leanbi
25/01/2019

LeanBI an der F&E Konferenz Industrie 2025 vom 24.01.2019 an der HSR Rapperswil

Abb 1: Profillinie gemessen mit dem Sick EasyRanger

LeanBI an der F&E Konferenz Industrie 2025, auch dieses Jahr lauschten über 200 Teilnehmer den neuen Forschungs- und Entwicklungsvorhaben, wiederum vorgetragen von Schweizer Hochschulen und Forschungsinstituten. Und auch die LeanBI durfte mit unserem Kooperationspartner HSR, Prof. Christian Bermes präsentieren. Unser Entwicklungsvorhaben bei der Post ist erfolgreich und unser Product LeanPredict steht vor der Tür. Es beinhaltet verschiedenen Messtechniken wie Laser, Kamera, Akustik, Vibration, Temperatur, etc. Die Sensoren werden durch unsere Partner hergestellt und wir liefern die Machine Learning Modelle für das Predictive Maintenance. So werden wir in naher Zukunft mit LeanPredict das erste modulare Predictive Maintenance Framework für die Intralogistik weltweit anbieten können. Prof. Christian Bermes zeigte an der Konferenz, wie wir mit 3D-Lasertriangulation von Sick Verbiegungen und Gelenkkopfverschiebungen an den über 2000 Kippschalensortern in der Post Härkingen vorhersagen können. Die richtigen Lasereinstellungen und Extraktionen aus den Bilddaten spielen dabei eine zentrale Rolle. Das sogenannte Feature Extraktion ist Kernelement einer guten Predictive Maintenance Lösung und hier konnten wir mit der HSR gutes Know How aufbauen. Aber ohne unsere Partner wäre das alles nicht möglich gewesen:

Abb 2: Ein Prinzipschema von LeanPredict und Zusammenarbeit der Partner

Neben Robotik Themen waren Machine Learning Vorhaben die am meisten gezeigten Themen. Da Machine Learning auch LeanBI’s zentrales Thema ist, hier einige Informationen dazu:

Wir freuen uns, dass Machine Learning für die Online-Qualitätsüberwachung bei der Herstellung von Holzfaserdämmstoffplatten eingesetzt werden kann (vorgetragen von der EMPA, Mark Schubert). Die ersten Modellierungen zeigen, dass eine klare Korrelation zwischen Qualität und Produktionsparameter festgestellt wird. Genauso verhält es sich beim Spritzgiessen. Auch hier besteht gutes Potential, dass sich mit den Maschinenparametern aus der Spritzgussmaschine der Spritzgussprozess optimieren lässt (Curdin Wick HSR).

CSEM stellte vor, dass man mit Deep Learning Predictive Maintenance ausführen kann. Zwischenzeitlich gibt es auch performante Hardware auf der Edge (also Maschinen- und Produktionsnah), die GPU’s und damit Tensor Cores beinhalten. Ein Beispiel dafür ist NVIDIA.

Und die ETHZ/Inspire zeigt, dass sich bei Werkzeugmaschinen mit Machine Learning thermische Fehler im Bearbeitungsprozess online verhindern lassen.

Das HEIA-FR befasst sich mit der Verfahrenstechnik, nämlich wie man Chemische Reaktoren «smart» machen kann. Mit Machine Learning und der geeigneten IoT Umgebung lassen sich digital twins aufbauen und auf dieser Grundlage auch Predictive Maintenance ausführen. Dann kann in Zukunft auch Augmented Reality zur Wartung Anwendung finden. Alles Themen, an denen wir auch dran sind.

Also, es läuft viel in der Schweiz auf dem Gebiet Artificial Intelligence und Machine Learning.

Doch ganz nebenbei: Spannend fanden wir auch den Vortrag von Norman Urs Baiser: Er zeigte, wie man aus CAD Zeichnungen direkt softwaretechnisch Anweisungen an den Roboter zur Herstellung und Montage von Werkstücken ausführt…. Und in virtuellen Räumen (Virtual Reality) lassen sich Teamentscheide besser fällen als Face to Face (zumindest nicht schlechter), ein Vortrag von Ivan Moser FFHS…spannend.

Und wir freuen uns schon auf die nächste F&E Konferenz in einem Jahr.

Marc Tesch
Letzte Artikel von Marc Tesch (Alle anzeigen)