Zusätzlich zu der Ausstattung mit Metadaten erfolgt im Informationsmodell eine semantische Verknüpfung der einzelnen Datenobjekte. Dabei werden die Daten aus isolierten Silos der drei Steuerungen (Schweißsteuerung, Robotersteuerung und Zellen SPS) so miteinander verknüpft, dass diese einen robotergeführten Schweißprozess repräsentieren. Erst dadurch ist es möglich, den tatsächlichen Arbeitsvorgang in den Daten zu erkennen, um beispielsweise den Drahtvorschub (Schweißsteuerung) mit der Länge der Schweißnaht (Verfahrweg des Roboters) in Verbindung zu setzten.
Digitales Abbild der Schweißnaht
Die nun vorhandenen Informationen zu den Schweißnähten wurden sodann in Verbindung mit den eingestellten Parametern der Schweißquelle gesetzt, wodurch ein digitales Abbild jeder einzelnen Schweißnaht in allen Zellen weltweit entstand.
Da in den verschiedenen Werken unterschiedliche Optimierungen der Schweißparameter durchgeführt werden, entstehen schnell viele verschiedene Parametersätze. Die Sammlung der Daten in KnowledgeHub, in Verbindung mit deren Beschreibung und Verknüpfung schafft nun Transparenz. Mit Hilfe von Mustererkennung und weiteren Technologien kann eine KI nun etwa damit beauftragt werden, herauszufinden, welcher Parametersatz unter bestimmten Umständen zur besten Schweißnaht führt. Oder wie etwa der Parameter Stromstärke optimal eingestellt werden sollte, um ein gewünschtes Schweißresultat zu erzeugen.
Datenbasis erweitern
Die Informationsmodellierung im Graphen ist zudem beliebig erweiterbar. Spätere Entwicklungen können jederzeit in das Informationsmodell integriert werden. Eine Möglichkeit wäre etwa, das Informationsmodell um Auftrags- oder Chargen-Daten zu erweitern. Dadurch könnte die Qualität bzw. Standfestigkeit der Schweißnaht mittels einer Tracebility-Anwendung auch über den gesamten Produktlebenszyklus verfolgt werden.
Grundlage für Algorithmen
Mittels des IoT-Baukastens gelang es, in kurzer Zeit eine IoT-Plattform aufzubauen. Dadurch wurde eine bis dahin nicht vorhandene Daten-technische Sicht auf den Schweißprozess ermöglicht, der neue Erkenntnisse hervorgebracht hat. Gleichzeitig bilden die Daten die Grundlage für die Entwicklung, die Optimierung und das Training der KI-Algorithmen, die in Zukunft die Qualitätsüberwachung automatisieren können.