Künstliche Intelligenz direkt an die Maschine bringen

Die Softwarelösung Scraitec von Resolto kennt den gesunden Zustand einer Anlage und detektiert durch Echtzeit-Analyse von Sensordaten einer Anlage jede Anomalie.
Die Softwarelösung Scraitec von Resolto kennt den gesunden Zustand einer Anlage und detektiert durch Echtzeit-Analyse von Sensordaten einer Anlage jede Anomalie.
„Entscheidend ist, künstliche Intelligenz direkt an die Maschine zu bringen und dort – direkt an der Quelle – Daten in Echtzeit zu interpretieren“, erklärt Tanja Maaß, Geschäftsführerin von Resolto.Bild: Resolto Informatik GmbH

Seit 2018 ist die Resolto Informatik GmbH Teil der Festo Gruppe und trägt dazu bei, die pneumatische und elektrische Automatisierungstechnik fit für Industrie 4.0 zu machen. Daten werden bereits im Feld maschinennah interpretiert. Dies ermöglicht Energieeinsparungen, kürzere Zykluszeiten, reduziert Maschinenausfälle und Produktionsfehler.

 Die Softwarelösung Scraitec von Resolto kennt den gesunden 
Zustand einer Anlage und detektiert durch Echtzeit-Analyse 
von Sensordaten einer Anlage jede Anomalie.
Die Softwarelösung Scraitec von Resolto kennt den gesunden Zustand einer Anlage und detektiert durch Echtzeit-Analyse von Sensordaten einer Anlage jede Anomalie.Bild: Resolto Informatik GmbH

Produkte mit KI Die Softwarelösung Scraitec von Resolto kennt den gesunden Zustand einer Anlage und detektiert durch Echtzeit-Analyse von Sensordaten einer Anlage jede Anomalie. Scraitec liefert frühzeitige und präzise Prognosen, stellt Diagnosen und gibt Handlungsempfehlungen. „Das Thema Analytics und Künstliche Intelligenz wird das Produktportfolio von Festo beeinflussen, indem beispielsweise KI-Algorithmen sowohl in die Cloud als auch direkt in Komponenten von Festo eingebunden werden können“, beschreibt Tanja Maaß, Geschäftsführerin von Resolto, die Vorzüge der Zusammenarbeit.

Kunden können so beispielsweise mit dem Festo IoT-Gateway CPX-IOT als Hardware auf Feldebene ihre Maschinen und Anlagen überwachen lassen. Unterstützt wird die Feldebene mit der Software-Komponente ScraiField. Diese Komponente läuft immer maschinennah in einer kleinen Steuerung. Zur Anwendung kommt ein vortrainiertes Modell, das nur minimale Anforderungen an eine Hardware stellt und auch ohne jede Datenverbindung zur zentralen, in der Cloud angesiedelten Komponente (ScraiBrain) Datenströme zuverlässig interpretiert. Das IoT-Gateway verbindet sich bei Bedarf mit der Cloud, den Festo Dashboards. Dort ist das ScraiBrain mit Zugriff auf viele vorkonfigurierte Anwendungsmodelle eingebettet.

   Kunden können mit dem Festo IoT-Gateway CPX-IOT als Hardware auf Feldebene ihre Maschinen und Anlagen überwachen lassen. Unterstützt wird die Feldebene mit der Softwarekomponente ScraiField
Kunden können mit dem Festo IoT-Gateway CPX-IOT als Hardware auf Feldebene ihre Maschinen und Anlagen überwachen lassen. Unterstützt wird die Feldebene mit der Softwarekomponente ScraiFieldBild: Festo AG & Co. KG

Human-in-the-Loop-Prinzip „Die Plattform lernt kontinuierlich aus dem tatsächlichen Betrieb weiter und bindet dabei auch das Wissen der Ingenieure und technischen Experten beim Kunden mit ein – wir nennen es das ‚Human in the Loop‘-Prinzip“, erläutert Maaß. Das Machine Learning- und KI-Produkt interpretiert Informationen entweder vorausschauend, um Parameter an Anlagen aktiv zu optimieren, oder konkrete Handlungsanweisungen an „seine“ Menschen zu schicken – zum Beispiel auf das Smartphone. Neue Geschäftsmodelle Für Maschinen- und Anlagenbauer eröffnen sich neue Geschäftsmodelle: Wer Scraitec mit Anlagen und Maschinen verbindet, macht sie zu digitalen Werkzeugen. Neue Service-Konzepte bieten großen Mehrwert durch die automatisierte, frühzeitige Koordination der eigenen Wartungsteams.

Scraitec unterstützt Endkunden dabei, die Auslastung ihrer Anlagen automatisiert zu optimieren. Die Kosten für die Instandhaltung sinken, denn Wartungspläne können durch Vorhersagen von Ereignissen und Handlungsempfehlungen bei bekannten Fehlermustern angepasst werden. Die Plattform verbessert alle Anlagenparameter bei definierten Zielkriterien und steigert die Produktivität der Anlage.

Fehlervermeidung in komplexen Fertigungsstraßen Beispielsweise traten im Produktionsprozess von Miele über einen bestimmten Zeitraum unterschiedliche Produktqualitäten auf, deren Ursachen nicht auszumachen waren. Der Hersteller von Haushaltsgeräten betreibt komplexe Produktionsstraßen, auf denen es in sequentiellen Abfolgen Produkte fertigt. Hier genügt es nicht, einzelne Stationen separat zu betrachten.

Daher wünschten sich die Produktionsverantwortlichen beim Haushaltsgerätehersteller ein System zur automatischen Erkennung von Anomalien in komplexen Fertigungsströmen. „Deep Learning schien dafür der richtige Ansatz zu sein“, erklärt Geschäftsführerin Maaß. Notwendig war die Entwicklung einer ganzheitlichen Datenbasis, die unterschiedliche Messsysteme verband. Dazu mussten auch zusätzliche Messpunkte eingerichtet werden. Die Plattform Scraitec modellierte die Produktionsstraßen als ganzheitliches System und steigerte dadurch den Durchsatz um 1,5 %.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert