Produktionssystemer med menneskelignende sanser

Morgendagens industrielle internet vil integrere teknologier, der efterligner menneskelige kognitive færdigheder, såsom evnen til at planlægge, at lære, og at opfatte vores omgivelser. Fraunhofer Cluster of Excellence Cognitive Internet Technologies CCIT arbejder på at realisere visionen om et kognitivt internet af ting.

Digitalisering rummer et enormt potentiale for tysk industri, gør det muligt for virksomheder at automatisere fremstillingsprocesser, gøre dem mere effektive, vedtage nye forretningsmodeller, og tilbyde skræddersyede produkter. "Det kræver meget produktive, omkostningseffektiv, fleksible fremstillingsprocesser, baseret på sikre IoT-teknologier, pålidelige datainfrastrukturer og pålidelige maskinlæringsmetoder. Vi har al den nødvendige ekspertise til at gøre dette hos Fraunhofer CCIT og undersøger specifikke applikationsscenarier, " siger prof. Claudia Eckert, talskvinde for direktionen.

Smart, interaktive værktøjsmaskiner

Fraunhofer CCIT er ved at udvikle en komponent til et smart værktøj, der forbedrer kvaliteten og outputtet af skæreprocesser. Ved at integrere trådløse komponenter og bredbåndskommunikationsteknologi til at måle værktøjets resonansfrekvenser, analysere data i realtid, og opdage uregelmæssigheder, det bliver muligt at fange procesdata på handlingspunktet. "Dette fortæller os med det samme, om der er et problem med bearbejdningsprocessen - for eksempel et defekt værktøj, " siger Hendrik Rentzsch fra Fraunhofer Institute for Machine Tools and Forming Technology IWU. Sikkerhedsprotokoller sikrer integriteten, fortrolighed, tilgængelighed og ægthed af oprindelsen af ​​de registrerede data. IoT-komponenten fungerer både som sensor og som aktuator. Ved at udsende ultralydsbølger, det får værktøjet til at give genlyd. Resonanssignalerne forstærkes og kan bruges til at styre værktøjet. Rentzsch:"På denne måde er det muligt at opretholde et kontinuerligt kvalitets- og produktivitetsniveau, selv når fremstillingsprocessen kører med fuld output. Løsningen udviklet af Fraunhofer CCIT kan integreres til lave omkostninger i ethvert værktøj, for eksempel i et metalboreværktøj."

Sikker datadeling inden for en kontrolleret brugergruppe

For at illustrere konceptet med en delt digital tvilling, Fraunhofer CCIT vil præsentere sin løsning til en tilsluttet operationsdesk, der giver virksomheder mulighed for at dele følsomme data fra deres fremstillingsprocesser med – og kun med – autoriserede partnere og kunder. Denne it-løsning består af tre komponenter:IoT-arkitekturen, den digitale tvilling, og International Data Spaces (IDS). RIOTANA (Real-time IoT Analytics)-arkitekturen tager rådata fra den proces, der udføres – såsom vibrationer, temperatur eller friktion - og bruger det til at generere meningsfulde indikatorer i realtid. Disse oplysninger gemmes derefter i en digital tvilling på virksomhedens servere. Her, virksomheden kan definere, hvilke data den ønsker at dele med hvilke brugere og under hvilke betingelser. IDS-stik giver sikker transmission af dataene og kontrol over modtagerens videre behandling af dataene. Bemærk, at denne datadeling er tovejs. Oplysninger kan også tilføjes til den digitale tvilling af eksterne brugere. "Vores teknologi skaber en bro mellem IoT-arkitekturen og eksisterende løsninger til sikker udveksling af industrielle procesdata, såsom Industry 4.0 asset administration shell eller IDS-arkitekturen. Den kan rumme enhver type database eller applikation. For eksempel, det giver maskinproducenter og brugere mulighed for at dele procesdata for at forbedre overvågningen af ​​værktøjets tilstand, " siger Hendrik Haße fra Fraunhofer Institute for Software and Systems Engineering ISST.

Hurtigere resultater takket være AI

Men merværdien af ​​sådanne teknologier for industrien rækker ud over evnen til at dele data med eksterne partnere. Teknologier som maskinlæring og kunstig intelligens kan anvendes på de data, der opnås fra igangværende fremstillingsprocesser.

For at sikre, at værktøjsmaskiner producerer pålidelige, reproducerbare resultater, tegn på slid skal opdages i god tid. Indtil nu, dette afhang af maskinoperatørens erfaring og viden - og var hovedsageligt baseret på deres observationsevne. Lidt var tilgængeligt i form af tekniske hjælpemidler. Forskere ved Fraunhofer Institutes for Production Technology IPT og for Algorithms and Scientific Computing SCAI har udviklet en algoritme til dette formål, som de trænede ved hjælp af specielt tilpassede maskinlæringsmetoder. AI'en er i stand til at bestemme et værktøjs tilstand ved at analysere dets lydspektrum, hvilket igen gør den i stand til at identificere selv de mindste tegn på slid. "Mennesker kan også gøre dette, siger Sebastian Mayer, en forsker ved Fraunhofer SCAI, "men en AI kan gøre det hurtigere, og analysere mange flere lydspektre på samme tid, samt lære at skelne tegn på slid i en finere skala. Algoritmen hjælper den menneskelige operatør med at beslutte, for eksempel, om et værktøj skal udskiftes eller ej. "AI'en er indstillet til andre frekvenser end det menneskelige øre, og kan rådgive operatøren om, hvilke frekvenser der skal lægges særlig vægt på, " siger Fraunhofer IPT-forsker Arno Schmetz.