Anzeige
Anzeige
Beitrag drucken

Projekt AI Net Aniara

5G, KI und Edge-Computing kombiniert

Technologien wie 5G, künstlicher Intelligenz und Edge-Computing vermögen es, die industrielle Digitalisierung auf die nächsten Stufe zu heben. Welche Möglichkeiten diese drei Technologien bieten erforscht das EU-Projekt AI-Net Aniara.

 

Bild: Fraunhofer-Institut für Produktionstechnologie

In den letzten Jahren hat die Forschungen Technologien hervorgebracht, mit denen die derzeitigen Engpässe bei Edge-Netzwerkaspekten wie Latenz, Konnektivität, Bandbreite und Rechenkapazität überwunden werden können. Europaweit werden dafür Lösungen entwickelt. Innerhalb des Forschungsprojektes Aniara Deutschland arbeiten Forschende an Sensoren und Fertigungsanwendungen im Sinne der 5G-Digitalisierung, Datenspeicherung/-analyse und KI-Optimierungen für Fertigungs- und IoT-Prozesse. Im Folgenden werden einige Lösungsansätze beschrieben.

Mobiles Multi-Sensorkit für optimierten Energieverbrauch

Viele Industriestandorte entstanden zu Beginn des 19. Jahrhunderts und sind von einer adaptiven Regelung oder energieeffizienten Auslegung weit entfernt. Um Energieoptimierungspotenziale abschätzen zu können, soll im Forschungsprojekt ein mobiles Plug & Play Multi-Sensorkit entwickelt werden. Dieses soll schnell an verschiedenen Orten einsatzbereit sein und Daten erheben. Die Daten werden im Nachhinein analysiert und zeigen, wo eine adaptive Regelung auf Grundlage von fest installierter Sensorik zur Einsparung von Energie eingesetzt werden sollte. Brownfield-Ansätze können so voranalysiert werden.

In einem möglichen Anwendungsszenario kann das Sensorkit etwa de Energieverbrauch einer Lackieranlage im Hinblick auf deren Lüftung und den Heizbedarf optimieren. Lackieranlagen sind ein wichtiger Bestandteil und einer der energetischen Hauptverbraucher der Automobilindustrie. Mit ihnen wird einen zerstäubter Beschichtungsstoff in mehreren Schichten gleichmäßig auf ein Werkstück aufgetragen. Dies geschieht in einem geschlossenen Raum, der mit einer Lüftungsanalge ausgestattet ist. Für die optimale Bearbeitung der Werkstücke spielen Temperatur und Luftfeuchtigkeit, sowie — aufgrund des Arbeits- und Gesundheitsschutzes — die Luftverschmutzung eine wichtige Rolle.

Das Multi-Sensorkit soll in einem solchen Prozess getestet werden. Ziel ist es, den Energiebedarf zu optimieren und die Lüftungsanlage bedarfsgerecht zu steuern. Das Sensor-Kit erfasst möglichst viele Einflussgrößen wie etwa Temperatur, Feuchtigkeit, Luftstrom, Energieverbrauch, CO2, CO oder, flüchtige organische Verbindungen erfassen. Diese werden per 5G in die Cloud übertragen und stehen dort für die Analyse bereit. Da die Übertragung über öffentliche Netze erfolgt, wird keine zusätzliche Infrastruktur vor Ort benötigt.

Auf Basis der Datenanalyse können dann fest installierte Sensoren eingesetzt werden. Das Multi-Sensorkit steht dann für den Einsatz in einem weiteren Werk zur Verfügung.

Wöchentlicher Prozessgasverbrauch mit identifizierten Betriebszuständen – Bild: Fraunhofer-Institut für Produktionstechnologie

Prädiktive Wartung

Durch den Einsatz von Sensorik lassen sich Lüftungsanlagen zudem prädiktiv Warten. Durch den ständigen Gebrauch nutzen sich beispielsweise die Schaufeln des Lüftungslagers ab bzw. brechen — die Luftwechselrate wird beeinträchtigt und die Luftqualität sinkt. Um dies zu vermeiden, müssen die Schaufeln ausgetauscht werden, was zu Ausfallzeiten führt.

Zur prädiktiven Wartung wird eine hybride KI-Lösung eingesetzt. Eine intelligente Edge-Plattform erfasst Vibrationen sowie akustische Signale und analysiert diese in regelmäßigen Abständen, um die Auswirkungen von Lagerschäden zu ermitteln. Die Informationen gehen dann in die Cloud, wo sie aufgezeichnet und detaillierter analysiert werden können. Erreicht der Verschleiß einen Schwellenwert, wird das Luftaustauschsystem abgeschaltet und der Betreiber per Alarm informiert. Um die Ausfallzeiten der Sensorplattform zu reduzieren, haben die Forschenden eine hybride 5G-Cloud-Edge-Lösung für die Übertragung großer Datenmengen entwickelt. Die Plattform soll zudem ein modulares Sensormodul beinhalten, das je nach Standort gewechselt werden kann.


Das könnte Sie auch interessieren:

Der Automobilzulieferer Hirschmann Automotive muss Produktionsdaten bis zu 15 Jahre lang aufheben. Eigentlich lästig, doch mit dem Rollout einer IIoT-Plattform wird die Aufbewahrungspflicht zum Sprungbrett für Optimierungen. Denn einlaufende Maschinendaten ermöglichen Applikationen wie Echtzeit-Monitoring, datenbasierte Problembewältigung und sogar KI-Analysen.‣ weiterlesen

Wer Produktion und Logistik in einer Echtzeit-Visualisierung abbildet, kann niedrigschwellig in die digitale Transformation einsteigen und viel Papier aus dem Shopfloor bannen. Ergänzt um zentrale MES-Funktionen lassen sich solche Visualisierungssysteme zur Operational Excellence-Plattform ausprägen, die bei fortlaufenden Prozessoptimierungen unterstützt.‣ weiterlesen

Zum 1. Januar übernimmt Jörg Tewes den Posten des CEO bei Exasol. Er kommt von Amazon zum Analytics-Spezialisten.‣ weiterlesen

Industrielle Trends wie IIoT und Digitalisierung setzen immense Datenströme voraus. Doch im Gegensatz zur IT-Security für Büros müssen Fabrikbetreiber auf wesentlich mehr Stolpersteine achten, damit ihre Anlagen nicht schon einfachen Angriffen zum Opfer fallen.‣ weiterlesen

Ab und zu fehlte ein Schlüssel im Kloster der Franziskanerinnen der ewigen Anbetung von Schwäbisch Gmünd. Beim letzten Mal gab das den Impuls, anstatt neue mechanische Zylinder in die rund 220 Türen des Komplexes einzubauen, die alte Technik durch das Bluesmart-System von Winkhaus zu ersetzen.‣ weiterlesen

Mit 100,5 Punkten hält sich das IAB-Arbeitsmarktbarometer im November stabil und liegt weiter im leicht über der neutralen Marke. Auf europäischer Ebene sank der Frühindikator allerdings erneut.‣ weiterlesen

In einer neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten und geben Handlungsempfehlungen für Unternehmen, Verbände, Politik und Wissenschaft.‣ weiterlesen