Het industriële internet van morgen zal technologieën integreren die menselijke cognitieve vaardigheden imiteren, zoals het vermogen om te plannen, leren, en om onze omgeving waar te nemen. De Fraunhofer Cluster of Excellence Cognitive Internet Technologies CCIT werkt aan de realisatie van de visie van een Cognitive Internet of Things.

Digitalisering heeft een enorm potentieel voor de Duitse industrie, waardoor bedrijven productieprocessen kunnen automatiseren, ze efficiënter maken, nieuwe bedrijfsmodellen aannemen, en bieden op maat gemaakte producten. "Dat vraagt ​​om zeer productieve, kostenefficiënt, flexibele productieprocessen, gebaseerd op veilige IoT-technologieën, vertrouwde data-infrastructuren en betrouwbare machine learning-methoden. We hebben alle expertise die nodig is om dit te doen bij Fraunhofer CCIT en onderzoeken specifieke toepassingsscenario's, " zegt prof. Claudia Eckert, woordvoerster van de raad van bestuur.

Slim, interactieve werktuigmachines

Fraunhofer CCIT ontwikkelt een component voor een slimme tool die de kwaliteit en output van snijprocessen verbetert. Door draadloze componenten en breedbandcommunicatietechnologie te integreren om de resonantiefrequenties van het gereedschap te meten, analyseren van de gegevens in realtime, en het detecteren van anomalieën, het wordt mogelijk om procesgegevens vast te leggen op het punt van actie. "Dit vertelt ons meteen of er een probleem is met het bewerkingsproces, bijvoorbeeld een defect gereedschap, ", zegt Hendrik Rentzsch van het Fraunhofer Institute for Machine Tools and Forming Technology IWU. Beveiligingsprotocollen verzekeren de integriteit, vertrouwelijkheid, beschikbaarheid en authenticiteit van de herkomst van de vastgelegde gegevens. De IoT-component functioneert zowel als sensor als als actuator. Door ultrasone golven uit te zenden, het zorgt ervoor dat het gereedschap resoneert. De resonantiesignalen worden versterkt en kunnen worden gebruikt om het gereedschap te besturen. Rentzsch:"Op deze manier is het mogelijk om een ​​continu kwaliteitsniveau en productiviteit te behouden, zelfs wanneer het productieproces op volle kracht draait. De door Fraunhofer CCIT ontwikkelde oplossing kan tegen lage kosten in elk gereedschap worden geïntegreerd, bijvoorbeeld in een metaalboorgereedschap."

Veilig gegevens delen binnen een gecontroleerde gebruikersgroep

Om het concept van een gedeelde digitale tweeling te illustreren, Fraunhofer CCIT presenteert zijn oplossing voor een connected operations desk waarmee bedrijven gevoelige gegevens uit hun productieprocessen kunnen delen met - en alleen met - geautoriseerde partners en klanten. Deze IT-oplossing bestaat uit drie componenten:de IoT-architectuur, de digitale tweeling, en de International Data Spaces (IDS). De RIOTANA-architectuur (Real-time IoT Analytics) haalt onbewerkte gegevens uit het proces dat wordt uitgevoerd, zoals trillingen, temperatuur of wrijving - en gebruikt deze om in realtime zinvolle indicatoren te genereren. Deze informatie wordt vervolgens opgeslagen in een digitale tweeling op de servers van het bedrijf. Hier, het bedrijf kan bepalen welke data het wil delen met welke gebruikers en onder welke voorwaarden. IDS-connectoren zorgen voor een veilige overdracht van de gegevens en controle over de verdere verwerking van de gegevens door de ontvanger. Merk op dat dit delen van gegevens bidirectioneel is. Informatie kan ook door externe gebruikers aan de digitale tweeling worden toegevoegd. "Onze technologie slaat een brug tussen de IoT-architectuur en bestaande oplossingen voor de veilige uitwisseling van industriële procesgegevens, zoals de Industry 4.0 asset administratie shell of de IDS-architectuur. Het is geschikt voor elk type database of applicatie. Bijvoorbeeld, het stelt machinefabrikanten en gebruikers in staat procesgegevens te delen om de bewaking van de gereedschapstoestand te verbeteren, ", zegt Hendrik Haße van het Fraunhofer Institute for Software and Systems Engineering ISST.

Snellere resultaten dankzij AI

Maar de toegevoegde waarde van dergelijke technologieën voor de industrie gaat verder dan de mogelijkheid om gegevens te delen met externe partners. Technologieën zoals machine learning en kunstmatige intelligentie kunnen worden toegepast op de gegevens die worden verkregen uit lopende productieprocessen.

Om ervoor te zorgen dat werktuigmachines betrouwbare, reproduceerbare resultaten, gebruikssporen dienen tijdig te worden opgemerkt. Tot nu, dit was afhankelijk van de ervaring en kennis van de machinist - en was voornamelijk gebaseerd op hun observatievermogen. Er was weinig beschikbaar op het gebied van technische hulpmiddelen. Onderzoekers van de Fraunhofer Institutes for Production Technology IPT en voor Algorithms and Scientific Computing SCAI hebben hiervoor een algoritme ontwikkeld, die ze hebben getraind met behulp van speciaal aangepaste machine learning-methoden. De AI is in staat om de toestand van een gereedschap te bepalen door het geluidsspectrum te analyseren, waardoor het zelfs de kleinste tekenen van slijtage kan identificeren. "Mensen kunnen dit ook, " zegt Sebastian Mayer, een onderzoeker bij Fraunhofer SCAI, "maar een AI kan het sneller doen, en tegelijkertijd nog veel meer geluidsspectra analyseren, evenals het leren onderscheiden van tekenen van slijtage op een fijnere schaal. Het algoritme helpt de menselijke operator om te beslissen, bijvoorbeeld, of een gereedschap moet worden vervangen of niet. "De AI is afgestemd op andere frequenties dan het menselijk oor, en kan de operator adviseren aan welke frequenties speciale aandacht moet worden besteed, ", zegt Fraunhofer IPT-wetenschapper Arno Schmetz.