Der Bedarf nach dynamischer Produktion und damit der Möglichkeit des Wechsels zwischen Massenproduktion und Losgröße 1 steigt. Der Endkunde verlangt eine schnelle, pünktliche und ordnungsgemäße Lieferung. Diese Anforderungen treiben die intelligente Vernetzung einzelner Produktionsprozesse sowie die Integration von Warenbewegungen voran. Hierfür müssen Daten nicht nur generiert, sondern auch für die Optimierung der Wertschöpfungskette nutzbar gemacht werden – eine entscheidende Herausforderung für die Umsetzung von Industrie 4.0. „Wir wollen unseren Besuchern auf der Hannover Messe 2019 zeigen, wie Produktion und Logistik sinnvoll vernetzt werden können – und dank Datentransparenz Wertschöpfungspotenziale gehoben werden können. In Echtzeit“, erklärt Bernhard Müller, Senior Vice President Industry 4.0 bei Sick.

Dafür öffnet Sensorhersteller Sick erstmals die Tore seiner smarten Fertigung in Freiburg und brachte sie auf den Messestand nach Hannover. Per Livestream konnten Messe-Besucher verfolgen, wie Automated Guided Carts (AGC) in der ‚4.0 Now Factory‘ ihre Kreise ziehen, Produktionsroboter beliefern und fertige Produkte abtransportieren. Auf einem Dashboard ließen sich die Kennzahlen des 600 km weit entfernten Standortes abrufen. „All unsere Fahrzeuge, Bauteile oder Produktionszellen sind miteinander verbunden und liefern die Daten in eine Cloud. Die Produktion ist je nach Auftragslage und Anforderungen skalierbar. Automatisierte und manuelle Arbeiten finden nebeneinander statt und bringen die Vorteile beider Varianten für die effiziente Produktion zusammen“, erklärt Bernhard Müller. 

Das ‚Bosch Production Performance Management‘ (PPM) der ‚4.0 Now Factory‘ gewährt Einblicke in die Welt der Analyse von Prozess- und Sensordaten der Produktion: Zum einen wird dargestellt, wie Abläufe anhand von Analysen im Hinblick auf Effizienz weiter optimiert werden können. Zum anderen wird gezeigt, wie Ausfälle von Maschinen aufgrund von Predictive Maintenance Analysen vermieden und Servicetätigkeiten effizient geplant und umgesetzt werden können.

Zudem üräsentierte Sick in Hannover eine erste Anwendung basierend auf Deep-Learning-Algorithmen. Sick nutzt die Deep-Learning-Technologie, um die Funktionalität von Sensoren zu spezialisieren. Die Sensoren lernen, Informationen zu verarbeiten und erhalten dadurch neue Funktionen. Auch neue Prozesse werden möglich, wenn Sensoren Daten dank selbstlernender Algorithmen liefern, verarbeiten und analysieren. 

KI in realen Anwendungen

Ein Beispiel: Ein Sensor wird durch eine Vielzahl von Bildern darauf trainiert, eine Antwort auf eine spezifische Frage zu geben. Aus diesem Training heraus kann der Sensor dann selbstständig neue, ihm nicht bekannte Bilder einem Ergebnis zuordnen. „Zum Beispiel ar­beiten wir aktuell mit Deep Learning an einem Pilotprojekt in der Holzindustrie. Basis unserer Lösung ist eine Kamera mit Deep-Learning-Funktio­nalität“, erklärt Müller. Für eine optimale Ausnutzung des Rohstoffs Holz müssen Sägewerke wissen, wie die Verhältnisse im Holzstamm sind – wo befinden sich die Jahresringe, wo der Kern? „Herauszufinden, wie das Holz am besten genutzt werden kann, das haben wir der Kamera mittels Deep Learning beigebracht. Eine Aufgabe, die zuvor ausschließlich von Menschen erledigt werden konnte“, ergänzt Müller.