Lösung für KI-basierte Logistikoptimierung mit FTS-Systemen

Fahrerlose Transportfahrzeuge (FTS) werden mittlerweile in vielen Branchen eingesetzt. Jeder FTS-Hersteller bringt jedoch seine eigenen Systeme und Daten mit, was eine gesamte innerbetriebliche Logistikoptimierung erschwert. Und die meisten der FTS-Einzelanbieter unterstützen keine KI-basierte Logistikoptimierung. Die German Edge Cloud, ein Unternehmen der Friedhelm Loh Group, sowie Bär Automation und Siemens MindSphere haben für das FTS-Onboarding eine Lösung entwickelt. Diese präsentieren sie auf der Fachmesse SPS 2019 in Nürnberg.

Lösung für KI-basierte Logistikoptimierung mit FTS-Systemen

Bild: German Edge Cloud GmbH & Co. KG

Fahrerlose Transportfahrzeuge (FTS) werden mittlerweile in vielen Branchen eingesetzt. Jeder FTS-Hersteller bringt jedoch seine eigenen Systeme und Daten mit, was eine gesamte innerbetriebliche Logistikoptimierung erschwert. Und die meisten der FTS-Einzelanbieter unterstützen keine KI-basierte Logistikoptimierung. Die German Edge Cloud, ein Unternehmen der Friedhelm Loh Group, sowie Bär Automation und Siemens MindSphere haben für das FTS-Onboarding eine Lösung entwickelt. Diese präsentieren sie auf der Fachmesse SPS 2019 in Nürnberg.


Die German Edge Cloud hat sich auf das sichere Erfassen, Speichern und Verarbeiten von Daten spezialisiert. Das Unternehmen bietet Edge-Cloud-Lö­sungen für datensouveräne, echtzeitfähige industrielle Anwendungen an.

„Die kundenspezifische Integration eines neuen FTS in ein bestehendes FTS-System erfordert hohen Aufwand. Daher haben wir uns mit der Frage beschäftigt, wie neue Komponenten zur KI-basierten Logistikoptimierung herstellerunabhängig in bestehen­de FTS-Systeme integriert werden können. Gemeinsam mit Bär Automation und Siemens MindSphere haben wir dazu eine Lösung entwickelt“, erklärt André Theilig, Leiter Busi­ness Development bei German Edge Cloud.

Das herstellerübergreifende Projektteam verfolgte dazu den Ansatz, in die bestehende Flotte eines fahrerlosen Transportsystems ein weiteres fahrerloses Transport Fahrzeug (FTF) einzubinden. Dies erfolgte über den Einsatz herstellerunabhängiger Adapter und die Integration in einem eigenen Framework. Durch die Automatisierung des FTS-Onboarding-Pro­zesses wurde eine nahtlose Datenkonnektivität ermöglicht. Des Weiteren wurde eine Datenhistorie, insbesondere mit positionsrelevanten Daten und Visualisierung von FTS-Parametern (Batteriestand, Motordrehzahl, Vorfälle, Zyklus­zeiten etc.), für den späteren Zugriff angelegt.

Die Implementierungszeit durch ein vorgefertigtes FTS-Integrationssystem wurde deut­lich verkürzt, so Theilig. Außerdem habe man harmo­nisierte Datensätze erzeugt, die später für die KI-basierte Logistikoptimierung und das maschinelle Lernen zur Verfügung stehen.

Um eine bidirektionale Datenintegration mit Siemens MindSphere zu ermöglichen, wer­den die harmonisierten Daten in Siemens MindSphere übertragen und die Verwaltung der Siemens-Industriegeräte in der Produktion durch eine enge Integration der Indus­trial Edge Cloud Appliance (On Premise) und Siemens MindSphere (Cloud-based) mit ein­gebunden. Die Ergebnisse sind Echtzeit-Fähigkeit der Anwendungen und Daten­sou­veränität für den Kunden durch ein kundengesteuertes Datenmanagement vor Ort und in der Cloud.

German Edge Cloud GmbH & Co. KG
www.gec.io

News

Fachbeiträge

Weitere Fachbeiträge

Die Demokratisierung von maschinellem Lernen in der Industrie

Seit mehreren Jahren dringt die Digitalisierung immer weiter in die industrielle Produktion vor. Die Verheißungen, durch Datenerhebung und -analyse die eigene Effizienz und Produktivität zu steigern sowie neue datenbasierte Geschäftsmodelle zu entwickeln, klingen vielversprechend in einem Zeitalter, in dem die meisten Unternehmen auf der Suche nach neuen Wachstumsmöglichkeiten sind. Ein Bereich, dem ein enormes Potenzial zugeschrieben wird, ist künstliche Intelligenz bzw. Machine Learning. Ein Kommentar von Tobias Gaukstern, Leiter der Business Unit Industrial Analytics bei Weidmüller.

Entwicklungsprognose

Entwicklungsprognose Trends für die Fabrik der Zukunft Wohin entwickeln sich die Fabriken in den nächsten Jahren? Philipp Wallner von MathWorks wagt die Prognose, das fünf Faktoren darunter sein werden, die individuelles Fertigen und Ressourceneffizienz in Einklang...

Künstliche Intelligenz für Gebäude

Künstliche Intelligenz (KI) gilt als Schlüsseltechnologie der kommenden Jahre für die Bereiche Autonomes Fahren, Industrie 4.0 und Medizintechnik. Auch im Gebäudemanagement setzt man längst auf automatisierte Lösungen. Bei neuen Bauvorhaben wünschen sich Betreiber immer häufiger smarte Technologien. Gebäude werden mit einer Vielzahl an Sensoren ausgestattet: von IP-Kameras über Feuer- und Rauchmelder, Thermostatregler und weiteren Überwachungssystemen für Heiz-, Lüftungs- und Klimatechnik bis hin zu biometrischen Lesegeräten für die Zutrittskontrolle. All diese IP-Geräte werden mit jeder Entwicklungsstufe immer intelligenter. Werden sie alle mittels Software vernetzt, entsteht ein intelligentes Gebäude.

Cyber-Bedrohungen 2020

Fortgeschrittene KI und intelligente Bedrohungs-Desinformation Cyber-Bedrohungen 2020 Der Cybersecurity-Anbieter Fortinet hat die Prognosen von FortiGuard Labs zur Bedrohungslandschaft für 2020 veröffentlicht. Die Analysten von Fortinet zeigen darin Methoden, die...

Lernende Objekterkennung in Echtzeit

Heutige Inspektionsssteme sind auf wenige, sehr akkurat justierte Objekttypen herstellerseitig justiert. Kommen neue Produkttypen hinzu, müssen die Systeme zeitaufwendig neu justiert werden. Die KI-Inspektionsplatform von Gestalt Robotics beseitigt diese Hürden.

Maschinenlernen eingebettet

Bisher wird der gewünschte Zusammenhang zwischen den jeweiligen Eingangs- und Ausgangsdaten einer Automatisierungsbaugruppe mittels wissensbasierter Regeln in einer Hoch- oder SPS-Programmiersprache kodiert und auf einem eingebetteten System ausgeführt. In Zukunft lassen sich Embedded Systeme in der Automatisierung auch per Supervised Machine Learning für eine bestimmte Aufgabenstellung trainieren.

Zwischen Regelwerk und Selbstlernen

Nach einer Studie von Gartner soll bis 2022 der Geschäftswert von KI auf 2,85 Billionen Euro steigen. Der Löwenanteil davon wird voraussichtlich auf den Bereich der Kundenerfahrung entfallen, für das schon ausgereifte Tools am Markt existieren. Dieser Überblick zeigt, wie es heute um KI im Field Service Management steht und wohin die Reise geht.

Psychometrie im Vertrieb

Psychometrie im Vertrieb Souffleuse für das Verkaufsgespräch Ein neuer Trend in der Marketing-Kommunikation ist die KI-gestützte Stimmungsanalyse der Gesprächspartner: Sentimentanalysen in Verbindung mit Spracherkennung wie bei Amazons Alexa, IBM Watson, oder Google...

Direkte Roboteransteuerung

Direkte Roboteransteuerung Mit dem Ziel der direkten Roboteransprache über die neue Steuerung SmoothAi haben Mazak und namhafte Roboterhersteller ihre Zusammenarbeit intensiviert. Den Kern der SmoothAi machen drei wesentliche Eigenschaften aus: das so genannte Machine...

News

→ MEHR