Geschäftsprozesse

Das könnte Sie auch Interessieren

Bild: Leadec Group
Bild: Leadec Group
Stau 
auf der Datenautobahn

Stau auf der Datenautobahn

Für den erfolgreichen Einsatz von künstlicher Intelligenz in der Produktion ist eine solide Datenbasis entscheidend. Je größer die Datenmenge und je höher die Datenqualität, desto besser funktionieren KI-Projekte. Falls die Daten in größeren Produktionsanlagen erfasst werden sollen, muss das Netzwerk dafür entsprechend ausgelegt werden – oder im Falle einer Nachrüstung die dafür notwendige Reserve haben. Im folgenden Artikel wird erläutert, auf welche Parameter es dabei ankommt.

Bild: Acatech - Dt. Akademie der Technikwissenschaften/BMWi
Bild: Acatech - Dt. Akademie der Technikwissenschaften/BMWi
Wie Roboter und Menschen künftig zusammenarbeiten

Wie Roboter und Menschen künftig zusammenarbeiten

Roboter sind in großen Fabriken längst Realität. In wenigen Jahren können sie, unterstützt durch künstliche Intelligenz (KI), auch in kleinen Unternehmen die Beschäftigten bei der Montage unterstützen. Die Voraussetzung dafür ist, dass die Zusammenarbeit mit den lernenden Maschinen sicher ist und dem Menschen motivierende, selbstbestimmte Tätigkeiten erhalten bleiben. In einem fiktiven Anwendungsszenario wirft die Plattform Lernende Systeme einen Blick in die Zukunft der Industriearbeit.

Bild: ISW Institut für Steuerungstechnik der
Bild: ISW Institut für Steuerungstechnik der
Computer Vision 
in der Steuerung

Computer Vision in der Steuerung

Der Ruf nach intelligenten Lösungen für die Produktionstechnik wird immer größer. Bauteile sollen automatisch erkannt und individuell verarbeitet werden. Dabei spielt Computer Vision eine entscheidende Rolle, jedoch fehlt es noch an Lösungen zur steuerungsnahen Ausführung. Wegen der komplexen Rechenvorgänge ist die Ausführung intelligenter Vision-Algorithmen in einer konventionellen Steuerung meist nicht in Echtzeit möglich. Die Lösung? Eine hardwarebeschleunigte Soft-SPS.

Bild: Beckhoff Automation GmbH & Co. KG
Bild: Beckhoff Automation GmbH & Co. KG
TwinCat Machine Learning für intelligente Bolzenanker-Produktionslinie

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.