IM-Expertenpool: KI

Herausfordernder KI-Einsatz in der Smart Factory

Beim Umsetzen einer vernetzten Produktionsumgebung kommt es auf das Zusammenspiel von Edge- oder Cloud-Computing, die Maschine-zu-Maschine-Kommunikation in Echtzeit, das Gerätemanagement, die Orchestrierung der Komponenten und das Einbinden der Datenanalyse-Plattformen an. Die Herausforderung liegt hauptsächlich im Verknüpfen von verschiedenen Technologien, damit bestimmte Vorgänge parallel ablaufen.

Von

Allerdings besteht in vielen Produktionshallen noch eine digitale Lücke zwischen dem Edge, Business und den Enterprise Apps. Diese können Unternehmen mit der branchenübergreifenden Lösung Shopfloor 4.0 (Digital Core) schließen. Entwickelt haben sie das Fraunhofer-Institut für Experimentelles Software Engineering (IESE), Netapp und objective partner. Das Prinzip: Eine containerisierte Middleware (BaSys) agiert als Virtualisierungsschicht zwischen Maschine und Data Lake, das ermöglicht das vereinheitlichte Auslesen von Daten aus Maschinen und Konfigurieren von Produktionsprozessen – und zwar so, dass eine wandelbare Produktion möglich werden kann. Das virtuelle Betriebssystem läuft Container-basiert, die in der konzipierten Referenzarchitektur auf einer hyperkonvergenten Infrastruktur betrieben werden. Zusätzlich ist die Dateninfrastruktur mit dem ERP verknüpft, sodass Unternehmen wie beispielsweise Automobilzulieferer alle Vorgänge von der Bestellung über die Fertigung bis zur Auslieferung durchgehend digitalisieren können. Dies ist der Grundstein zur Wettbewerbsfähigkeit im Zeitalter der Industrie 4.0.

Herausforderung Daten

Im nächsten Schritt geht es darum, die Daten in einem standardisierten Data Lake für KI-Anwendungen zur Verfügung zu stellen. Dafür müssen bisherige Datensilos aufgebrochen und die Daten vereinheitlich werden. Erst dann lassen sich Einsatzszenarien der Stufe 1 (Analytik, die sich auf das Sammeln und Korrelieren von Daten konzentriert) und 2 (Erfassen und Interpretieren von Zuständen, „Human-Inspired – Muster erkennen“) des oben beschriebenen KI-Modells realisieren. Diese generieren verschiedene Einsichten: So senkt das Korrelieren verschiedener Sensormesswerte, historischer Daten und Umgebungsparameter das Risiko von Qualitätsmängeln. Das Erkennen von Mustern eröffnet Chancen wie das Automatisieren komplexer Vorgänge, das Anwenden vorausschauender Wartung oder das Optimieren des Fertigungsprozesses. Genau dieses Ziel verfolgt FabOS. In diesem Projekt entwickeln Wissenschaft und Industrie seit Februar 2020 ein Betriebssystem für die Produktion. FabOS soll eine Plattform für Maschinen, Infrastruktur und KI-Dienste einer kompletten Fabrik werden. Zu den 26 Projektpartnern zählen unter anderem das Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA), Daimler und Netapp.

Georedundant mit Objektspeichern

Maschinen werden in einer Fertigung, für die Produktionsstandorte in mehreren Ländern miteinander vernetzt sind, künftig eine riesige Datenflut produzieren. Diese Menge lässt sich mit den bewährten relationalen Datenbanken und ihren Zugriffsmechanismen nicht bewältigen. Objektspeicher können die nötige Georedundanz und verteilte Verfügbarkeit der Daten herstellen. Diese Technologie beherrscht Unmengen unterschiedlicher kleiner Datenmengen und reichert sie mit Metadaten an, über die der Zugriff global verteilt erfolgt.

White Paper zum Thema

Christian Ott ist Senior Manager Solution Engineering & Architects, Global Industry EMEA bei Netapp

Verwandte tecfindr-Einträge