fischertechnik Referenzprojekte Simulationsmodelle

Die Digitalisierung der Fertigungsindustrie hat zur Entwicklung von intelligenten Fabriken geführt. Diese fortschrittlichen Fabriken integrieren IoT-Sensoren in ihre Maschinen und Anlagen und ermöglichen es den Beschäftigten, datengestützte Erkenntnisse über ihre Fertigungsprozesse zu gewinnen.

Die Entwicklung beschränkt sich jedoch nicht auf intelligente Fabriken, die die physische Produktion automatisieren und optimieren. Mit dem Aufkommen virtueller Fabriken werden Simulationsmöglichkeiten und Fernüberwachung eingeführt, was zur Erstellung digitaler Zwillinge von Fabriken führt. Durch die Verknüpfung der Konzepte von intelligenten und virtuellen Fabriken können Hersteller ein höheres Maß an Effizienz, Produktivität, Flexibilität und Innovation erreichen. Die Einrichtung einer virtuellen Fabrik für die komplexe Fertigung ist jedoch schwierig. Zu den Herausforderungen gehören die Bewältigung der Systemüberlastung, die Verarbeitung großer Datenmengen aus physischen Fabriken und die Erstellung präziser Visualisierungen.



​

Die virtuelle Fabrik muss sich außerdem im Laufe der Zeit an Veränderungen in der physischen Fabrik anpassen. Angesichts dieser Herausforderungen ist eine Datenplattform, die alle von der physischen Fabrik eingehenden Daten kontextualisieren und dann in die virtuelle Fabrik einspeisen kann und umgekehrt, von entscheidender Bedeutung.

Und genau das ermöglicht MongoDB Atlas.  MongoDB Atlas ist die führende Multi-Cloud-Datenplattform für Entwickler zur Erstellung moderner Anwendungen. Sie bietet Synchronisierungsfunktionen zwischen physischen und virtuellen Welten, ermöglicht eine flexible Datenmodellierung und bietet Zugriff auf die Daten über eine einheitliche Abfrageoberfläche. Im folgenden Video sehen Sie, wie das MongoDB-Team die Fischertechnik-Trainingsfabrik nutzt, um eine virtuelle Fabrik/einen digitalen Zwilling in Echtzeit aufzubauen.

Weitere Informationen

Das Labor und Kompetenzzentrum für „Schwarmbasierte Logistik“ der Dualen Hochschule in Mosbach / Campus Bad Mergentheim fokussiert auf die Forschung im Kontext Künstliche Intelligenz mit den Schwerpunkten Schwarmintelligenz und Deep Learning. Der Campus Bad Mergentheim ist Teil der Dualen Hochschule in Mosbach und fokussiert die Lehre und Forschung zu Künstlicher Intelligenz. Prof. Carsten Müller erforscht dort die Anwendung von Schwarmintelligenz, insbesondere die Adaption von natur-inspirierten Algorithmen auf Anwendungsgebiete der Logistik. Bei seiner Forschung und Lehrtätigkeit zu Künstlicher Intelligenz mit dem Fokus auf Maschinelles Sehen wird die leistungsfähige Technologie von fischertechnik „Qualitätssicherung mit KI“ eingesetzt.  

Sind es im menschlichen Körper Nervenzellen und ihre Verschaltungen, die als neuronal bezeichnet werden, so gilt Ähnliches für die künstlichen neuronalen Netzwerke im Themengebiet Deep Learning. Neuronale Netzwerke können Informationen von außen aufnehmen und modifiziert an andere Neuronen weiterleiten und die Klassifizierung als Endergebnis ausgeben. „Und sie können trainiert werden“, beschreibt Prof. Dr. Carsten Müller die flexible Lernleistung neuronaler Strukturen. Maschinelles Lernen gleicht insofern dem menschlichen Lernen, als dass durch (positive als auch negative) Bestärkung Anpassungen in den neuronalen Strukturen erreicht werden, die dem System ermöglichen, selbstständig Strategien zu entwickeln. „Insbesondere die Leistungsfähigkeit des Bestärkenden Lernen, Reinforcement Learning, fasziniert“, führt er hinzu. 

Im Alltag haben die Technologien der Künstlichen Intelligenz seit längerem Einzug gehalten. So basieren Navigationssysteme, Bilderkennung oder Sprachsteuerung oftmals auf KI. Auch in der Industrie, im Handwerk oder im Handel gilt die künstliche Intelligenz zunehmend als Schlüsseltechnologie. Bei der automatischen Prozesskontrolle in der Fertigung kommt beispielsweise zunehmend Künstliche Intelligenz gekoppelt mit Kamerasystemen zum Einsatz. Werkstücke oder Produkte werden hier mittels überwachten Lernens (Supervised Learning) intelligent weiter bearbeitet. Supervised Learning ist ein Teilbereich des Maschinellen Lernens. Es entsteht, wenn ein System nicht nur Daten verarbeitet, sondern Muster erkennt und daraus Entscheidungen ableitet. 


 

Prof. Carsten Müller erforscht dort die Anwendung von Schwarmintelligenz, insbesondere die Adaption von Natur-inspirierten Algorithmen auf Anwendungsgebiete der Logistik. Fokus der ersten Phase in Forschung und Lehre ist das Maschinelle Sehen als Schlüsseltechnologie für die stabile Klassifizierung von Objekten und Situationen im Kontext des autonomen Fahrens. In den weiteren Phasen werden hybride Algorithmen auf Basis von Schwarmintelligenz und Reinforcement Learning integriert. Zu erforschende Fragen betreffen Gebiete wie die Verteilung von Fähigkeiten, dynamische Rollen und Zuständigkeiten, Verhaltensregeln in unterschiedlichen Situationen und die Interaktion zwischen den autonomen Lieferrobotern sowie mit dem Menschen. 

Bei seiner Forschung und Lehrtätigkeit zu Künstlicher Intelligenz mit dem Fokus auf Maschinelles Sehen wird die leistungsfähige Technologie von fischertechnik „Qualitätssicherung mit KI“ eingesetzt. „Das Zusammenspiel von Software und Haptik schafft Verständnis für Künstliche Intelligenz“, begründet Carsten Müller seine Entscheidung für fischertechnik. 

Die fischertechnik Qualitätssicherung mit KI wird mit Werkstücken in verschiedenen Farben geliefert. Diese Werkstücke sind mit drei Bearbeitungsmerkmalen sowie verschiedenen Fehlerbildern versehen. Sie werden von der Kamera gescannt und mit Hilfe von Supervised Learning klassifiziert und einsortiert – je nach Farbe, Merkmal und Fehlerbild.  

Die verwendete KI ist mit maschinellem Lernen in Tensorflow realisiert, bei dem ein künstliches neuronales Netz mit Bilddaten eintrainiert wurde. Die eingelernte KI wird auf dem fischertechnik TXT 4.0 Controller ausgeführt, der für zahlreiche Anwendungen die passenden, kabellosen Schnittstellen bietet. Die Ablaufsteuerung des Modells ist in der Programmierumgebung ROBO Pro Coding und in Python implementiert. 

Zusätzlich besteht die Möglichkeit, eigene KI-Anwendungen zu programmieren. Das Eintrainieren erfolgt über einen Algorithmus auf Basis von Python, einer universellen, höheren Programmiersprache. Für die Möglichkeit des Eintrainierens steht ein Beispielprojekt bereit. 

Im Verstehen der komplexen Vorgänge des Supervised Learning wird deutlich, wie intelligente Maschinen in der Industrie funktionieren. „Das fischertechnik Modell ist leistungsfähig, smart und intuitiv zu bedienen und somit hervorragend dafür geeignet, Künstliche Intelligenz zu lehren“, erläutert Carsten Müller.