien. Daneben gilt es, sich möglichst schnell ein Bild von der terien für oder gegen einen zu identifizierenden Use Case. Datenverfügbarkeit und -qualität zu verschaffen. Welche Daten In Workshops und Projekten für Unternehmen wie Trumpf, werden benötigt, um die gestellten Fragen beantworten zu kön- Schenck Process oder Verbände wie dem VDMA hat sich das nen? Hierbei empfiehlt sich auch die Unterscheidung zwischen Potenzial für KI besonders im Maschinenbau gezeigt – insbeson- grundsätzlich vorhandenen und tatsächlich verfügbaren Daten. dere, wenn die vorhandene Fachkompetenz mit den Algorith- Unterschieden werden sollte ebenso die erwartete Komple- men sinnvoll verknüpft wird. xität der Umsetzung in fachlich und analytisch. Eine hohe fach- Moderne Industrieanlagen verfügen über eine Vielzahl an ein- liche Komplexität benötigt das Domain-Wissen der Fachabtei- stellbaren Parametern. Output, Rohstoffe, äußere Einflüsse: Die Bilder: Eoda KI muss Prozesse effizienter machen und Kosten sparen. Vieles ist abhängig von der Datenverfügbarkeit und -qualität. 10
Walter Innotime® High Speed bei optimale Konfiguration dieser Parameter unterliegt unterschied- lichen Einflussfaktoren. Stets die optimalen Maschineneinstellun- der Bauteilauslegung. gen zu finden ist aufwändig und erfordert eine hohe Kompetenz der Maschinenführer. Ein falsches Setting kann sich nicht nur auf die Produktqualität und Effizienz der Maschine auswirken. Mittels Data Science lassen sich automatisiert Konfigurations- vorschläge ermitteln, die den Maschinenführern die Arbeit er- leichtern und den optimalen Betrieb der Maschine ermöglichen. Konkret können Nachjustierungsaufwände durch den Bediener aufgrund einer ungünstigen initialen Konfiguration minimiert werden – der Produktionsprozess verläuft stabiler. Die Produktqualität bleibt unabhängig vom Maschinenführer konstant. Die Bedienbarkeit der Maschinen wird leichter und die Einarbeitungszeit kürzer. Dieses Assistenzsystem basiert auf einem Machine-Learning-Algorithmus, der in einer Trainingsphase mit aufgezeichneten Maschinendaten lernt, wie sich Prozessparame- ter auf die Qualität des Outputs und andere Faktoren auswirken. Gesundheit der Maschine In welchem Zustand befindet sich die Maschine? Der Health Indi- cator gibt Maschinenbetreibern eine klare Antwort auf diese Frage. Methodisch basiert der Indikator auf Verfahren zur Detek- tion von Strukturänderungen in den Sensordaten. Eoda hat den Health Indicator für Schenck Process entwickelt. Besondere Herausforderungen waren eine geringe Zahl an verfügbaren Datensätzen mit einer Zuordnung zu bestimmten Fehlerfällen und die Heterogenität der Maschinen. Im Projektvor- lauf haben Experten von Schenk Process die jeweils aktuellen Maschinenzustände definiert und damit die Grundlage für das Training der Analysemodelle geschaffen. Die entwickelten Mo- delle erlauben ein effizientes Re-Training und sind einfach über- tragbar auf andere Maschinen. Der Einsatz von Echtzeitdaten er- möglicht die kontinuierliche Aktualisierung des Health Indicators. Auch im Bereich der Angebotserstellung und Kundenbetreuung In kürzester Zeit zur besten Werkzeuglösung lassen sich mit KI zahlreiche Prozesse im Maschinenbau optimie- für Ihr Bauteil. ren. Ein Use Case betrifft die Hit Rate – also die Erfolgsquote – Mit Walter Innotime bringen Sie Ihre Bauteilauslegung von unterbreiteten Angeboten. Diese prognostizieren zu können auf das nächste Level. Über diese digitale Schnittstelle ist insbesondere im Maschinenbau von großer Bedeutung. zur Walter Engineering Kompetenz erhalten Sie anhand des 3D-Modells Ihres Bauteils eine Übersicht über alle Denn bei umfangreichen Industrieanlagen mit individuellen Mo- benötigten Werkzeuge und Bearbeitungsparameter. difikationen ist die Angebotserstellung besonders komplex und aufwändig. Gelingt es, die Hit Rate verlässlich zu prognostizieren, So geht Wirtschaftlichkeit einfach und intuitiv – mit Walter Innotime®. lässt sich der investierte Aufwand für die Angebotserstellung besser steuern und Ressourcen effektiver nutzen. Auch hier be- dienen sich die Prognosemodelle unterschiedlicher Einflussgrö- ßen wie wirtschaftlicher Kennzahlen des interessierten Unter- nehmens, Branchenindizes oder der Erfolgsquote zurückliegender Angebote. l walter-tools.com Tobias Titze eoda GmbH
FUTURE MANUFACTURING Künstliche Intelligenz trifft auf Werkzeugmaschine SONJA KRUSE, VANESSA MÜLLER UND SANDRA SCHUSTER Künstliche Intelligenz (KI) schafft heute schon konkreten Mehrwert für den industriellen Mittelstand. Den Zugang zu KI können Unternehmen finden, wenn sie die ersten Schritte in einem kollaborativen Prozess mit Datenexperten wagen. Mit gebündelter Expertise können vielfältig gelagerte Anwendungsfälle ausfindig gemacht und erfolgreich umgesetzt werden. Die Einführung von künst- Bild: Schwäbische Werkzeugmaschinen licher Intelligenz hilft dem industriellen Mittelstand. Der Fokus liegt auf der Schaffung von Mehrwert durch Daten. Auch wenn es naheliegend erschien, direkt auf die Suche nach der passenden KI-Lösung für konkrete Anwendungsfälle zu gehen, gehörte der Griff quasi in den KI-Zauberkasten nicht zu den ersten Schritten der gemeinsamen Arbeit. Zuerst musste eine grundlegende Basis geschaf- fen werden. Denn wie sich herausstellte, war der entscheidende und wichtigste Erfolgsfaktor für die gemeinsame Umset- zung von KI-Projekten nicht etwa die rich- tige Software, sondern der Aufbau einer gemeinsamen sprachlichen Ebene zwi- schen zwei völlig verschiedenen Welten. Kommunikation ist der Schlüssel Anfängliche Verständnisprobleme zwi- schen den Data Scientists von Point 8 auf der einen und den Ingenieuren und Inge- nieurinnen von SW auf der anderen Seite V or fünf Jahren schlossen die Point 8 tenauswertung einen Schritt voranbrin- wurden schnell erkannt und als Chance be- GmbH, ein Dienstleister für KI- gen. Damit stand das Unternehmen, wie griffen. Durch intensive Zusammenarbeit Lösungen aus Dortmund, und die viele andere deutsche Mittelständler, vor und offene Kommunikation der Fachgebiete Schwäbische Werkzeugmaschinen GmbH der großen Herausforderung: Wie können verstehen die Data Scientists inzwischen (SW), ein mittelständischer, expandieren- vorhandene Daten für KI-gestützte Lösun- ein gutes Stück mehr von Werkzeugma- der Hersteller von Fertigungssystemen, gen genutzt werden? Anwendungsfälle schinen. Die Ingenieure und Ingenieurin- eine Partnerschaft, die seither beide Sei- gibt es genug – aber wie sollte man mit nen haben Einblick in Data Science und ten stärkt und vorantreibt. SW intensiviert der konkreten Umsetzung starten? Des- KI-Methoden erhalten. Die konkreten An- bereits seit 2003 die Digitalisierung und halb kamen die KI-Experten aus Dort- wendungsfälle werden Hand in Hand und will mit der Kooperation die klassische Da- mund ins Spiel. ohne Schwierigkeiten angegangen. 12
FUTURE MANUFACTURING Der erste gemeinsam erarbeitete An- werden. Aufgrund dieser Datenbereinigung alarme häufig zu größeren Problemen wendungsfall für KI bei Werkzeugmaschi- standen für KI-Verfahren bessere Eingangs- führen. Das erlaubt, anhand der sich auf- nen drehte sich um vorausschauende War- größen zur Verfügung und es wurde ein bauenden Alarmkette schon vor dem Ein- tung (Predictive Maintenance). Bei Werk- KI-Modell entwickelt, welches den einset- treten des Primäralarms einzugreifen und zeugmaschinen gibt es viele verschiedene zenden Verschleiß von Komponenten vor- einen Ausfall abzuwenden. Komponenten, die mit der Zeit verschlei- ausschauend erkennen kann. Die Szenarien aus der Zusammenarbeit ßen, deren Austausch oftmals kompliziert von Point 8 und den Schwäbischen Werk- ist und deren Zustand die Qualität der pro- Algorithmus zur Alarmanalyse zeugmaschinen zeigen, wie KI einen kon- duzierten Teile deutlich beeinflussen kann. kreten Mehrwert für den industriellen Bei Predictive Maintenance soll auf Ba- Bei einem weiteren KI-Projekt ging es um Mittelstand schafft. Sie stehen beispiel- sis des Verschleißgrads bestimmter Teile die Auswertung von Alarmen und Betriebs- haft für eine Vielzahl möglicher Lösungen. der Ausfallzeitpunkt hinreichend prognos- meldungen der Maschinen. Eine Werk- Mit gebündelter Expertise, Kreativität tiziert und ein Austausch nur bei Bedarf zeugmaschine kann sehr viele verschie- und Erfahrungswerten aus anderen Pro- vorgenommen werden. Ein klarer Vorteil dene Meldungen und Alarme generieren. jekten können bei weiteren Unternehmen für den Werkzeugmaschinenhersteller und Dabei treten diese nacheinander auf. Für völlig anders gelagerte Anwendungsfälle Maschinenbetreiber: Wird der anstehende deren Interpretation ist es entscheidend, ausfindig gemacht und umgesetzt wer- Ausfall oder Verschleiß von Komponenten Alarme oder Meldungen nicht gesondert, den. Ein essenzieller Aspekt dabei ist die erkannt, kann der Service die Daten gezielt sondern im Kontext zueinander bezie- Kommunikation – beide Partner müssen zur Hilfe beim Kunden heranziehen. Daraus hungsweise zur gesamten Maschine zu lernen, eine gemeinsame Sprache zu spre- resultierend werden sowohl Stillstands- betrachten. Am Anfang einer solchen chen. Um einen Zugang zum Thema KI zu zeiten als auch Kosten deutlich reduziert. Kette steht ein so genannter Primäralarm, finden, zählt letzlich, die ersten Schritte Die Herausforderung bestand bei die- dem letztendlich auch ein Stillstand der zu wagen und zu starten. Denn die Metho- sem Anwendungsfall insbesondere darin, Maschine folgen kann. den der autonomen kognitiven Systeme aus einer Vielzahl von Mess- und Einfluss- Für diesen Anwendungsfall wurden die werden dann mächtig, wenn sie mit Er- größen ohne offensichtlich erkennbare Konzepte eines bestehenden Algorithmus kenntnisgewinnung und -austausch der Muster eine geeignete Datenbasis zu übernommen. Dieser Algorithmus wird beteiligten Fachleute einhergehen. l schaffen. Erfolgsentscheidend waren der häufig bei der so genannten Warenkorb- intensive fachliche Austausch der Experten analyse im Einzelhandel angewandt, muss- Sonja Kruse und Expertinnen über die Funktion der Ma- te jedoch für dieses Projekt um zeitliche Point 8 GmbH schinen und die zielführende Auswertung Abfolgen von Alarmen und Meldungen Dr. Vanessa Müller der zugehörigen Daten. Folglich konnten erweitert werden. Mit dem daraus entwi- Point 8 GmbH die richtigen physikalischen Eingangswerte ckelten KI-Assistenzsystem konnte gezeigt ausgewählt, abgeleitete Messgrößen defi- werden, welche Meldesequenzen oft zu- Sandra Schuster Schwäbische Werkzeugmaschinen GmbH niert sowie Betriebszustände analysiert sammen auftreten und welche Primär- Zeit vorbei für Hacker, Cracker und Piraten Im Zeitalter softwaregetriebener Produkte sorgt CodeMeter für Know-how-Schutz vor Reverse Engineering Vorteile neuer Geschäftsmodelle für Anbieter und Anwender Security by Design für Software- und Geräte-Hersteller r ete eM Cod Warten Sie nicht länger! +49 721 931720 Schützen Sie Ihre Produkte sales@wibu.com jetzt s.wibu.com/sdk www.wibu.com
FUTURE MANUFACTURING Autonome kognitive Systeme in der Industrie: Potenzial flexibler Produktionsprozesse RONNIE VUINE Künstliche Intelligenz (KI) ist eine Schlüsseltechnologie für die Digitalisierung komplexer Dienstleistungen. Universitäten richten Forschungszentren ein, internationale Projekte florie- ren – goldene KI-Zeiten scheinen angebrochen. Doch ein Blick in die Produktionshallen zeigt noch ein anderes Bild. Der Grund: Vorbehalte und mangelnde technische Voraussetzungen. V iele Unternehmen verfügen darü- trakte Ziel den Aufwand wert? Lohnt die angesehen wird, lang verstandene Pro- ber hinaus nicht über eigens aus- Optimierung von ein paar Parametern mit zesse zu optimieren. Vielmehr sollte diese gebildetes Personal für den Um- autonomen kognitiven Systemen – oder Technologie als Türöffner zu mehr Auto- gang mit KI. Externe Dienstleister sind oft- fällt man bloß auf einen Trend von kurzer matisierung verstanden werden: Leistun- mals sehr teuer; technische Schwierigkei- Halbwertszeit herein? gen, die bislang von Menschen oder Ma- ten treffen dann auf finanzielle Bedenken: Man übersieht die Potenziale von KI, schinen erbracht wurden, können nun von Ist das zu diesem Zeitpunkt noch abs- wenn die Technologie lediglich als Mittel einer Software geliefert werden. Das er- Fotos: Micropsi Industries Mit der von einer Kamera unterstützten Robotersteuerung kann der Roboterarm zielgenau geführt werden. Verantwortlich dafür sind Positionierungs-Skills, bei denen Zielkonstellationen gezeigt werden. Die KI-Steuerung entscheidet selbst, in welchen Bahnen sie sich bewegt. 14
FUTURE MANUFACTURING Der von einer KI gesteuerte Roboter benutzt Kameras und Sensoren, um in Echtzeit auf die Situation im Arbeitsbereich zu reagieren. Er ist in der Lage, mit Varianzen in der Positionierung von Objekten, unter- schiedlichen oder sich ändernden Beschaffenheiten der Teile sowie mit unvorhersehbaren Umweltverhält- nissen umzugehen. höht die Flexibilität, Nachvollziehbarkeit selbst, die für viele zunächst undurch- stellbewegungen, Fügen und Verfolgen: und Zuverlässigkeit von Produktionspro- schaubar wirkt. So wird oft behauptet, es Alles ist mit einer einzigen kleinen Kamera zessen und verschafft einen dauerhaften sei weder vorhersagbar noch nachvoll- am Roboterhandgelenk umsetzbar. Da sich Wettbewerbsvorsprung. Jedoch bleiben ziehbar, wie KI-Systeme Entscheidungen zudem alle Komponenten flexibel auf zwei Hürden: Die Verfügbarkeit von Spe- treffen. Das stimmt nicht, denn: Neuro- neue Aufgaben trainieren lassen, kann der zialisten und die Undurchschaubarkeit nale Netze sind Abfolgen einfacher Rechen- Roboterarm gemeinsam mit der Roboter- der Technologie selbst. Wie überwindet operationen. Sie sind deterministisch und steuerung immer wieder an verschiede- man die Hürden? mit Schulmathematik verifizierbar – nur nen Stellen in der Produktion eingesetzt haben sie eben sehr viele Parameter. werden. Auf KI-Funktionen zugreifen Zudem wird immer wieder gefordert, dass KI-Entscheidungswege transparenter Effizienz und Resilienz KI-Fachkräfte brauchen kein Informatik- sein sollten, bestenfalls in nachvollzieh- Studium. Bezüglich der fehlenden Spezia- baren Regeln nach dem Wenn-Dann- Die Robotersteuerung auf Basis von Vi- listen – der ersten Hürde – sei auf die Sonst-Schema. Wäre dies allerdings mög- sion-Technologie ist nur eines von vielen Geschichte der Digitalisierung verwiesen: lich, würde klassische Programmierung KI-Produkten für den Einsatz in der Pro- Fachleute für ganz neue Themen haben ausreichen. duktion, die im Augenblick entstehen. Sie immer gefehlt, aber aufgehalten hat das KI ist die Antwort auf Probleme, für die verändern, was in der Produktion möglich die Entwicklung nie. Vor dem Siegeszug es gerade keine Lösung in leicht erklärba- ist, und ermöglichen, manche Prozesse der PCs in den 1980er Jahren hätte man ren Syllogismen gibt. Stattdessen bedarf ganz neu und flexibler zu denken – durch leicht glauben können, jeder Betrieb müsse es testbarer, zuverlässiger Systeme, die den Einsatz von Software. Der Markt muss sich ein Rechenzentrum leisten können, zwar komplex sind, die jedoch einfach dafür Produkte anbieten, die die Komple- um an der ersten Welle der Digitalisierung durch ihre Verwendung erkundet werden xität der Technologie zähmen, sich intuitiv teilzuhaben. Dem war nicht so – stattdes- können: Man testet und wird im Lauf der bedienen lassen und es ermöglichen, der sen gab es PCs, fertige Produkte mit klar Zeit vertraut damit, wie die KI im jeweili- neuen Technik rasch zu vertrauen. Gelingt definierten Schnittstellen, die jedem noch gen Anwendungsfall reagiert und wie sie dieser Schritt, erscheint eine große Auto- so kleinen Betrieb die Nutzung von IT-Leis- trainiert werden muss – Übung macht matisierungswelle, vergleichbar mit der tungen ermöglicht haben. den auch den KI-Meister. Einführung der PC-Technik, sehr wahr- Gleiches gilt für KI in der Produktion: scheinlich. Anstatt Wissen extern einzuholen, wer- Arbeitsplätze mühelos automatisieren Unternehmen, die sich diesen Schritt den Betriebe Produkte kaufen und selbst- zutrauen, können mit KI sehr viel mehr ständig auf wesentliche KI-Funktionen zu- Schnelle Experimente zu ermöglichen, ist bewirken als eine oberflächliche Opti- greifen können. Man muss dann gewiss für viele KI-Produktanbieter derzeit noch mierung: KI ermöglicht mehr Flexibilität, den Umgang mit einem neuen Werkzeug ein großes Problem. Es braucht etwas Unabhängigkeit, Effizienz und nicht zu- erlernen und sich konzentrieren, um ein Geduld, eine KI so weit zu trainieren, dass letzt Resilienz. l komplexes Steuerungsproblem mit einem sie reif für den Produktionseinsatz ist. Hat KI-Produkt zu lösen, aber man muss sicher- man den Dreh einmal heraus, lassen sich Ronnie Vuine lich kein Informatik-Studium absolviert mit Produkten wie Mirai von Micropsi Gründer und Geschäftsführer Micropsi Industries GmbH haben, um KI zu nutzen. Industries Handarbeitsplätze flexibel auto- Die zweite Hürde ist die Technologie matisieren. Das Picken einzelner Teile, Zu- 15
FUTURE MANUFACTURING Mit künstlicher Intelligenz bildgestützte Inspektion automatisieren SILKE VON GEMMINGEN Die automatisierte, bildgestützte Qualitätskontrolle mit künstlicher Intelligenz (KI) bietet viele Vorteile gegenüber der visuellen Kontrolle durch den Menschen oder herkömmlichen Machine-Vision-Anwendungen. Im Zusammenspiel mit einer Deep-Learning Erkennungssoft- ware ermöglicht das Bildverarbeitungssystem daher eine besonders schnelle und genaue Prüfung. Wer auf das Know-how von spezialisierten Unternehmen rund um KI zugreifen will, kann dafür den virtuellen KI-Marktplatz nutzen. Foto: IDS Der KI-Marktplatz bietet fertige Lösungen, die auf der Bildverarbeitung basieren. V on Hackathons bis zu gemeinsa- Technologie“, sagt Sigrid Rögner, Head of kann, denn dann kann es das KI-Modell men Messeauftritten arbeitet IDS Business Innovation and Ecosystem bei der auch“, erklärt Christian Els, Geschäftsfüh- eng mit Startups und Lösungsan- IDS Imaging Development Systems GmbH. rer und Mitgründer der Sentin GmbH. Das bietern aus den Bereichen Bildverarbeitung „Viele Prozesse und Anwendungen von System lernt ähnlich wie ein Mensch, die und KI zusammen. Der KI-Marktplatz ist heute werden morgen schon ganz anders Anforderungen an das Produkt zu erken- der konsequente Schritt, um den Kontakt aussehen.“ nen. Doch das menschliche Gehirn wird in zwischen Anbietern fertiger Bildverarbei- Bei der KI-gestützten Bildinterpretation Bezug auf Beständigkeit und Zuverlässig- tungslösungen und interessierten Endkun- geht es darum, „Bilder zu erzeugen, auf keit jederzeit von der KI geschlagen. Auch den herzustellen. „KI ist eine disruptive denen der Mensch den Fehler erkennen wenn das Gehirn zu bemerkenswerten 16
FUTURE MANUFACTURING Bild: S O NAH/Smartercity.online Die Digitalisierung von Park- und Straßenräumen bietet großen Komfort. Höchstleistungen fähig ist, kann die KI deut- lösungen zurückgreifen. Das damit erstellte konfiguriert. Eine schwierige Aufgabe, da lich komplexere Fehlerbilder erkennen. Das KI-Modell kann dann in ein intelligentes Fehler sehr subjektiv und sehr klein sein menschliche Auge kann in puncto Ermü- Vision-System integriert werden. Zusam- können. Die Systemkamera für optimales dung und Sehvermögen mit keiner Kamera men mit einer speziellen Kamera und einer Bildmaterial der Textilien und Bahnwaren mithalten. Auswerteeinheit lässt es sich mühelos in wurde zusammen mit IDS auf der Basis der Möglich ist eine visuelle Prüfung mit bestehende Prozesse einbetten. spezifischen Kundenanforderungen ausge- menschlichem Auge, die jedoch fehleran- Das System ist in der Lage, Objekte, sucht. Die Wahl fiel auf eine GigE-Vision- fällig und teuer ist: Das Auge ermüdet, und Muster und sogar Fehlerstellen zu seg- CMOS-Kamera, die hochauflösende Daten Arbeitszeit ist kostenintensiv. Eine maschi- mentieren. Auch schwierig zu erfassende zeitlich präzise getriggert für eine genaue nelle Prüfung hingegen geht in der Regel Oberflächen können das System nicht stop- Bildauswertung zur Verfügung stellt. einher mit aufwändiger Kalibrierung, das pen. Klassische Anwendungsfälle finden Im Zusammenspiel mit einer Deep- heißt, die Einrichtung und das Einstellen sich beispielswiese in der Automobilindus- Learning-Erkennungssoftware ermöglicht aller Parameter sowohl der Software als trie (Fehlererkennung auf metallischen das Bildverarbeitungssystem eine beson- auch der Hardware, um jeden Fehler zu Oberflächen) oder in der Keramikindustrie. ders schnelle und genaue Prüfung. Je nach erkennen. Zudem erfordern Produkt- oder Je nach Anwendungsfall ist die KI auf Anwendungsfall können Bildaufnahme und Materialänderungen jeweils Nachkalibrie- die Erkennung von Fehlern oder Anoma- -auswertung in wenigen Millisekunden rungen. Darüber hinaus muss ein Program- lien trainiert. Bei Anomalien lernt das Sys- stattfinden. mierer oder Bildverarbeiter beim klassi- tem selbständig, gute von schlechten Tei- Das System lässt sich ebenso auf andere schen, regelbasierenden Ansatz eigens Re- len zu unterscheiden. Wird beispielsweise Bereiche wie Oberflächenprüfungen anwen- geln programmieren, um dem System zu eine Oberflächenstruktur geprüft, ein Me- den. Ähnliche Anwendungsfälle sind die erklären, wie es die Fehler erkennt. Dies ist tall- oder Keramikteil, werden Fehler von Prüfung von matten Metall-/Kurstoffober- aufwändig und bei einer sehr hohen Vari- der KI als Abweichungen eines Vergleichs flächen (Automobilinterieur), Naturstoffen anz von Fehlern oft eine kaum lösbare mit Referenzbildern erkannt. Durch die (Stein, Holz) oder technischen Textilien wie Aufgabe. verwendete Anomalieerkennung und mit Leder. Kameras im Zusammenspiel mit der Um Qualitätsprüfung so effizient, ein- Hilfe vortrainierter Modelle erkennt das Deep Learning gestützten Software opti- fach und zuverlässig wie möglich zu ge- System Anomalien schon anhand weniger mieren die Fehler- und Objekterkennung stalten, entwickelt das Bochumer Unter- Beispielbilder als Gutteile. in Qualitätskontrollen erheblich. Damit nehmen Sentin mit Hilfe von Deep Learn- Das für das Training und die Auswer- lassen sich sowohl der Personal- und Zeit- ing und Industriekameras Lösungen, die tung erforderliche Hardware-Setup be- aufwand für Reklamationen und Nachar- eine schnelle und robuste Fehlererkennung steht jeweils aus einer Industriekamera beit sowie Pseudoausschuss deutlich ver- ermöglichen. Denn im Gegensatz zur her- und entsprechender Beleuchtung. Die ver- ringern. l kömmlichen Bildverarbeitung lernt ein wendeten Erkennungsmodelle werden mit neuronales Netz, die Merkmale anhand Hilfe von Referenzbildern trainiert. Beispiels- Silke von Gemmingen von Bildern selbst zu erkennen. Um diesen weise wurde so auch für die fehleranfäl- IDS Imaging Development Systems GmbH Lern- und Trainingsprozess zu beschleuni- lige Überprüfung von Stoffbahnen in der gen, kann man auf intelligente Software- Textilindustrie ein System und KI-Modell 17
PRODUKTIONSPLANUNG SMS digital Noodle.ai, einer der führenden Anbieter von Enterprise Artificial Intelligence Anwen- dungen aus San Francisco, USA, und SMS digital mit Sitz in Düsseldorf haben nach Bekanntgabe ihrer Kooperation die zweite gemeinsam entwickelte Applikation einge- führt. In der neuen Scheduling App zur Produktionsplanung sind drei modulare Appli- kationen enthalten, die auch einzeln zur Verfügung gestellt werden können. Hierbei handelt es sich um eine Pre-Grouping App, eine Demand Planning App sowie eine Line Sequencing App. Die Scheduling Applikation ist die Antwort auf die steigende Nachfrage nach intelligenter Produktions- planung mit dem Ziel, Leistungskennzahlen wie die Termintreue zu verbessern sowie Übergangsverluste zu minimieren, die bei Stahlsortenübergängen, Dicken- und Breitensprüngen oder Änderungen der Prozessbedingungen unweigerlich entste- hen. Durch die Integration mit neuen und bestehenden Applikationen wird der gesamte Planungsprozess mittels künstlicher Intelligenz automatisiert – von der Langzeitplanung von bis zu sechs Monaten bis hin zur kurzfristigen Umplanung innerhalb einer Produktionssequenz. Die drei AIaaS-Module (Artificial Intelligence as a Service) sind vollständig integriert mit dem Manufacturing Execution System MES 4.0 von SMS digital. www.sms-digital.com DIGITALES ENGINEERING Lenze Eines der zentralen Werkzeuge von Lenze für das digitale Engineering ist der Easy System Designer. Dieses innovative, webgestützte Planungswerkzeug wird den Anwender bei der kom- pletten Planung von Maschinenlösungen, bestehend aus Automatisierungs- und Antriebs- komponenten sowie Software, unterstützen. Basierend auf dem integrierten Automatisierungswissen prüft das Tool die erarbeitete Systemlösung hinsichtlich ihrer Realisierbarkeit und dokumentiert alles Notwendige für die Beteiligten im Engi- neering-Prozess. Das spart wertvolle Planungszeit, verkürzt den Entscheidungsprozess und reduziert die Risiken im Projekt. Durchgängigkeit schafft Mehrwert: Die Lösung steht für weitere Aufgaben im Engineering zur Verfügung. Die Gesamtlösung kann sofort in den Warenkorb Product Finders überführt werden, um den Angebotsprozess zu beschleunigen. www.lenze.com KÜNSTLICHE INTELLIGENZ Continental und Recogni Der Bedarf an leistungsstarken Prozessoren wächst mit steigenden Anforderungen an das vernetzte, automatisierte und autonome Fah- ren. Das Technologieunternehmen Continental hat eine Minderheits- beteiligung am deutsch-amerikanischen Start-up Recogni erworben. Das Unternehmen arbeitet an einer neuen Chiparchitektur für die auf künstlicher Intelligenz (KI) basierende Objekterkennung in Echtzeit. Eingesetzt werden sollen die Prozessoren in den Continental-Hochleis- tungscomputern im Auto. Dort übernehmen sie die schnelle Verarbei- tung von Sensordaten für das automatisierte und autonome Fahren. Als strategischer Investor bringt Continental auch das Know-how im Bereich der KI, der Fahrzeugsensorik und der Fahrerassistenzsysteme in die Weiterentwicklung des Chip- designs ein. Continental-Experten gehen davon aus, dass im Jahr 2026 die Serienproduktion mit dem Chipansatz möglich ist. Die Prozessoren dienen im übertragenen Sinne als supersparsamer Datenturbo: Mit extrem geringem Energiebedarf er- möglichen sie den Fahrzeugcomputern die schnelle Wahrnehmung der Fahrzeugumgebung und schaffen die Basis für die Funktionen des automatisierten und autonomen Fahrens. Beide Unternehmen haben Stillschweigen über die Höhe der Beteiligung vereinbart. www.continental.com, www.recogni.com 18
BLOCKCHAIN Festo In einem Forschungsprojekt mit dem KI-Labor Fetch.ai sollen autonome Software-Agenten in der Fertigung für optimierte Maschinenauslas- tungen und Prozesse sorgen. Festo möchte mit den autonomen KI- Agenten von Fetch.ai die Supply-Chain optimieren. Die größere Auto- nomie in der Fertigung soll eine schnellere Reaktion auf die Anfor- derungen des Marktes und den Kunden personalisierte, maßgeschnei- derte Bestellungen ermöglichen. Festo nutzt im Rahmen des For- schungsprojektes den agentengestützten Ansatz von Fetch.ai für eine größere Autonomie in der Fertigung. Gesteuert wird der Fertigungs- marktplatz über die Blockchain-Technologie. Die Blockchain ermöglicht es, Informationen mithilfe einer dezentralen, von vielen Teilnehmern gemeinsam genutzten Datenbank fälschungssicher zu übermitteln. „Durch die Blockchain-Technologie können wir Aufträge auf dem Fertigungsmarktplatz nachvollziehen und stellen sicher, dass die Beteiligten im Netzwerk keine Herstellergeheimnisse erfahren. Auch die Bezahlung in Kryptowährung kann direkt und sicher über die Blockchain erfolgen“, erklärt Eduard Grün, Blockchain Development Lead bei Festo. www.festo.com, www.fetch.ai PLATTFORM Re’flekt und Software Re’flekt hat die Work-Augmentation-Plattform Reflekt One um eine IoT-Komponente erweitert, mit der Industrieunternehmen Live-Daten von Maschinen und Geräten unkompliziert in AR-Anleitungen visua- lisieren können. Mit der Integration der Cumulocity IoT Plattform der Software AG wird die virtuelle Perspektive des Reflekt-One-Anwenders durch Maschinendaten und erweiterte Analysedaten in Echtzeit ange- reichert. Beide Tools sind Self-Service-Lösungen, die eine Integration neuer IoT-Instrumente für Techniker und Serviceperso- nal vereinfachen. Die modulare Work-Augmentation-Plattform bietet branchenspezifische Lösungen und macht eine unkom- plizierte Einbindung in bestehende Systeme möglich – über Verknüpfungen zu PLM-Systemen sowie mit CAD- und XML- Integrationen. „Der kombinierte Self-Service-Ansatz beider Plattformen ermöglicht es unseren Unternehmenskunden, die Betriebsdaten ihrer Industriemaschinen in eigene AR-Lösungen einzuspeisen und ihren Mitarbeitern in Fertigung, Service und Training vor Ort zur Verfügung zu stellen”, kommentiert Wolfgang Stelzle, CEO und Gründer von Re’flekt. www.re-flekt.com SOFTWARE EVT Eye Vision Technology Die erweiterten Deep Learning Komponenten der Eye Vision 4.0 ermöglichen das Lösen von kom- plexen Erkennungsaufgaben. Die innovative Software lernt aus Erfahrungen und versteht die Welt in Bezug auf eine Hierarchie von Konzepten. Die Hierarchie der Konzepte erlaubt es dem EyeVision unterstützenden Rechner, komplizierte Konzepte zu erlernen, indem er sie einfach zusammensetzt. Eye Vision Technology ermöglicht die Integration von Deep Learning durch zwei verschiedene Optionen: Die Deep Learning Bibliothek der neuen EyeVision 4 Software kann mit vortrainierten Netzwerken (pretrained networks) oder mit voll erlernten Netzwerken (fully trained networks) befüllt werden. Die vorgelernten Netz- werke benötigen weniger qualifizierte Bilder als die voll erlernten Netzwerke. Dadurch ist der Lernprozess bei vorgelernten Netzwerken schneller. Vorgelernte Netzwerke sind nach kurzer Zeit einsatzbereit. Die voll erlernten Netzwerke werden indi- viduell angepasst. EyeVision 4 enthält zudem eine Reihe neuer Deep Learning- und Machine-Learning-Funktionen. www.evt-web.com 19
FUTURE MANUFACTURING Das Dilemma für beide Seiten mit dem Teleservice HANS-PETER BOCK Sowohl Herstellern als auch Betreibern ist es ein gemeinsames Anliegen, die Maschinen und Anlagen möglichst effizient arbeiten zu lassen. Mit Hilfe von Datenanalyse können die Betriebsparameter optimiert werden. Ebenso muss auch auf unverhersehbare Ereignisse (Prozess- und Qualitätsveränderungen, Fehlerzustände, allgemeine Bedienungsfragen) zur Diagnose und Fehlererkennung verzögerungsfrei reagiert werden. Bilder: Trumpf Die digitale Vernetzung bringt dem Betreiber einer Maschine Freiheit: Er kann mehr sehen, mehr wissen und die Effizienz steigern. F ür den Datenaustausch mit entfernt treiber schneller geholfen, wenn der Spe- schiedliche und teilweise gegensätzliche stehenden technischen Anlagen (Ma- zialist sich sofort und ohne zeitintensive Bedürfnisse von Herstellern und Betrei- schinen, Produktionsanlagen, Compu- Anreise mit der Fragestellung beschäfti- bern aufeinander. tern) zum Zweck der Fehlererkennung, Dia- gen kann. Für effizienten Teleservice benötigen die gnose, Wartung, Datenanalyse oder Opti- Diese möglichst verzögerungsfreie Dia- Spezialisten der Hersteller einerseits um- mierung ist Teleservice erforderlich. gnose und der gleichzeitig effiziente Ein- fangreiche Daten von den Maschinen und Für beide Tätigkeiten beschäftigen Her- satz von Experten lässt sich nur durch Anlagen, andererseits fürchten die Betreiber steller eine Vielzahl an Spezialisten. Diese Teleservice erreichen. Der Einsatz von Tele- durch den Fernzugriff den Kontrollverlust Mitarbeiter möglichst effizient einzuset- service nutzt somit Herstellern und Be- über sie und sorgen sich um das in Konfigu- zen ist dabei nicht nur für die Hersteller treibern von Maschinen und Anlagen glei- ration, Prozessrezepten oder Produktions- ein großes Anliegen, sondern indirekt auch chermaßen. Gleichzeitig treffen bei der aufträgen enthaltene geistige Eigentum. für Betreiber sehr wichtig. So ist dem Be- Anwendung von Teleservice jedoch unter- Daher lehnen Sicherheitsbeauftragte der 20
Sie können auch lesen