Welche Vorteile für Anwender in der Industrie ergeben sich daraus, wenn Datenquellen integriert werden und welchen Ansatz kann man hierfür nutzen?

Die Integration von verschiedenen Quellen ermöglicht noch tiefere Analysen der von der Sensorik erfassten Daten. Durch Methoden des maschinellen Lernens, die in der Lage sind in großen, komplexen Datenbeständen Klassifikationen vorzunehmen, können auch kleinere Auffälligkeiten erkannt werden. Während mit einzelnen Messgrößen nur drohende Maschinenausfälle detektiert werden können, ist es möglich durch die Zusammenführung mit weiteren Datenquellen aus dem Produktionsprozess auch Qualitätsschwankungen zu finden und so weiteren Mehrwert der Datenanalyse zu heben. Zur Etablierung eines solchen Vorgehens zur Prozessoptimierung am Beispiel einer Umformpresse forschen das Fraunhofer IIS/EAS und das Fraunhofer IWU gemeinsam. 

Was für relevante Daten liefern diese Sensoren? Welche Erkenntnisse ergeben sich aus dem Projekt?

Entwickelte Sensoren, die in den Pressentisch integriert werden, liefern Informationen über dessen elastische Verformungen. Darüber hinaus geben Schwingungssensoren Auskunft über dynamische Effekte beim Umformvorgang, und schließlich können durch Ultraschallsensorik sogar mikroskopische Ereignisse in der Interaktion zwischen Werkzeug und Werkstück erfasst werden. Weitere relevante Daten liefert die Maschinensteuerung. Nach der Integration dieser Daten auf unserer IIoT-Plattform „DeepInsights“ untersuchen wir wie Künstliche Intelligenz die Entdeckung subtiler Abweichungen der Prozessqualität oder Schäden des Werkzeugs verbessern kann.

Welche besonderen Herausforderungen ergeben sich dabei für die Systementwicklung?

Ultraschallsensorik erzeugt durch die hohen Abtastraten enorme Datenmengen. Bereits wenige Sensoren liefern mehrere Terabyte pro Monat, die in die Cloud übertragen und dort verwaltet werden müssen. Damit ein solches System auch in einer Umgebung mit mehreren Produktionsanlagen realisiert werden kann, ist die Analyse der Daten vor Ort, also „on the edge“ notwendig, will man übermäßigen Aufwand für den Ausbau der eigenen Dateninfrastruktur vermeiden.

Wie kann eine leistungsfähige Digitalisierungslösung für die industrielle Produktion realisiert werden?

Die industrielle Produktion ist extrem vielfältig, denn Unternehmen verschaffen sich durch individuelle Prozesse und Produkte Alleinstellungsmerkmale. Daher ist für eine leistungsfähige Digitalisierungslösung eine jeweils angepasste Umsetzung erforderlich, welche die vorhandenen Systeme integriert, ergänzt durch leistungsfähige Edge Devices oder intelligente Sensorik. Wir arbeiten im Anwendungs- und Testzentrum Künstliche Intelligenz daran, Leistungsangebote von einem ersten "Readiness check" im Unternehmen über den schnellen Durchlauf einer Machbarkeitsstudie zur Validierung des Nutzens bis zur Verstetigung einer Digitalisierungslösung im Unternehmen zu bündeln.