Suchen

Cloud-Projekt zur Industrie 4.0 Was kann KI in der Maschinenhalle?

| Autor / Redakteur: Dr. Dietmar Müller / Elke Witmer-Goßner

Das Fraunhofer Institut (IAO im Mittelstand 4.0-Kompetenzzentrum Stuttgart), die Bimanu Cloud Solutions GmbH sowie die beiden Anlagen- und Maschinenbauer Wichelhaus & Co. Maschinenfabrik und Rhein-Nadel Automation GmbH haben ein umfangreiches Forschungsprojekt zum maschinellen Lernen in der Industrie 4.0 gestartet.

Ein neues Projekt hat sich zum Ziel gesetzt, von theoretischen Ansätzen hin zu praxisnahen Cloud-Computing-, Machine-Learning- und BigData-Umsetzungen zu kommen.
Ein neues Projekt hat sich zum Ziel gesetzt, von theoretischen Ansätzen hin zu praxisnahen Cloud-Computing-, Machine-Learning- und BigData-Umsetzungen zu kommen.
(Bild: gemeinfrei© Tama66 / Pixabay )

Projektstandort ist das Technologiezentrum der Wichelhaus Gruppe in Solingen. Die dort installierte Testanlage ist der Dreh- und Angelpunkt des Projekts. Die Anlage ist für den Dauerbetrieb ausgelegt und somit in der Lage, permanent Daten zu generieren. Der Aufbau ist gemäß heutigen, modernen Anlagenkonzepten modular, einzelne Stationen sind austauschbar. Auf Basis dieser Maschine wird eine Datenhistorie innerhalb der Bimanu- Cloud-Plattform geschaffen, die für die weitere Umsetzung elementar ist.

Die Datenintegrationsplattform wurde um diverse Funktionalitäten des Machine Learnings erweitert, wodurch weitreichende Potenziale durch (Re-)Kombination von Daten und Lösungen schnell erschlossen werden. Da die zugrundeliegenden Technologien cloud-basiert sind, bringen sie entsprechende Skalierbarkeit mit, wodurch dank des reinen „As-a-Service“-Modells eine einfache Anwendung ermöglicht wird.

Testanlage für Anwendungsfälle

Im ersten Schritt des Projekts erfolgt die klare Erarbeitung des Anwendungsfalls. Dazu kommt eine Testanlage zum Einsatz, um die erforderliche Datenhistorie aufzubauen. Im Prozessablauf der Anlage können z.B. folgende Simulationen für die Vorbereitung der Machine Learning Modelle realisiert werden: Druckluftverlust, Spindeltemperatur, Stromverbraucherhöhung und Sensorausfall

Die Maschine wird mit verschiedenen Sensoren bestückt, die jeweils unterschiedliche Messwerte aufzeichnen, u.a. Schwingungen, Temperatur, und Druck. Zusätzlich sorgt die IoT Connect Box, eine mobile Datenerfassung für die Erfassung von weiteren Sensorwerten für eine realistische Abbildung der Produktion. Produzierende Unternehmen werden neben modernen Anlagen auch ältere Anlagen im Bestand haben. Diese können mithilfe des IoT-Retrofit (Einsatz der IoT Connect Box) ebenfalls abgebildet werden, was insgesamt zu besseren Ergebnissen bei der Anwendung von Machine Learning führt.

Schablonenansätze sollen untersucht werden

Neben der operativen Zustandsüberwachung und der regelmäßigen und permanenten Erfassung der Maschinendaten, die als Voraussetzung für den Aufbau einer Datenhistorie dienen, sollen in dem Projekt mögliche Schablonenansätze untersucht werden, wie eine vorausschauende Wartung mithilfe von Machine-Learning-Algorithmen auf Basis der erhobenen Sensordaten innerhalb der Cloud-Plattform erfolgen kann. Auch die Einbindung von offenen Daten wie Wetterinformationen spielt eine große Rolle, um mögliche negative Einflussfaktoren zu identifizieren, bevor es zu einer möglichen Ausfallzeit der Maschine kommt.

Die Projektteilnehmer wollen dazu beitragen, dass produzierende mittelständische Unternehmen mit dieser Digitalisierungslösung Vorreiter sein können, wenn es um die Erweiterung ihrer Geschäftsmodelle geht. Ziel ist es, von den theoretischen Ansätzen hin zu praxisnahen Cloud-Computing-, Machine-Learning- und Big-Data-Verfahren zu kommen, um das Wissen transparent im Netzwerk zu verteilen und zum gemeinsamen Austausch anzuregen.

(ID:46686277)

Über den Autor

Dr. Dietmar Müller

Dr. Dietmar Müller

Journalist