Automatische Übersetzung anzeigen
Dies ist eine automatisch generierte Übersetzung. Wenn Sie auf den englischen Originaltext zugreifen möchten, klicken Sie hier
#Neues aus der Industrie
{{{sourceTextContent.title}}}
Machine Learning hebt industrielle Prozesse auf ein neues Niveau
{{{sourceTextContent.subTitle}}}
Heute tragen maschinelles Lernen und Technologien der künstlichen Intelligenz dazu bei, einige der größten Probleme zu lösen, mit denen Unternehmen im gesamten Industriespektrum konfrontiert sind
{{{sourceTextContent.description}}}
Durch die Steigerung der Effizienz und der Produktionsleistung in Bereichen wie der vorausschauenden Wartung und Reparatur, der Fehlererkennung und der Optimierung von Lieferketten beginnen sie auch Auswirkungen auf automatisierte Systeme zu haben.
In einer zunehmend digitalisierten und vernetzten Welt generiert und sammelt fast jedes Unternehmen Daten. Immer anspruchsvollere Algorithmen des maschinellen Lernens (ML) können diese Daten analysieren, um Vorhersagen zu treffen und Prozesse zu verfeinern. In Kombination mit anderen fortschrittlichen Technologien wie dem IoT hilft dies den Herstellern, in der heutigen Revolution von Industry 4.0 Fuß zu fassen.
Die KI ist ein Highlight der diesjährigen Hannover Messe. Für Marc Siemering, Senior Vice President - Industrie, Energie, Logistik für den Messeveranstalter Deutsche Messe AG,
Die Konnektivität ist entscheidend für neue Geschäftsmodelle, wie z.B. die zunehmende Zahl von Kunden, die jetzt von der Anwendung von ML und AI profitieren.
Intelligente Systeme
Viele der branchenspezifischen ML-Algorithmen, die derzeit entwickelt werden, sind iterativ. "Lernen" mit superschneller Geschwindigkeit, sie können Systeme anpassen und in Sekundenschnelle optimale Lösungen anbieten.
Mindsphere ist ein Cloud-basiertes, KI-fähiges offenes IoT-Betriebssystem, das Anfang dieses Jahres von Siemens veröffentlicht wurde. Es bietet Vorteile, die von einer verbesserten prädiktiven Wartung bis hin zur Echtzeit-Optimierung von Systemen und Anlagen reichen. Für Paul Hingley, Data Services Business Manager bei Siemens Digital Factory UK,
Durch die Verbindung von Produkten, Anlagen, Systemen und Maschinen ermöglicht Mindsphere den Anwendern, den vom IoT erzeugten Datenreichtum mit intelligenten Analysen zu analysieren und so die Gesamteffektivität der Anlagen zu steigern.
Mindsphere kann sogar auf älteren Systemen eingesetzt werden, indem Sensoren und Kommunikationsknoten an Motoren und Getriebesystemen angebracht werden. Es wurde in so unterschiedlichen Branchen wie Stromnetze (zur Klassifizierung und Lokalisierung von Störungen) und Windparks (zur Optimierung der Turbinenposition basierend auf meteorologischen Daten) eingesetzt.
Fortschrittliche Automatisierung
ML und AI wurden bereits in industriellen Anwendungen eingesetzt, die von der Spracherkennung bis zum Energiemanagement reichen. In der Robotik wird ML derzeit in zwei Hauptbereichen eingesetzt: zur Leistungsoptimierung und Verbesserung der Zuverlässigkeit sowie zur Erkennung und Reaktion der Roboter auf ihre Umgebung.
Ein Beispiel für letzteres ist das Ability Connected Services System des Roboterherstellers ABB. Diese nutzt fortschrittliche Cloud-basierte Analysen, um die Leistung einzelner Roboter oder ganzer Robotercluster zu untersuchen und diejenigen zu identifizieren, die unterdurchschnittlich leistungsfähig sind oder gewartet werden müssen.
Dr. Hui Zhang, Leiter des Produktmanagements bei ABB Robotics, erklärt:
Auf diese Weise können Kunden die hohen Kosten für ungeplante Ausfallzeiten vermeiden. Über die gesamte Lebensdauer eines Roboters kann dies zu erheblichen Einsparungen führen.
Heute sind viele Roboterarme auf einen sehr begrenzten Bewegungsumfang beschränkt. ML wird in Zukunft helfen, Motion-Control-Algorithmen für komplexe und vielfältigere Aufgaben zu entwickeln.
In Kombination mit Cloud Computing sind Algorithmen in der Lage, sehr komplexe Berechnungen durchzuführen. Dennoch haben wir immer noch keine generische ML-Engine, die in der Lage ist, Probleme auf die gleiche Weise zu lösen wie das menschliche Gehirn.
Von der Cloud zum Cobot
ML- und KI-Systeme für die Industrie basieren größtenteils in der Cloud. Doch das in San Francisco ansässige Startup Skymind arbeitet nun daran, ML direkt in Roboter einzubetten.
Im vergangenen Jahr veröffentlichte das Unternehmen SKIL Somatic, ein Software-Toolkit, das es Robotern ermöglicht, ihre Umgebung visuell zu erkennen, indem sie eine Art von ML verwenden, die als Convolutional Neural Network oder CNN bekannt ist. Es kombiniert dies mit einer Technik namens Verstärkungslernen, die KI verwendet, um es dem Roboter zu ermöglichen, bestimmte Aufgaben durch Versuch und Irrtum in einer simulierten Umgebung zu erfüllen.
SKIL Somatic arbeitet zunächst in der Cloud, wo von Robotern gesammelte Daten zur Generierung von ML-Algorithmen verwendet werden. Diese werden dann automatisch wieder in die Roboter eingebettet. Das bedeutet, dass intelligentere Roboter (kollaborative Roboter) sicherer und effektiver mit Menschen zusammenarbeiten können.
Edward Junprung, Skymind's Marketingleiter, betont:
Wir unterstützen nun eine wachsende Zahl von Unternehmen bei der Produktion von KI.
Die Software von Skymind ist Open Source, was bedeutet, dass die Entwickler bereits damit begonnen haben, die ML-Tools des Unternehmens in Robotergeräte wie Drohnen zu integrieren. Das Unternehmen hat sich auch mit dem japanischen Technologieriesen SoftBank zusammengeschlossen, um die Intelligenz von relativ "dummen" Industrierobotern, wie sie beispielsweise für die Lagerkommissionierung eingesetzt werden, zu erhöhen.
{{medias[114541].description}}