AIoT : Neuer Trend: Artificial Intelligence of Things
„Durch das Internet of Things und eine Vielzahl an vernetzten Maschinen stehen immer mehr Daten zur Verfügung. Diese sind jedoch wertlos, wenn sie nicht verwertbar in Entscheidungsprozesse eingebracht werden. Sie müssen also durch AI-Anwendungen so schnell wie möglich weiterverarbeitet und intelligent ausgewertet werden. Auch kann die künstliche Intelligenz Vergleiche zu anderen Prozessen, Systemen und deren Daten ziehen sowie durch das Lernen aus Erfahrungen künftige Aufgaben eigenständig lösen, Fehler vermeiden und Prozesse optimieren“, erklärt Martin Heinz, Vorstand der iTAC Software AG.
Die IoT-Struktur braucht also die Artificial Intelligence und diese wiederum benötigt das Internet of Things als Quelle für die Daten. Auch iTAC setzt auf diese Symbiose und ermöglicht Streaming- und Batch-Analytics auf einer zentralen, skalierbaren Plattform mit Out-of-the-Box-Zugriff auf MOM-Daten für eine vorhersagbare Produktion. Die iTAC.MOM.Suite macht sich neueste IIoT-Technik zu Nutze. Die Software iTAC.IIoT.Edge ist ein Bestandteil des MOM-Systems (Manufacturing Operations Management System), kann aber auch autark eingesetzt werden und ermöglicht in kurzer Zeit signifikante Verbesserungen in den Prozessen der Fertigung. Sie ist in der Lage, IIoT- mit MES-Daten zu flachen Datenstrukturen zu verbinden und diese Daten in Echtzeit zu analysieren. Dabei können die Datenpakete auch an andere vom Kunden eingesetzte Analyse- oder ML-/AI-Tools übergeben und auf anderen Plattformen erstellte ML-Modelle integriert werden.
Anspruchsvollere und hochwertigere Analysen
„Auf Machine Learning und künstlicher Intelligenz basierende Anwendungen im Analytics-Bereich machen anspruchsvollere und hochwertigere Analysen möglich als herkömmliche Technologien und Algorithmen es können. Die Künstliche Intelligenz kann zum Beispiel komplexe Muster in den Daten finden, Schlussfolgerungen ziehen und damit Vorhersagen treffen“, erklärt Martin Heinz.
Durch den Einsatz der Edge-Lösung von iTAC lassen sich zahlreiche ML-/AI-Use Cases für die fortschrittliche und digitalisierte Fertigung ausprägen, so zum Beispiel im Bereich der Prediction. Die entsprechende Überwachung von Maschinen- und Sensordaten ermöglicht es z. B., Ausfälle von Maschinen vorherzusagen. Ungeplante Maschinenausfälle können dadurch um bis zu 70 Prozent reduziert werden. Ein weiterer Use Case ist die Reduzierung von Testaufwänden. Die meisten SMT-Linien mit AOI haben mit einer hohen Rate an Fehlaufrufen zu kämpfen. Mit Hilfe von AI kann eine genaue Unterscheidung zwischen echten Defekten und falschen Aufrufen vorgenommen werden. Dies verringert den Bedarf an manueller Inspektion durch Operator um bis zu 60 Prozent und damit einhergehend Zeit und Kosten. Das Ergebnis ist ein höherer Durchsatz bei gleichzeitiger Unterstützung der Null-Fehler-Produktion.