TwinCat Machine Learning für intelligente Bolzenanker-Produktionslinie

Ein auf Befestigungstechnik spezialisiertes, international tätiges Unternehmen produziert u. a. Bolzenanker in verschiedensten Ausführungen. Um hierbei die Umschließungsqualität der zugehörigen metallischen Hülse aus vorhandenen Maschinendaten in Echtzeit zu bestimmen, wurde ein entsprechendes Entwicklungsprojekt als Bachelorarbeit an der Ostschweizer Fachhochschule (OST), Campus Buchs, durchgeführt. Als geeignete Lösung hat sich dabei das maschinelle Lernen (ML) mit TwinCat Machine Learning von Beckhoff erwiesen.

Wissensmanagementlösungen in Industrieunternehmen auf dem Vormarsch

Smarte Fabriken und vernetzte Arbeitsprozesse sind mittlerweile fester Bestandteil des digitalen Wirtschaftslebens. Diese digitale Transformation bringt viele Vorteile, führt aber gleichzeitig auch zu einem Anstieg der Datenmengen in Unternehmen. Besonders im Industrieumfeld gilt es die vorhandenen Informationen aus Administration/Organisation mit jenen der Produktion zu verknüpfen, um daraus einen Mehrwert zu generieren. Eine Herausforderung, die mit modernen Wissensmanagementlösungen einfach zu lösen beziehungsweise zu handhaben ist.

Vertikalisierbares Therapiebett mit Robotik und KI

Das von Reactive Robotics entwickelte Therapiesystem Vemo, bestehend aus einem bis zu 70° vertikalisierbaren Intensivkrankenbett und Robotik, die mit KI-gestützter Software ausgestattet ist, soll die Mobilisierung von Schwerstkranken direkt in deren Betten durch die Kombination von Gangtherapie und Aufrichtung unterstützen.

Unternehmen sparen Rohstoffe und Energie mit künstlicher Intelligenz

Immer mehr produzierende Unternehmen in Deutschland setzen künstliche Intelligenz (KI) in der Produktentwicklung und Produktion ein. Das geht aus einer neuen Studie des VDI Zentrums Ressourceneffizienz (VDI ZRE) hervor. 42 Prozent der befragten Unternehmen setzen KI bereits in der eigenen Produktion ein, unabhängig von der Betriebsgröße. Unternehmen wollen mit KI vor allem Kosten und Zeit sparen, aber auch die Qualität ihrer Produkte steigern. Fast alle Befragten sehen die größten Einsparpotenziale beim Material- und Energieverbrauch. Neben der Unternehmensbefragung untersucht die Studie die Potenziale von Ressourceneffizienz durch KI anhand von wissenschaftlichen Grundlagen und stellt Anwendungsbeispiele vor.

Maschinelles Lernen beschleunigt Materialsimulationen

Neuronale Netze ermöglichen präzise Materialsimulationen – bis hinunter auf die Ebene einzelner Atome.

Erforschung, Entwicklung und Herstellung neuer Materialien hängen entscheidend von schnellen und zugleich genauen Simulationsmethoden ab. Maschinelles Lernen, bei dem künstliche Intelligenz (KI) selbstständig neues Wissen erwirbt und anwendet, wird es künftig ermöglichen, komplexe Materialsysteme rein virtuell zu entwickeln. Wie das funktioniert und welche Anwendungen davon profitieren, erklärt ein Forscher des Karlsruher Instituts für Technologie (KIT) gemeinsam mit Kollegen aus Göttingen und Toronto.

Vertikalisierbares Therapiebett mit Robotik und KI

Das von Reactive Robotics entwickelte Therapiesystem Vemo, bestehend aus einem bis zu 70° vertikalisierbaren Intensivkrankenbett und Robotik, die mit KI-gestützter Software ausgestattet ist, soll die Mobilisierung von Schwerstkranken direkt in deren Betten durch die Kombination von Gangtherapie und Aufrichtung unterstützen.