Daten sammeln mit Software-Sensoren
Sensorik ohne Sensor
Die wichtigen Daten aus Maschinen und Anlagen – beispielsweise Temperatur, Druck oder Schall, erfassen meist zahlreiche Sensoren. Ist deren Einsatz unmöglich, könnten Software-Sensoren übernehmen. Das geschieht selten, da sie als aufwendig einzurichten und teuer gelten. Ein neuer KI-Ansatz von PerfectPattern soll das ändern.
Effizienz und Sicherheit der eigenen Prozesse stehen im produzierenden Gewerbe ganz weit oben. Personelle und materielle Ressourcen müssen so effizient wie möglich eingesetzt, Qualitätsmängel und Produktionsausfälle vermieden werden. Die Digitalisierung von Prozessen bietet dabei enormes Potenzial – nicht umsonst kursieren vor allem Schlagwörter wie künstliche Intelligenz, Internet of Things und Big Data in den Diskussionen um die Zukunft der Produktion. Diese Technologien bilden die Basis für Trends wie Industrie 4.0, Smart Production und die Smart Factory. Bei diesen Strategien geht es im Kern um die intelligente Vernetzung der gesamten Produktionskette. Die Basis ist das Internet of Things, oder, bezogen auf die Produktion, das Internet of Machines. Dieses Internet of Machines lebt wie alle Digitalisierungsprojekte von Daten. Diese müssen ausgewertet und analysiert werden, um so die Basis für Entscheidungen zu liefern. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Daten sammeln
Dazu greifen physische Sensoren Daten zum Zustand der Maschinen und zum Ablauf der Produktionsprozesse ab – sie vermitteln ein Bild davon, was sich in einer Produktionsanlage abspielt. Sie liefern Daten etwa zu Temperatur, Druck, (Fließ-)Geschwindigkeit, Beschleunigung oder auch Werte zu Drehzahl, Schaltzustand, Position und Schall. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Software-Sensoren
Physische Sensoren können jedoch fehleranfällig sein oder aufgrund baulicher Gegebenheiten nicht möglich sein. Zudem können viele Werte auch nur im Labor ermittelt werden. Beispiele dafür sind etwa Aspekte der Materialeigenschaften und damit der Qualität des Endproduktes. Solche Informationen liegen damit erst mit einer oft erheblichen Zeitverzögerung vor. Die Lösung können Software-Sensoren bzw. virtuelle Sensoren sein. Sie können auf Basis von physisch generierten Daten abhängige Größen vorhersagen. Diese können etwa reale Sensorwerte, Labormesswerte oder nicht direkt messbare Größen wie Qualität oder Lebensdauer sein. Dazu nutzen Software-Sensoren sogenannte Vorhersagemodelle. Sie quantifizieren die Auswirkungen der Messgrößen auf die Zielgröße und können außerdem an Veränderungen in der Systemumgebung angepasst werden – ein erneuter Lernprozess der Modelle ist für eine Anpassung oft ausreichend.
