Technologie: Künstliche Intelligenz

Moderne Produktions- und Logistiksysteme sind durch eine zunehmende Dynamik und Komplexität gekennzeichnet. Zugleich müssen Lieferketten auf immer individuellere Kundenwünsche ausgerichtet sein. Wie werden diese sich unter dem Einfluss innovativer Technologien verändern? Lassen Sie sich durch die Beiträge dieser Ausgabe von Industrie 4.0 Management inspirieren und entdecken Sie Ansätze zum Thema Logistik der Zukunft.

This paper briefly characterizes the field of cognitive computing. As an exemplification, the field of natural language question answering is introduced together with its specific challenges. A possibility to master these challenges is illustrated by a detailed presentation of the LogAnswer system, which is a successful representative of the field of natural language question answering.

Um die zunehmende Komplexität im modernen Hardwareentwurf handhaben zu können, findet der Entwurf von Hardwaresystemen zunehmend auf abstrakteren Ebenen statt. Vorteilen, wie der schnelleren Entwicklung lauffähiger Prototypen und kürzeren Entwurfszyklen, stehen dabei Nachteile bei der Analyse der Systeme gegenüber: Es gibt keinen einfachen Weg mehr, aus der Beschreibung des Systems die Struktur zu ermitteln. Trotzdem sollten den Ingenieurinnen/Ingenieuren während des Entwurfsprozesses natürlich die Informationen zur Verfügung stehen, die sie zur schnellen Analyse der Systeme benötigen. Hier hilft dem Computer der virtuelle Blick in sein inneres Selbst: Die simulierte Hardware wird von einer künstlichen Intelligenz (KI) überwacht, die so die Funktion des Systems zur Laufzeit erlernt. Abhängigkeiten und Zusammenhänge werden so unabhängig von der direkten Verfügbarkeit ermittelt und dem Entwickler während des Entwurfsprozesses zur Verfügung gestellt.

Die rasanten Fortschritte im Bereich der 3D-Sensorik und der künstlichen Intelligenz ermöglichen neue flexible Robotersysteme, die keine im Vorfeld festgelegten und konstanten Umgebungsbedingungen sowie standardisierten Prozesse erfordern. Hierdurch entstehen große Potenziale für die Automatisierung logistischer Prozesse, die aufgrund dynamischer Randbedingungen und der hohen Gütervielfalt bisher hauptsächlich manuell durchgeführt werden. Ein Beispiel hierfür ist die automatische Entladung von mit heterogenen Stückgütern beladenen Containern. Die Entwicklung eines entsprechenden Entladeroboters erfordert neben geeigneten Greifsystemen eine zuverlässige Objekterkennungsmethode, um einzelne Stückgüter innerhalb eines Packszenarios korrekt erkennen und lokalisieren zu können. Dieser Beitrag stellt eine Objekt-erkennungsmethode für Stückgüter aus drei unterschiedlichen Formkategorien vor. Sie verwendet die 3D-Punktwolke eines Laserscanners und wird mithilfe von realen ...

In Folge des stetig wachsenden Wettbewerbdrucks auf das produzierende Gewerbe in Deutschland durch Konkurrenten aus Niedriglohnstaaten wird seit einiger Zeit ein Wandel der Produktionsparadigmen vollzogen, der sich durch einen rapide voranschreitenden Automatisierungsprozess in der Produktion auszeichnet. So entstehen hochkomplexe Cyber-Physische Produktionssysteme (CPPS). Durch den einhergehenden Rückgang von Personal und dem damit verbundenen Wissensabfluss entsteht jedoch ein gravierendes Befähigungsdefizit zur Beherrschung der Komplexität. Dieser Sachverhalt impliziert die Notwendigkeit innovativer Assistenzsysteme zur Unterstützung von Mitarbeitern. Der vorliegende Beitrag dient der Erörterung damit verbundener Herausforderungen sowie Fragestellungen und skizziert einen möglichen technischen Lösungsansatz sowie organisatorische und personelle Herausforderungen.

Im Gegensatz zu aktuellen Produktions- und Transportsystemen verfügt der Mensch über die Fähigkeit, sowohl mit physischen Veränderungen des Arbeitsplatzes als auch organisatorischen Veränderungen des Arbeitsablaufes flexibel umzugehen. Das Ziel des Forschungsprojekts „FTF out-of-the-box“ ist es, Serien-Flurförderzeuge durch kognitive Technologien zu befähigen, autonom Teilaufgaben in logistischen Prozessen abzuwickeln sowie durch Sprach- und Gestensteuerung zugewiesene Transportaufträge eigenständig auszuführen. Zur Realisierung solch eines interaktiven Fahrerlosen Transportfahrzeugs (FTF) soll eine dezentrale Intelligenz entwickelt werden, die das FTF in die Lage versetzt, sein Verhalten selbstständig und flexibel durch Anpassung an sich wandelnde Produktionsumgebungen und -anforderungen zu optimieren und gleichzeitig den aktuell hohen Inbetriebnahmeaufwand fahrerloser Systeme zu reduzieren.

Die optische Inspektion von Bauteilen hinsichtlich Geometrie- und Oberflächenabweichungen ist eine typische Aufgabe der industriellen Bildverarbeitung. Neben der 2D Oberflächenanalyse spielen 3D Informationen zur Ermittlung von Geometrie- und Formparametern eine immer entscheidendere Rolle. Techniken die dabei zum Einsatz kommen sind unter anderem Triangulationstechniken, Lichtschnittverfahren, oder strukturierte Beleuchtung. Betrachtet man allerdings Bauteildimensionen unter einem Millimeter, ergeben sich neue Herausforderungen für diese Verfahren [1, 2]. Das Erzeugen von 3D Information im Mikrobereich ist somit sehr aufwendig und zeitintensiv. In diesem Beitrag wird deshalb eine Softwareplattform vorgestellt, mit der bereits in der Projektierungsphase ideale sensorabhängige 3D Bilddaten erzeugt werden können, ohne den Messaufbau realisiert zu haben. Mit diesen simulierten 3D Daten kann parallel zur Entwicklung der Messtechnik die Bildverarbeitungssoftware entworfen werden.

Sensoren und Aktoren finden immer häufiger Anwendung in der industriellen Produktion. Traditionell werden zentralistische Ansätze für die Verarbeitung der Sensordaten und Ansteuerung der Aktoren verwendet. Zunehmende Dichte von Sensoren und Aktoren, mit gleichzeitig fortschreitender Miniaturisierung, erfordern dezentrale Datenverarbeitung in verteilten Netzwerken aus Sensoren und Aktoren. Die Künstliche Intelligenz, ein Teilgebiet der Informatik, kann wichtige Beiträge für Robustheit und Autonomie bei der Verarbeitung und Verteilung von Daten in solchen Netzwerken liefern.

Die Digitalisierung als dritte industrielle Revolution ist in vollem Gange. Die Zukunft aber gehört adaptiven, flexiblen und dynamischen Produktionssystemen. Im Zuge der vierten industriellen Revolution wird Maschinen und Bauteilen Intelligenz verliehen. Um dem Wettbewerb standhalten zu können, müssen Unternehmen bereits jetzt den Schritt in Richtung Industrie 4.0 wagen. Die dafür notwendigen Technologien sind vorhanden und einsatzbereit. 

Eine zentrale Aufgabe der industriellen Bildverarbeitung ist die Erkennung von Oberflächen- und Formfehlern auf Bauteilen während der Produktion. Durch eine präzise und zuverlässige Fehlererkennung lässt sich auf Prozessveränderungen, wie bspw. Werkzeug- oder Materialverschleiß, rückfolgern, frühzeitig eingreifen und somit die Ausschussrate reduzieren. In vielen Bereichen, u.a. Wafer-Produktion, ist eine optische Kontrolle Stand der Technik. Allerdings wird in sehr vielen Fällen eine Bildverarbeitungsmethode realisiert, die sehr spezifisch auf das Problem zugeschnitten ist und für jedes neue Problem neu entwickelt wird. Dieser Beitrag stellt eine Bildverarbeitungsmethode vor, die einen ersten Schritt in Richtung universelle Fehlererkennung zeigt. Die Effizienz der Methode wird an einer Bilddatenbank sowie einer Anwendung in der Produktion und Qualitätsüberwachung von Mi-krobauteilen evaluiert.