Künstliche Intelligenz im Maschinenbau

Künstliche Intelligenz im Maschinenbau

Learning by digital doing

Die 3D-Simulation von Anlagen und Prozessen kann dabei helfen, Fehler im realen Betrieb zu vermeiden. (Bild: Machineering GmbH & Co. KG)

Die 3D-Simulation von Anlagen und Prozessen kann dabei helfen, Fehler im realen Betrieb zu vermeiden. (Bild: Machineering GmbH & Co. KG)

Die Simulation von Anlagen ist im Maschinenbau kaum noch wegzudenken. Ein zuverlässiges 3D-Modell erleichtert die Isolation von relevanten Zustandsgrößen an der realen Maschine und reduziert somit den erforderlichen Rechenaufwand. Machineering zeigt Lösungen auf, wie ein digitaler Prototyp das Anlagenverhalten begünstigen kann und damit der Künstlichen Intelligenz im Maschinenbau die Tür öffnet.

Im Engineering-Prozess fungiert die Software industrialPhysics als Testbett für den Entwurf der zu entwickelnden KI. Denn aus den erzeugten Modellen dieser physikbasierten Software entsteht so ein virtuelles Trainingscenter, das die Algorithmen für Ihre Aufgabe vorbereiten soll: Die Überwachung der Produktivität von Maschinen und Anlagen. Prinzipiell wird die Simulation derzeit von Ingenieuren als Werkzeug genutzt, um zu Erkenntnissen zu gelangen, die nach Richtlinie VDI3633-1 auf die Realität übertragen werden können. In Fortführung dieser Vorgehensweise setzt der Ingenieur die KI vor Betrieb der realen Maschine ihrer Lernaufgabe im simulierten Umfeld aus.

Hardware in the Loop & KI

Die Trainingsumgebung – basierend auf einer Hardware-in-the-Loop-Simulation – besteht aus dem Maschinenmodell, einer realen oder virtuellen Steuerung sowie dem KI-System. Somit kann das Zusammenspiel aller drei Komponenten getestet werden. Dies ist wichtig um der Künstlichen Intelligenz zu ermöglichen, verschiedene Algorithmen zu testen und mögliche Fehler selbst zu erleben, mit dem Ziel sie im realen Betrieb zu vermeiden. Auch die Lernziele können so durch den Ingenieur ohne Risiko festgelegt und überprüft werden. Weiteres Potential der Nutzung von 3D-Simulationen in der Produktion – also parallel zum laufenden Betrieb – befindet sich in der Berechnung relevanter Größen aus dem 3D-Modell, die real nur mit hohem Aufwand messbar wären.

Seiten: 1 2 3Auf einer Seite lesen

machineering GmbH & Co. KG
www.machineering.de

Das könnte Sie auch Interessieren

Bild: Conductix-Wampfler AG
Bild: Conductix-Wampfler AG
Lösungspaket für FTS und AMR

Lösungspaket für FTS und AMR

Conductix-Wampfler, ein Hersteller von Systemen für die Energie- und Datenübertragung zu beweglichen Verbrauchern, zeigt auf der diesjährigen Logimat ein umfangreiches Lösungspaket für fahrerlose Transportsysteme und autonome mobile Roboter, bestehend aus Systemen zur Batterieladung, Energiespeichern und Kommunikationslösungen inklusive einem Nothalt-System.

Bild: Faulhaber/ EduArt
Bild: Faulhaber/ EduArt
Einstieg in die mobile Robotik leicht gemacht

Einstieg in die mobile Robotik leicht gemacht

Typischerweise entlasten Roboter Menschen von monotonen Tätigkeiten. Das gilt auch für den Transport in der Produktion und Intralogistik. Hier können in zahlreichen Anwendungsfällen autonome mobile Roboter oder fahrerlose Transportsysteme zu effizienzsteigernden Helfern werden. Allerdings fehlt in vielen Unternehmen noch das Knowhow bzw. die Erfahrung im Umgang mit diesen Systemen. Eine entsprechende Roboterlernplattform erleichtert Anwendern nun den Einstieg in die Welt von AMR und FTS. Von den eingesetzten Antrieben wird in der Lernplattform ebenso wie in der realen Anwendung einiges verlangt.

Bild: Linde Material Handling GmbH
Bild: Linde Material Handling GmbH
Auf dem Weg zum autonomen Outdoor-Stapler

Auf dem Weg zum autonomen Outdoor-Stapler

Im Forschungsprojekt ‚KAnIS – Kooperative Autonome Intralogistik Systeme‘ haben die Projektpartner Linde Material Handling und die technische Hochschule Aschaffenburg Lösungen für die anspruchsvollen Einsätze autonomer Gegengewichtsstapler entwickelt, die sowohl im Innen- als auch im Außenbereich Lasten bewegen. Ein Schwerpunkt lag auf deren kooperativem Verhalten: Über ein 5G-Netz und einen Edge-Server tauschen die Fahrzeuge Informationen in Echtzeit aus und können sich gegenseitig vor Hindernissen warnen.