Teil 3 des Berichts über das Plastics Innovation Center 4.0 (PIC 4.0) an der RWTH Aachen beschreibt die Informationsflussplanung, mit der eine konsistente Datenbasis für zukünftige Prozessoptimierungen ebenso gewährleistet wird wie eine gesteigerte Transparenz.

Beispielhafter Informationsfluss entlang des Materialflusses über mehrere Wertschöpfungsstufen  einer Spritzgießfertigung hinweg (Work-Center-Ebene)

16:9

Standardisierung gewährleistet zukünftig hohe Datenqualität

Spritzgießen

Kunststoffverarbeitung: Verfahren

Digitale Transformation

Wirtschaft

Innovationen und neue Technologie

Vernetzung / Cloudlösung für die Kunststoffverarbeitung

Industrie 4.0

Industrie 4.0 für die Kunststoffverarbeitung

Blasfolienextrusion

Kunststoffverarbeitung: Maschinen und Komponenten

IoT-Plattformen für die Kunststoffverarbeitung

Informationsfluss aus einem Guss

Die Qualität von Spritzgussteilen und die Prozessstabilität sind bis heute von den Kenntnissen und Erfahrungen des Einrichters abhängig. Durch die wachsende Zahl an Freiheitsgraden entstehen Wirkzusammenhänge zwischen Bauteilqualität und Prozessparametern.

Vollvernetzte Fertigungszelle mit Datenrückführung in die Spritzgießmaschine

Modellgestützte Prozesseinrichtung durch vollvernetzte Produktion im Spritzgießen

Industrie 4.0 für die Qualitätssicherung

Künstliche Intelligenz für die Qualitätssicherung

Prozessvisualisierung

Automatisierungstechnik

Prozesssimulation

Software

Simulation

Mess- / Regel- und Prozessleittechnik

Prozessautomation

IoT-Plattformen für die Qualitätssicherung

Spritzgießmaschinen

Machine Learning für die Qualitätssicherung

Big Data für die Qualitätssicherung

Qualitätssicherung Kunststoff

Qualitätssicherung

Jenseits menschlicher Fähigkeiten

Die Sicherung der Wettbewerbsfähigkeit am Standort Deutschland erfordert neben einer kosteneffizienten Produktion insbesondere hochwertige Produkte. Die Vorwerk Elektrowerke stellen sich dieser Herausforderung. In Zusammenarbeit mit dem Institut für Produkt Engineering der Universität Duisburg-Essen erprobt das Unternehmen eine 100-%-Inline-Qualitätserfassung sowie eine Qualitätsprognose durch maschinelles Lernen.

Kunden, die sich für den Staubsauger  Kobold VK 200 entscheiden, erwarten höchste Qualität. Um diese sicherzustellen, laufen im Produktionswerk in Wuppertal  Versuche zur Einführung von  Industrie-4.0-Maßnahmen

Mit Automatisierung und künstlicher Intelligenz die digitale Transformation gestalten

Mehrkomponenten-Spritzgießen

Kameras, intelligente

Fertigungsautomation

Bildverarbeitung

Datenanalyse

Inline- / Online-Messsysteme

Inline-Qualitätserfassung und  datenbasierte Qualitätsprognose

Während der vergangenen Monate haben sich viele firmeninternen Abläufe und Entwicklungsprozesse verlangsamt und auch verändert. Trotz allem ist die Zeit nicht stehen geblieben, auch nicht in der Spritzgießtechnik. Dabei haben vor allem zwei Themen die Diskussion und Entwicklung geprägt: Digitalisierung und Kreislaufwirtschaft. Nachfolgend einige Beispiele von Entwicklungen und Projekten, die das untermauern.

In die durchgehend 3D-geformte Instrumentenblende sind zwei Displays nahtlos integriert

Innovatives Spritzgießen in Zeiten der Pandemie

Schaumspritzgießen

Steuern, Regeln

Folientechnik (IMD, IML, FIM, u.a.)

Spritzgießwerkzeuge

Werkzeuge für die Kunststoffverarbeitung

Spritzprägen

Biokunststoffe

Kunststoff Werkstoffe

Spritzgieß-Sonderverfahren

Nachhaltigkeit

Umweltmanagement

Spritzgießsimulation

Machine Learning

Schnecken und Plastifiziersysteme

Kunststoff-Recycling

Kunststoff-Aufbereitung

Lasermarkieren

Oberflächentechnik

Laserbearbeitungen

Kreislaufwirtschaft

Hinterm Horizont geht’s weiter

Kuka warf in einem Pressegespräch einen Blick in die Zukunft der Fertigung und zeigte, wie Unternehmen durch die Verknüpfung von KI und dem Internet of Things Effizienz, Produktqualität und Umsatz steigern können.

„In zehn bis 15 Jahren wird Künstliche Intelligenz in jedem Produktionsprozess sein“, sagt Martin Rugfelt, CEO von Sentian

Technik Trend

kunststoffe.de

Kunststoffverarbeitung

Roboter

Maschinenbau

Smart Factory durch Künstliche Intelligenz und IoT

Im Rahmen einer Online-Befragung haben Vertreter der Kunststoffindustrie ihre Erwartungen an das Plastics Innovation Center 4.0 (PIC 4.0) formuliert. Neben besseren Möglichkeiten, die Forschungsergebnisse in die industrielle Praxis zu übertragen, erwarten die Befragten vor allen Dingen Fortschritte im Bereich der Qualitätssicherung, Prozessoptimierung, Simulation und Verknüpfung von Prozessketten. Um diese Fragestellungen zu ergründen, werden im PIC 4.0 praxisnahe Demonstratoren aufgebaut.

Bild 2. Das Recycling von PET-Flaschen bietet einen geeigneten Anwendungsfall als Demonstrator für geschlossene Stoffkreisläufe

Teil 5 der Serie: Praxisnahe Demonstratoren für das Plastics Innovation Center 4.0

Messdatenerfassung und -verarbeitung

Prozessoptimierung

Prozessmanagement

Kunststoff-Rezyklat

Den Anwendernutzen  ins Visier genommen

Von 16. bis 24.August 2021 fand eine Hausmesse bei der LWB-Automation in Weinheim / Baden Württemberg statt, die sich an vorab eingeladene Firmenteams richtete und sehr gut angenommen wurde.

An insgesamt vier Veranstaltungstagen wurden die Automatisierungs-Exponate unter Einhaltung strenger Anti-Corona-Maßnahmen mit zahlreichen Firmenteams diskutiert.

Automatisierungszellen

Automatisierungskomponenten

Produkt- / anbieterspezifische Automatisierung

Erfolgreiche Hausmesse bei LWB-Automation

Wie genau die Zusammenarbeit deutscher Werkzeugbaubetriebe mit ihren Gegenübern in der Serienproduktion in Zukunft gestaltet sein wird, ist nur schwierig zu prognostizieren. Dass digitale Vernetzung und Nachhaltigkeit dabei eine wesentliche Rolle einnehmen und eng miteinander verbunden sein werden, darf man allerdings voraussetzen.

Was die beiden Trendthemen für Werkzeugbau und Serienproduktion bedeuten

Werkzeug- und Formenbau

Dienstleistungen

Werkzeug-, Formen- und Modellbau

Energieeffizienz

Vorbeugende Instandhaltung für die Qualitätssicherung

Ressourcenmanagement

Produktion

Der Werkzeugbau der Zukunft – digital vernetzt und nachhaltig

Für sein Kundenportal „arburgXworld“ hat der Maschinenhersteller Arburg auf der Fakuma 2021 zahlreiche neue digitale Features für Spritzgießanwendungen vorgestellt, mit denen sich die Produktionseffizienz weiter steigern lässt. Dazu zählen zum Beispiel Assistenzfunktionen der Gestica-Steuerung für die Optimierung von Zykluszeit und Energiebedarf sowie die Kundenportal-App „AnalyticsCenter“ für die Prozessanalyse.

Der Umfang der Gestica-Steuerung wurde um neue Assistenzfunktionen und Features erweitert.

Kunden können eigenes Equipment ins Portal „arburgXworld“ einbinden

Neue Apps erleichtern  den Spritzgieß-Alltag

Das Exzellenzcluster „Internet of Production“ an der RWTH Aachen erforscht die Strukturen, Potenziale und notwendigen Services, die es braucht, um ein „Google der Produktion“ zu realisieren.

Das Plastics Innovation Center 4.0 als Teil eines Netzwerks produktionstechnischer Institute am Aachener Campus Melaten

Das IKV bietet eine praxisnahe Demonstrationsplattform für exzellente Zukunftsforschung

Das PIC 4.0 im Internet of Production

„Circular Economy“ ist nicht nur das Schwerpunktthema der K 2019, sie bildet auch den „grünen“ Faden beim Messeauftritt des Spritzgießmaschinenbauers und Systemanbieters Engel.

Dr. Stefan Engleder, CEO der Engel Gruppe: „Die Kunststoffindustrie trägt eine globale Verantwortung“

Engel befürwortet starkes Engagement der Kunststoffindustrie für Kreislaufwirtschaft

Doriat, Clemens, Dr.

Messe K-Kunststoffmesse

Verbundwerkstoffe / Werkstoffverbunde

Co-Injektion (Barriere-/Sandwich-Spritzgießen)

Organobleche (gewebeverstärkte Thermoplast-Halbzeuge)

Halbzeuge und Zwischenprodukte

Kunststoff-Halbzeuge

Ein zweites Leben für Kunststoffe

Ein Werkzeuglogbuch in Papierform ist, gerade wenn es benötigt wird, oft nicht greifbar. Oder unvollständig, denn die Pflege der Informationen ist mit erheblichem Aufwand verbunden. Ein Cloud-unabhängiges elektronisches Werkzeugbegleitheft, das direkt in das Werkzeug integriert ist, könnte alle relevanten Daten direkt zur Verfügung stellen. Durch den digitalisierten Zugriff würden das Lesen bzw. Hinzufügen von Inhalten durch autorisierte Personen ermöglicht und im Bedarfsfall wichtige Anleitungen zum Gebrauch sowie Informationen über den Zustand des Werkzeugs bereitgestellt.

Das montierte ImPro-Modul im Einsatz an einem Demonstratorwerkzeug unter produktionsnahen Bedingungen

Das elektronische Werkzeuglogbuch als Kombination von Betriebsanleitung und Checkheft

Werkzeuginnendrucksensoren

Messtechnik

Sensoren / Messwertaufnehmer

Papierlose QM-Dokumentation

Qualitätsmanagement

Dokumentationsmanagement

Werkzeugkonstruktion

Werkzeugüberwachung

Toolmanagement

Mobile Datenerfassung

Logistik

Lagertechnik

Fernwartung / Ferndiagnose

Instandhaltung

Dokumentenmanagement, CAQ

Datenmanagement am Werkzeug

Um Kunden schnellere Hilfe bei Fehlern und weitere Services bieten zu können, führt die Dr. Boy GmbH & Co. KG den neuen Smart Remote Service ein.

Mit dem Smart Remote Service (SRS) bietet die Dr. Boy GmbH & Co. KG für ihre Maschinen schnelle, einfache und vielfältige Hilfestellung durch einen erfahrenen Servicetechniker

Spritzgießmaschinen, allgemein

Online-Unterstützung per Klick

Digitalisierung ist mehr als der Kauf von Softwarelösungen. Es geht um nicht weniger als eine ganzheitliche Transformation. Volume Graphics und Simcon geben praktische Tipps für Konstrukteure, Entwickler und Produzenten von Spritzgießformteilen.

Software für Prozessmanagement

Digitalisierung des Spritzgießdesigns

Die sechs Marken von Barnes Molding Solutions haben auf der Fakuma 2021 gemeinsam ihre breite Palette an Werkzeugbau- und Heißkanaltechnik, einschließlich integrierter Lösungen für die Temperatur- und Prozessregelung präsentiert.

Auf dem Flip-Top-Verschluss ist das digitale Wasserzeichen visuell nicht wahrnehmbar, kann aber wie ein Code (rechts grafisch nachgestellt) ausgelesen werden

Messe Fakuma

Heißkanalsysteme

Komponenten für die Kunststoffverarbeitung

One-Stop-Shop-Lösung für alle Märkte

„Intelligente Automatisierung bringt Anlagen näher an ihr Optimum“

Artificial Intelligence of Things: Trends und Vorbilder für die Kunststoffindustrie

Der jüngste Trend in Sachen Digitalisierung ist Artificial Intelligence of Things. Gemeint ist die Verbindung der künstlichen Intelligenz mit dem Internet der Dinge. Wie Unternehmen davon konkret profitieren und was Kunststoffhersteller von den Vorreitern aus anderen Branchen lernen können, darüber sprechen Martin Dimmler und Martin Rugfelt im Interview.

Für eine Smart Factory sind das Internet of Things und die künstliche Intelligenz zwei Seiten derselben Medaille. In Kombination ermöglichen sie eine intelligente Automatisierung von Industrieprozessen und hebeln ungeahnte Optimierungspotenziale. Kann auch die Kunststoffindustrie davon profitieren und auf den Erfahrungswerten anderer Branchen aufbauen? Die beiden Experten Martin Dimmler und Martin Rugfelt, der eine Head of Solution Strategy & Solution Engineering von Device Insight und der andere CEO von Sentian, geben einen Überblick über technologische Trends rund um IoT und KI und schildern die Erfolgsfaktoren von Artificial Intelligence of Things.

Der digitale Wandel der Industrie und die Frage, wie die Fabrik der Zukunft aussehen soll, beschäftigen uns schon eine ganze Weile. Herr Dimmler, smarte Prozesse, vernetzte Produkte, digitale Geschäftsmodelle – ist das alles schon Realität? Wie weit sind Unternehmen beim Internet of Things im Jahr 2021?

Martin Dimmler: Bei vernetzten Produkten sind einige Unternehmen inzwischen sehr weit. Wir sehen Anbieter von Industriestaubsaugern, Traktoren, Standheizungen fürs Auto oder Kaffeeautomaten, die mit der Digitalisierung vor Jahren begonnen haben und sich nun mit ausgereiften Lösungen auf dem Markt vom Wettbewerb abheben. Einige Unternehmen entwickeln sogar bereits die zweite oder gar dritte Generation ihrer IoT-Lösung und etablieren innovative Geschäftsmodelle. Durch die Pandemie sind vor allem IoT-basierte Remote Services nochmal ins Visier geraten. Wer hier bereits eine funktionierende Lösung ins Leben gerufen hatte, ist gut durch die Krise gekommen. Um ein Beispiel zu nennen: Unser Kunde Krones, ein bayerischer Hersteller von Abfüll- und Verpackungstechnik, hat weltweit über 20 000 Anlagen verbunden und ermöglicht damit 600 Remote-Service-Mitarbeitern eine effiziente Wartung rund um die Uhr.

Wie steht es mit dem Industrial Internet of Things?

Dimmler: Beim IIoT ist man noch etwas hintendran. Im Moment sehen wir in erster Linie Konzerne und große Mittelständler, die zumindest schon mal Proofs of Concept entwickelt haben, um die technische Machbarkeit einer IIoT-Lösung zu prüfen, und hier exemplarisch einzelne Maschinen oder eine Fertigungslinie digitalisiert haben. Dabei haben sie gemerkt, welche Potenziale in ihren Prozessen schlummern und mittels IIoT gehoben werden können. Grundsätzlich denken immer mehr Unternehmen die Digitalisierung ihrer Werke und Produktionsstätten von Grund auf neu.

Was sind die größten Trends, die sich aktuell bei der Umsetzung von IoT- und IIoT-Projekten abzeichnen? Wohin geht Ihrer Einschätzung nach die technologische Entwicklung?

Dimmler: Der erste Trend betrifft die Datenstrategie. Unternehmen, die bereits erste praktische IoT-Erfahrungen gesammelt haben, arbeiten verstärkt daran, ihre Datenquellen zu vereinheitlichen. Im Kern geht es darum, eine konsequente Datenarchitektur zu entwickeln und umzusetzen. Dabei sind auch standardisierte Protokolle und Architekturen enorm wichtig. Erfreulicherweise setzt sich in der Industrie immer mehr der Kommunikationsstandard OPC UA durch, der einen herstellerunabhängigen Datenaustausch zwischen einzelnen Maschinen bis hoch zur Cloud und damit eine echte Interoperabilität ermöglicht. Den zweiten Trend markiert die Konvergenz von Edge und Cloud Computing. Beide Technologien haben inzwischen einen hohen Reifegrad erreicht. Optimierte Hybridlösungen können die Stärken beider Konzepte nutzen.

Dimmler: Als dritten und sicher wichtigsten Trend sehen wir die Akzeptanz der Cloud. Hier hat eine völlige Kehrtwende stattgefunden, von der Skepsis, über die Bereitschaft zur Nutzung, bis hin zum regelrechten Haben-Wollen. Unternehmen haben erkannt, dass es nicht wirtschaftlich ist, eine eigene Infrastruktur samt Rechenzentrum aufzubauen. Wer Verfügbarkeit und Kosten optimieren und dabei gleichzeitig an Skalierbarkeit und Flexibilität gewinnen möchte, erhält mit Cloud-nativen Lösungen völlig neue Spielräume. Nach anfänglichen Bedenken haben die meisten inzwischen auch die Vorteile der hohen Investitionen in Sicherheitstechnologien erkannt, wie sie nur die Hyperscaler a là Microsoft Azure und AWS leisten können. Bei Device Insight hatten wir diesen Trend schon früh auf dem Schirm und bieten deshalb Produkte an, die eine native Integration in Form von Lösungsbausteinen in die großen Plattformen ermöglichen.

Kommen wir zu einem weiteren Trend: Artificial Intelligence of Things, kurz AIoT. Herr Rugfelt, welche Rolle spielt die Verbindung aus KI und IoT bei der Digitalisierung?

Martin Rugfelt: Künstliche Intelligenz ist bei der Digitalisierung von Unternehmen allgegenwärtig. Erfolgsentscheidend ist allerdings nicht die Technologie, sondern die Betrachtung von Prozessen und Produkten, das Vorhandensein von Know-how und vor allem die Definition von Unternehmenszielen und Business Cases. Viele Unternehmen vergessen, die richtigen KPIs zu setzen, die mithilfe von AIoT operationalisiert werden sollen. Dabei ist es völlig realistisch, mit AIoT die Kosten einer Abteilung um zehn Prozent zu senken. Natürlich gibt es unter den CEOs auch Vorreiter, die ganz klare Ziele setzen und beispielsweise die Qualität ihrer Produkte verbessern, die Ausbeute erhöhen oder Ausschuss reduzieren wollen. Und das können sie auch – vorausgesetzt sie sehen AIoT-Anwendungen nicht als abgegrenzte Projekte, sondern als Teil des Kerngeschäfts.

Rugfelt: Mein Eindruck ist, dass immer mehr Unternehmen beginnen, den ganzheitlichen Wert von AIoT zu verstehen. Wir sehen Anwendungen, in denen es nicht mehr allein um die Analytik eines bestimmten Problems geht, sondern um die Integration von AIoT in einer Produktanwendung, nicht mehr nur um einen reinen Proof of Concept, sondern um die Nutzung im laufenden Betrieb. Und genau daraus erwächst der wahre Geschäftsnutzen einer Verknüpfung von KI und IoT.

AIoT soll die Automatisierung in der Produktion auf ein neues Level heben. Was bedeutet das? Was steckt hinter der „intelligenten Automatisierung“?

Rugfelt: Im Kern geht es bei der intelligenten Automatisierung darum sicherzustellen, dass Maschinen und Anlagen näher an ihrem Optimum arbeiten – und zwar unabhängig davon, wer sie bedient, und an welchem Standort sie sich befinden. Hier spielt auch das Thema Fachkräftemangel mit rein, weil wir wissen, dass moderne Maschinen immer komplexer werden. Vor allem aber geht es darum, dass traditionelle Steuerungssysteme für ganz bestimmte Aufgaben von Menschen programmiert worden sind. Sie sind nicht dazu in der Lage, zu lernen oder sich anzupassen. KI-Algorithmen dagegen können innerhalb kürzester Zeit zahllose Kombinationen untersuchen, bis die beste Lösung gefunden und ein Produktionsschritt optimiert ist. Nehmen wir das Beispiel des Advanced Process Control, kurz APC: Wird die modellbasierte Regelung durch KI ersetzt, haben Unternehmen signifikante Verbesserungen und Kostensenkungen zu erwarten. Gerade in solchen graduellen Verbesserungen, von denen es in einer Produktion sicher einige geben wird, steckt für Unternehmen die Chance auf einen Wettbewerbsvorsprung.

Rugfelt: McKinsey spricht von einer potenziellen Effizienzsteigerung von drei bis 30 Prozent, IBM von einem Produktivitätszuwachs bis zu 25 Prozent. Und auch aus unseren eigenen Projekten wissen wir, dass sich selbst eine feine Justierung mit KI merklich auf den Unternehmensertrag auswirken kann. So gelang es unserem Kunden Jumo, den Anteil seiner „highest quality“-Sensoren um acht Prozent zu steigern – umgerechnet eine Qualitätsverbesserung von 20 Prozent.

Vielen ist der Begriff der Predictive Maintenance geläufig, bei der die Verbindung von KI und IoT bereits zum Tragen kommt. Warum reicht die vorausschauende Wartung nicht mehr aus?

Dimmler: Die vorausschauende Wartung und die intelligente Automatisierung schließen sich nicht aus. Erstere ist und bleibt ein Anwendungsfall des IIoT, in dem man allerdings stärker mit Domänen-Know-how und mit klassischer Datenanalyse arbeitet. Gleichzeitig haben wir erkannt, dass wir mit AIoT sehr viel größere Potenziale hebeln können, fernab von Predictive Maintenance. Schauen wir uns den Maschinenbau an: Die Maschinen von heute sind hochentwickelt und zeichnen sich durch eine extrem hohe Verfügbarkeit aus. Um hier mithilfe der KI überhaupt noch optimieren zu können, bräuchte man eine wirklich hohe Anzahl von dokumentierten Ausfällen, um den KI-Algorithmus zu trainieren. Genau diese Ausfälle kommen jedoch relativ selten vor. Außerdem steckt der wahre Business Value weniger in der höheren Verfügbarkeit als vielmehr in der Prozessoptimierung.

Wie gehen Sie bei einem AIoT-Projekt konkret vor?

Rugfelt: Unser gemeinsamer AIoT-Ansatz umfasst fünf Schritte. Zunächst führen wir ausgehend von den Anforderungen des Unternehmens einen KI- und IoT-Readiness-Check durch. Dabei untersuchen wir Umfang, Qualität und Verfügbarkeit der IoT-Daten, die in die KI-Lösung integriert werden sollen. Häufig liegen nur wenige Daten vor, da sie nicht systematisch gespeichert worden sind. Oder aber die vernetzten Geräte erzeugen riesige Datenmengen, die zunächst gefiltert und strukturiert werden müssen. Gerade bei manuellen Abläufen entstehen oft Datenlücken, die wir jedoch mit unseren Modellen auf Basis vorhandener Werte füllen können. Im zweiten Schritt erstellen wir ein Use-Case-Design, ergänzt um einen Proof-of-Value-Plan, bei dem wir eine Prognose darüber aufstellen, wie sich unsere Lösung auf das operative Geschäft auswirken wird. In Schritt 3 folgt die Umsetzung, das heißt wir vernetzen die Maschinen und Anlagen mit der Cloud, begleiten das Sammeln und Aggregieren der Daten und sorgen für die Visualisierung. Damit erhalten wir einen tiefgehenden Einblick in die Prozesse und schaffen so die Grundlage für die Integration unserer KI-Lösung. Anschließend überprüfen wir, ob der Proof of Value erbracht wurde. Ist das der Fall, folgt im fünften und letzten Schritt der Roll-out unserer KI-Lösung in die Unternehmensproduktion. Sämtliche relevanten Systeme können nun integriert werden.

Wo liegen aus Ihrer Sicht die größten Stolpersteine bei der Umsetzung von AIoT-Lösungen?

Rugfelt: Wichtig ist, an ein AIoT-Projekt zielorientiert heranzugehen. Das bedeutet, sich von vornherein zu überlegen, welche Optimierungsstrategie man mithilfe von AIoT umsetzen möchte. Ambitionierte Unternehmensziele und die nötige Aufmerksamkeit seitens des Top-Managements helfen, um sich nicht in Einzellösungen zu verlieren, sondern groß zu denken. Die beiden Technologien KI und IoT sind wirklich mächtig und haben das Potenzial, auf unterschiedlichste Anwendungsfälle, Maschinen und – denken Sie an neue Geschäftsmodelle – auch auf Endkunden übertragen und skaliert zu werden. Das ist vielen noch nicht bewusst. Natürlich ist es wenig ratsam, mit einem hohen Perfektionsanspruch in ein AIoT-Projekt zu starten. Besser ist es, iterativ vorzugehen und sich auszuprobieren. Nach dem Motto: Fail fast, learn faster. Nichts zum Wegwerfen produzieren, aber auch nicht zu lange planen – das bringt genauso wenig und ist am Ende teurer.

Dimmler: Sie müssen sich das IoT wie das Nervensystem einer Produktion vorstellen, während die KI das Gehirn darstellt. Das bedeutet, dass eine KI umso besser funktioniert, je mehr Signale, sprich: Daten sie erhält. Für eine hochwertige und gepflegte Datenbasis muss ich das Produktionsgeschehen möglichst umfangreich beobachten und auch Daten aus anderen Systemen einspeisen. Auch das ist eine wesentliche Voraussetzung für ein erfolgreiches AIoT-Projekt.

Welche Erfahrungen haben Sie in der Kunststoffverarbeitung gemacht?

Dimmler: Aktuell führen wir Gespräche mit Herstellern von Spritzgießmaschinen und Kunststoffverarbeitern, die ihre Fertigung flexibler gestalten wollen und dafür nach geeigneten IIoT-Konzepten suchen. Diese Flexibilität kennt man z. B. vom 3D-Druck und sie wird durch Trends wie der „Mass Customization“ weiter befeuert. Mithilfe von IIoT wollen wir eine solche Flexibilität mit den Stärken des Spritzgießens verbinden und dabei auf Wirtschaftlichkeit achten.

Rugfelt: Angesichts der Konkurrenz durch den 3D-Druck beschäftigen sich derzeit wohl die meisten Kunststoffverarbeiter mit der Frage, wie sie ihre Spritzgießprozesse optimieren können. Aufgrund von Schwankungen bei Temperatur, Füllgeschwindigkeit und Druck kommt es während der Spritzgießzyklen immer wieder zu Qualitätsmängeln. Kontrolliert und justiert werden die Verarbeitungsbedingungen zumeist nach der Trial-and-Error-Methode durch Ingenieure. Mit unserem AIoT-Ansatz können wir diesen Steuerungsschritt automatisieren und dafür sorgen, dass Prozesse, Materialien und Maschinen optimal zusammenspielen.

Das zweite Hauptanliegen der Kunststoffindustrie zielt darauf ab, den Energieverbrauch zu senken. Zum Beispiel möchte ein südamerikanischer Hersteller von PET-Flaschen, den wir gerade beraten, seinen Erdgasverbrauch reduzieren. Nicht allein um Kosten zu sparen, sondern auch um die Umweltbelastung zu verringern. Dafür arbeiten wir gerade an einem Use-Case-Design, um die Kesselbeheizung mittels einer AIoT-basierten Steuerung zu optimieren.

Sie haben es gerade angesprochen: das Thema Nachhaltigkeit. Welchen Beitrag leistet dazu AIoT?

Dimmler: Der ökologische Aspekt geht mit wirtschaftlichen Vorteilen Hand in Hand. Wir sehen zum Beispiel, dass AIoT-Lösungen nachweislich dazu beitragen, den Energieverbrauch in der Industrie zu senken, Schwankungen in der Produktion zu bewältigen sowie Abfälle und Ausschussraten zu reduzieren – und zwar über alle Branchen hinweg. Viele AIoT-Projekte, die wir aktuell beispielsweise im Automobilsektor oder in der Druckindustrie konzipieren, setzen sich explizit mit Fragen der Energieeffizienz auseinander. Das ist ein wichtiges Signal.

Wie ist Ihr Fazit: Werden die Chancen von Artificial Intelligence of Things in der Industrie erkannt und genutzt?

Rugfelt: Noch befindet sich das Thema am Anfang, aber es gibt erste Studien und erste Umsetzungsprojekte, die gerade ihren Lauf nehmen. Chinesische und US-amerikanische Unternehmen sind bei der Anwendung von KI allerdings schon viel weiter. Europa muss hier aus seinem Dornröschenschlaf aufwachen. Gerade in Deutschland gibt es noch immer einen sehr starken Fokus auf Predictive Maintenance. Gleichwohl zeichnet sich allmählich ein Paradigmenwechsel ab. Die Kraft der KI in Verbindung mit IoT-Daten wird zunehmend erkannt.

Device Insight GmbH  

https://www.device-insight.com

Ausgabenartikel KU10-21

In jeder Branche lassen sich mithilfe der Artificial Intelligence of Things (AIoT) wertschöpfende Chancen auf mehr Effizienz, Qualität und damit mehr Umsatz verwirklichen

Quelle: Künstliche Intelligenz in der Fertigung, IBM 2018, URL: <a href="http://www.ibm.com/downloads/cas/VWD75RJA">www.ibm.com/downloads/cas/VWD75RJA</a>; Grafik: © Hanser

In fünf Schritten zur AIoT-Lösung: Mit der Verknüpfung von KI und IoT können Unternehmen verborgene Produktionsprobleme aufspüren, Prozesse optimieren und das Qualitätsniveau ihrer Produkte steigern