Mithilfe von Algorithmen lassen sich diejenigen Fertigungsschritte innerhalb eines Zerspanungsprozesses identifizieren, die qualitätskritisch sind. Langfristig wird so eine effizientere Produktion mit reduzierter Ausschussrate garantiert (Quelle: Kistler-Gruppe)

Mit Kistler-Sensoren lassen sich in verschiedenen Anwendungen Daten zu dynamischen Messgrößen, wie Druck, Kraft, Drehmoment und Beschleunigung, sammeln. In diesen Daten steckt nach Unternehmensangaben jedoch häufig noch mehr Potenzial. „Vielen Kunden und Partnern ist gar nicht bewusst, welches Potenzial in ihren Daten begraben liegt – das wollen wir ändern. Durch datengestützte Analysen und Methoden können wir in vielen Bereichen Mehrwerte zu unserer Sensorik liefern“, erklärt Dr. Nikola Pascher, Head of Innovation Lab. Algorithmen bilden dabei die Basis für intelligente Software, die selbstständig Lösungsvorschläge liefert und so nachhaltig dazu beiträgt, Prozesse zu optimieren und Vorhersagen zu treffen.

Darüber hinaus soll mit dem Innovation Lab der Wissensaustausch zwischen Kistler und Anwendern der Sensorik gefördert werden. „Bei uns trifft Know-how auf Kreativität mit Start-up-Spirit", sagt Dr. N. Pascher. Sie verweist auf das eigene Expertenteam mit hoher Applikationserfahrung rund um die Sensoren. "Wir beziehen sie bei der Entwicklung der Algorithmen und smarten Servicelösungen ein. Aber auch von unseren Kunden können wir viel lernen. Vor allem bekommen wir durch sie Zugriff auf Daten aus unterschiedlichen realen Anwendungsfällen, die uns helfen, unsere Produkte noch besser auf die entsprechenden Bedürfnisse anzupassen,“ erklärt sie weiter.

Große Potenziale in Sicht

Im Rahmen einer Proof-of-Concept-Studie gelang es dem Team anhand gesammelter Messwerte, einen Algorithmus zu entwickeln, der die Kraftverteilung über den gesamten Zerspanprozess überwacht und mithilfe von künstlicher Intelligenz Abweichungen vom Normalzustand ermittelt. Dieser soll als Basis für eine noch effizientere Produktion mit reduzierter Ausschussrate dienen. „Statt Prozesse einfach zu überwachen, nutzen wir die gesammelten Daten, um Muster zu erkennen und genaue Vorhersagen bezüglich der Qualität der produzierten Produkte zu treffen“, erläutert Dr. N. Pascher das Potenzial der Entwicklung.

In einem weiteren Test verglichen die Messtechnik-Experten von Kistler über mehrere Monate hinweg die Daten von Weigh-in-Motion-Stationen. Diese Messstationen sollen primär Daten zum Gewicht des Lastenverkehrs erfassen und es ermöglichen, überladene Fahrzeuge aus dem Verkehr zu ziehen oder mit Bußgeldern zu belegen. In den Daten steckten aber noch mehr Informationen: So konnten die Experten Verkehrsspitzen auf bestimmten Strecken zielsicher vorhersagen. Zudem bewiesen die Daten, dass etwa jeder dritte Laster leer fährt. "Für Verkehrsplaner und Behörden könnten die Daten eine Planungsgrundlage für neue Infrastrukturprojekte sein. Speditionen könnten von den Informationen profitieren und Fahrten effizienter planen", sind die Experten überzeugt. „Die Erkenntnisse ebnen den Weg für neue, datenbasierte Verkehrskonzepte“, verdeutlicht Dr. N. Pascher. „Durch solche Daten eröffnen sich verschiedenste Möglichkeiten, wie sich wirtschaftliche und ökologische Interessen besser schützen lassen.“

Dr. N. Pascher und ihre Kollegen vom Innovation Lab blicken positiv in die Zukunft: „Wir stehen noch ganz am Anfang der Entwicklung – Machine Learning und künstliche Intelligenz werden in den nächsten Jahren in immer mehr Bereichen große Sprünge in der Entwicklung von neuen Lösungen ermöglichen.“

Kistler (ih)

Ähnliche Beiträge