Produktneuheiten

logo

ISAT Institut für Sensor- und Aktortechnik Coburg
Am Hofbräuhaus 1 b
96450 Coburg (Deutschland)
Tel: +49 9561 317-437
Fax: +49 9561 317-498
http://www.isat-coburg.de
info@isat-coburg.de

Mitaussteller von Bayern Innovativ GmbH Gesellschaft für Innovation und Wissenstransfer

Industrie 4.0, Production Level 4 oder doch einfach nur KI?

Die rasante digitale Transformation bedeutet für viele Unternehmen, sich mit kleinen Schritten an neue Technologien heranzuwagen und herauszuarbeiten, welche Mehrwerte diese mit sich bringen können und vor allem welche neuen Geschäftsmodelle sich hieraus ableiten lassen. Das ISAT unterstützt Sie dabei den für Sie passenden Weg einzuschlagen. Mit unserer neuen Institutsleitung im Institut für Sensor- und Aktortechnik und bieten wir Ihnen nun auch umfassende Kompetenzen in angewandten Datenwissenschaften für die vorausschauende Wartung an Produktionsmaschinen aber auch im Retrofitting zur Aufrüstung von Bestandsmaschinen für moderne IIoT.

Viele zumeist Unternehmen müssen sich gerade in den wirtschaftlichen Folgen von COVID-19 neu aufstellen und sehen sich der Herausforderung einer Priorisierung und Marktbewertung ihrer Digitalisierungsbestrebungen gegenübergestellt.

Eines sei vorweggesagt: Ja, die Entwicklung ist rasant und ja, wir gehören leider in vielen Bereichen rund um die Digitalisierung nicht zu den Technologieführern! Trotzdem ist das kein Grund, sich nicht mit kleinen Schritten an neue Technologien heranzuwagen und herauszuarbeiten, welche Mehrwerte diese mit sich bringen können und vor allem welche neuen Geschäftsmodelle sich hieraus ableiten lassen.
Gerade in diesem Themenfeld ist ein Fluch des produzierenden Gewerbes eine aus IT Sicht meist viel zu lange Lebensdauer ihres Maschinenparks, was eine ganz grundlegende Frage aufwirft: Wie bringe ich eine Produktionsmaschine mit einem Alter von mehr als zwanzig Jahren dazu, ihre Informationen nach Maßstäben neuer IT Schnittstellen und Techno-logien im Umfeld von Industrie 4.0 und in Zeiten von AWS, Microsoft Azure und Google Cloud preiszugeben?

Die Beantwortung dieser Frage führt unmittelbar zu einer weit technischeren und tieferen Sicht in die eigene Produktionshalle, denn sie erfordert Konzepte, um etablierte und standardisierte Feldbussysteme dazu zu bringen, ihre Daten in Protokoll- und Datenstandards bereitzustellen wie z. B. OPC-UA, so dass vernetzte Maschinenparks für die additive Fertigung entstehen und Methoden der Datenwissenschaften z. B. ein Gesundheits¬monitoring der Produktions¬maschinen auf webbasierten Endgeräten überhaupt erst ermöglichen.
Nicht zuletzt stellt sich die Frage, wie weit technische Produktionsdaten geschützt werden müssen und mit welchen Standards dies am besten gelingt.

Auch hierauf gibt es neben Verschlüsselungsmethoden in der Datenübermittlung selbst eine rein technologische Antwort: Stream-processing.
Traditionell werden Daten vor ihrer Verarbeitung gesammelt oder sogar nach Verarbeitung in Rohdatenform archiviert. Das sich hieraus ergebende unmittelbare Problem wird schnell deutlich, wenn man sich bei einer einzigen Maschine überlegt, mit welcher Datenrate dort ein einzelner Sensor in der Steuerelektronik überwacht wird.
Skaliert man die Anzahl der Sensoren und die Anzahl der Maschinen, stellt man schnell fest, dass Big Data nicht nur ein Schlagwort ist, sondern im Kontext von KI und Industrie 4.0 ein echtes Problem darstellen kann.

Denkt man einen Schritt weiter, stellt man aber ebenso fest, dass >80% dieser Daten keinerlei Information enthalten, die einen Mehrwert liefern, denn es sind Daten, die in einem ungestörten Maschinenbetrieb entstehen.
Wenn man nun von Streamprocessing spricht, kann man sich alle Daten einer Maschine als Fluss vorstellen. Wenn der Fluss ungestört fließt, kann man alle Daten vorüberziehen lassen und auch unmittelbar vergessen. Schwim mt ein Blatt oder ein Stock auf diesem Fluss mit, kann man dies registrieren und daraus ggf. eine Handlung ableiten. Ist dies geschehen, fließt der Datenstrom erneut ungestört weiter. Man merkt sich in Konsequenz nur die Ereignisse, deren Relevanz bereits vorher festgestellt wurde und die man gezielt beobachtet. Wichtig ist dabei den Paradigmenwechsel zu verstehen: Man kennt zwar vergangene Ereignisse, kann aber nicht die gesamte Vergangenheit rekonstruieren. Man hat sich ja nur die Ereignisse gemerkt, die man zuvor als relevant bewertet hat.

Was hat das alles mit Industrie 4.0, Production Level 4 oder KI zu tun? Es ist die gemeinsame Basis!
Datengetriebene Businessmodelle und Szenarien wie z. B. Predictive Maintenance oder sogar Prescriptive Maintenance brauchen eine standardisierte Datenbasis und ins-besondere einen standardisierten Prozess für deren Verarbeitung. Im Bild von unserem Fluss gesprochen: Das Wasser fließt nicht bergauf, nur weil man es will.

Gleichzeitig muss festgelegt werden, wo diese Analyse stattfindet. Liefert bereits die Maschine die verarbeiteten Ergebnisse (Edge Computing) oder werden diese als Rohdaten an eine zentrale Verarbeitungseinheit, wie z. B. einen Cloud-Dienst übermittelt?
Sobald dieser erste Schritt für eine erste Maschine erreicht ist, kommt sicher schnell die Frage nach dem Vergleich mit anderen, ähnlichen Maschinen auf. Vielleicht möchte man gar eine Optimierung des gesamten Produktionsparks auf Basis der erfassten und analysierten Maschinendaten oder zumindest ein Vorschlagswesen, wie man dies erreichen könnte.
Warum auch nicht, schließlich ist genau das das Ziel! Die Daten, die Maschinen liefern, sind ja nicht nur reine Betriebsdaten. Sie tragen die Information über die Veränderungen der Betriebsparameter durch den Benutzer genauso, wie über die Alterung der Maschine, sei es ein Antriebslager, ein Werkzeug oder ein Antrieb selbst.

Erst an dieser Stelle kommt die effektive Nutzung von künstlicher Intelligenz mit einem hohen Mehrwert ins Spiel. Wenn eine Information über Produktionsausschuss und Bauteilqualität mit einem Parametersatz der Produktionsmaschine in Bezug gebracht werden kann, ist eine Optimierung der rein technischen Produktionsbedingungen möglich. Ein derartiger Einblick ist in der klassischen Produktion heute nur selten möglich und nur durch Ingenieursleistung mit hohem Aufwand vollziehbar.

Es lohnt sich also eine erste prototypische Lösung für eine einzelne Maschine umzusetzen, denn wenn dies gut vorbereitet ist, die richtigen Use Cases und die nötigen Randbedingungen definiert werden, ist der Schritt zur Industrie 4.0 oder Production Level 4 nicht mehr groß und die digitale Transformation nicht mehr so weit weg, wie man vielleicht annehmen mag.

Suchen Sie einen erfahrenen Partner auf diesem Weg? Sprechen Sie das ISAT an.

Prof. Dr. Thorsten Uphues
Institutsleiter des ISAT (Institut für Sensor- und Aktortechnik)
der Hochschule für angewandte Wissenschaften Coburg

zurück zu den Ausstellerdetails