Resiliente Produktionsplanung und -steuerung durch den Einsatz von Künstlicher Intelligenz (KI)

in , , , /von

Leiterplatte eines Computers als Hintergrund. Mittig im Vordergrund ein stilisiertes Gehirn, das für das KI-Modul des Forschungsprojektes ProsKI steht.

Gemeinsam mit mehreren Forschungseinrichtungen und Industriepartnern ist ATR Software an dem Forschungsprojekt ProsKI – Resiliente Produktionsplanung und -steuerung durch den Einsatz von künstlicher Intelligenz (KI) beteiligt. Initiiert wird das Projekt von dem Bayerischen Verbundforschungsprogramm (BayVFP) des Freistaates Bayern.

Das Forschungsprojekt hat folgendes Ziel: Für bestehende und zukünftige Produktionssysteme wird ein flexibel integrierbares KI-Modul für resiliente Produktionsplanungs- und -steuerungssysteme entwickelt. Dabei bildet das Modul durch KI-Methoden ein Assistenzsystem für das Störmanagement innovativer Fertigungen. Basierend auf realen Produktionsdaten wird eine Methodik entwickelt, die zum einen im Fehlerfall den Bediener in seiner Entscheidungsfindung im Umgang mit der aufgetretenen Störung unterstützt. Zum anderen mit Hilfe des entwickelten Moduls nicht nur auf Ereignisse reagieren kann, sondern anhand der vorliegenden Produktionsdaten auch zukünftige Störfälle durch Wissensaufbau prognostiziert und in der Produktionsprogrammplanung genutzt werden kann.

ATR Software entwickelt in Zusammenarbeit mit dem Lehrstuhl für Organic Computing (OC) der Universität Augsburg die KI-Methodik für das Störmanagement und das Prognosemodell für zukünftige Produktionsprogramme. Hierzu zählt der Datenaustausch zwischen den Anlagen auf Produktionsebene und dem übergeordneten IT-System. Zudem wird die Datenvorbereitung für die KI-Methoden entwickelt und die Anbindung der daraus resultierenden Daten für das Planungssystem erforscht.

Das KI-Modul soll in Verbindung mit dem eigenen Produkt InnoMES getestet werden. InnoMES ist eine innovative MES-Lösung, die gemeinsam mit einem Leitsystem, dem IoT Gateway, dem Modul Data Analytics und dem Modul Computer Vision die ATR Software-Plattform für produzierende Unternehmen bildet.

Für weitere Informationen stehen wir Ihnen gerne zur Verfügung.

Mensch und mobiler Roboter in einer Arbeitsumgebung

in , , , /von
Arm eines Roboters und menschlicher Arm, die zweiZahnräder einanderhalten. Symbolisiert Mensch und mobilen Roboter in einer Arbeitsumgebung.

Gemeinsam mit der FuE-Einrichtung Fraunhofer IGCV und mehreren Industriepartnern ist ATR Software an dem Forschungsprojekt MeMoRob – Mensch und mobiler Roboter in einer Arbeitsumgebung beteiligt. Das Forschungsprojekt wird vom FuE-Programm „Informations- und Kommunikationstechnik“ des Freistaates Bayern gefördert.

Mobile Robotersysteme bieten das Potenzial für eine flexible Automatisierung, finden bisher jedoch wenig Anwendung. Für den flexiblen Einsatz in der Produktion bedarf es an intelligenten Greifstrategien und Interaktionsfähigkeiten des Roboters, sodass Menschen mit ihm kommunizieren können. Beide Bereiche sind Ziele des Projekts MeMoRob.

Des Weiteren können Mensch und Roboter als Partner fungieren und sich im Rahmen einer Mensch-Roboter-Kooperation gegenseitig unterstützen. In diesem Fall werden die Interaktionsfähigkeiten dazu verwendet, dem Menschen Informationen über den Zustand des Robotersystems mitzuteilen. Zur Erreichung der übergeordneten Ziele werden als Teilziele die Mensch- und Objektdetektion betrachtet. Bei der Objektdetektion wird insbesondere die praktische Anwendbarkeit durch Verringerung des Trainingsaufwands fokussiert.

Die ATR Software beschäftigt sich bei diesem Projekt mit den Themen der Robot Vision und den Algorithmen zum Greifen. Damit soll es ermöglicht werden, die zu greifenden Objekte zu detektieren und an den richtigen Stellen zu greifen.

Für weitere Informationen stehen wir Ihnen gerne zur Verfügung.

Gutes Holz, schlechtes Holz?

in , , , /von

 

Klassifikation der Holzgüte mit künstlicher Intelligenz und Fluoreszenzlebensdauer

 

Hintergrund

Holz ist weltweit einer der wichtigsten nachwachsenden Rohstoffe. Durch Fotosynthese entzieht es der Atmosphäre das Treibhausgas CO2 und leistet einen wichtigen Beitrag zum Klimaschutz. Holz ist wesentlicher und wertvoller Bestandteil unseres Wertstoffreislaufs. In Recycling-Anlagen kann Holz entsprechend seiner Güte als Baustoff weiterverwertet oder falls keine weitere Nutzung sinnvoll erscheint – verbrannt werden.

Die Altholzverordnung kennt dabei vier Güteklassen:
  • AI         Unbehandeltes Holz
  • AII        Geringfügig oberflächlich behandeltes Holz
  • AIII       Oberflächlich behandeltes Holz
  • AIV       Schadstoffversetztes Holz

Stand heute werden die Holzmassen durch visuelle Inspektion erfahrener Mitarbeiter händisch sortiert. Die Sortierung erfolgt dabei konservativ, das heißt im Zweifel ordnen die Mitarbeiter das Holz in eine geringwertigere Klasse ein. Zudem können mit bloßem Auge Verunreinigungen und Kontaminationen im Holzinnern nicht erkannt werden. Weil sie zu divers und nicht eindeutig sind, bleiben dadurch große Massen im Materialstrom gänzlich unsortiert.

Die Idee der Sortierung mit KI und Fluoreszenz

Hier kommt die Fluoreszenzlebensdauer ins Spiel. Fluores…was? Die Fluoreszenslebensdauer wird auch Fluoreszenzabklingzeit genannt. Sie gibt die durchschnittliche Zeit an, die ein Molekül bei der Fluoreszenz im angeregten Zustand bleibt, bevor es in den Grundzustand zurückkehrt. Fluoreszenz bezeichnet dabei die Fähigkeit mancher Moleküle, Licht bei einer bestimmten Wellenlänge zu absorbieren. Fluoreszenzlebensdauern sind sehr kurz. Sie bewegen sich im Bereich von Nanosekunden oder wissenschaftlich formuliert: Zwischen 10-9 und 10-7 Sekunden.

Nun wäre es schön, wenn eine Holzgüte immer die gleiche Fluoreszenzabklingzeit hat und man einen Schwellwert einfügt, im Sinne von: Wenn Abklingzeit größer Schwellwert, dann Holzgüte AI sonst nicht. Das ist aber in der Realität nicht der Fall. Ein Stück Holz hat verschiedene Abklingzeiten, die von vielen Parametern abhängen. Zum Beispiel von der Wellenlänge, die für die Anregung genommen wird, und der Stelle am Holz, an der gemessen wird. Außerdem von den verwendeten Filtern und dem Messabstand zum Holzstück. Diese Parameter könnte man nun fixieren, aber: Die Kamera liefert nicht eine Fluoreszenzlebensdauer pro Stück Holz und Messung, sondern über eine Million.

Dies ergibt eine Verteilung von Fluoreszenzlebensdauern, welche mit wissenschaftlichen Methoden und Tools aus der Data Science und künstlicher Intelligenz analysiert und klassifiziert werden kann. Wenn sich die Verteilungen der Fluoreszenzlebensdauern zwischen den Holzgüten unterscheiden, dann kann sie die KI erkennen und klassifizieren. Ob und wie gut das möglich ist, soll im Rahmen des Forschungsprojektes FrIDAh (Fluoreszenz-ID von Altholz) erforscht und erprobt werden.

Wir von ATR Software sind Teil des Forschungsprojektes und unterstützen die Projektpartner hierbei mit unserer Expertise in Software-Engineering, Data Science und Künstlicher Intelligenz. Das Endziel dieses Projekts ist der Bau eines Roboters, der mithilfe unserer KI das gute Holz vom Schlechten unterscheiden kann. Perspektivisch soll damit der Sortiervorgang automatisiert werden.