Die German Edge Cloud und Rittal bauen mit Edge Computing-Lösungen die Brücke zwischen der digitalen und physischen Welt. Auf der HANNOVER MESSE zeigt das Unternehmen vom 1. bis 5. April am Gemeinschaftsstand des „SEF Smart Electronic Factory e.V.“ (Halle 7, D26) einen Predictive Maintenance Use Case in der Surface-Mount-Technology (SMT)-Fertigung. Diese Lösung basiert auf einem Edge Data Center, das flexibel in beliebigen IT-Umgebungen eingesetzt werden kann. Dabei werden auch Machine-Learning-Anwendungen zum Einsatz gebracht.
„Edge-Computing ermöglicht als Schlüsseltechnologie die digitale Transformation in der Industrie und ist für die zukünftige Wettbewerbsposition Deutschlands und Europas von entscheidender Bedeutung – insbesondere für datengetriebene Innovationen, die das Edge-Computing benötigen, wie etwa die echtzeitfähige und datensouveräne industrielle KI oder videobasierte Produktionsassistenzsysteme. Wir ermöglichen Unternehmen einen sehr einfachen Zugang zu Edge-Computing", erklärt Dr. Sebastian Ritz, Geschäftsführer der German Edge Cloud.
Automatische Fehlerursachenanalyse bei Elektronikzulieferer
Auf der HANNOVER MESSE zeigt die German Edge Cloud (GEC) gemeinsam mit seinem Partner IoTOS GmbH, Anbieter industrieller IoT-Lösungen, welche Vorteile Edge Computing in der Praxis bringt. Der am Messestand des Industrie 4.0-Vereins „SEF Smart Electronic Factory e.V.“ präsentierte Use Case zu Smart Predictive Maintenance (inklusive KI) wird aktuell im Hause des Elektronikzulieferers Limtronik GmbH umgesetzt. Die Lösung wird auf einem Edge-Rechenzentrum der GEC betrieben.
Im Mittelpunkt steht dabei die Optimierung der qualitativen und quantitativen Ausbringung zweier High Volume SMT-Produktionsanlagen. Dazu werden die Stamm- und Bewegungsdaten des IoTOS Track & Trace Services, welcher über den IoTOS Integration Service powered by X4 mit Stamm- und Bewegungsdaten versorgt wird, mit den Daten des SMT-Prozessablaufes und KI- bzw. Machine-Learning-Services der German Edge Cloud kombiniert.
Später sollen neben ERP-, MES- und SMT-Daten weitere hochvolumige Daten (z.B. videobasierte Inspektionsdaten aus einer optischen Kontrolle) gesammelt und einer Batch-Analytics sowie nachfolgenden Real-Time-Streaming-Analytics unterzogen werden. Außerdem sollen Daten mit Hilfe von Algorithmen des maschinellen Lernens ausgewertet werden, um Korrelationen zwischen den gesammelten Daten zu finden und somit Erkenntnisse über Qualitätsprobleme, wie z.B. fehlerhafte Lötstellen, herzuleiten und letztlich vorherzusagen oder zu vermeiden.
Die Zielsetzungen sind Vorhersage des Systemverhaltens und der Fehlerwahrscheinlichkeit sowie Unterstützung der manuellen Ursachenanalyse. Die Elektronikfabrik profitiert dabei von Qualitätsverbesserungen, kann unvorhergesehene Stillstände vermeiden und die Verfügbarkeit der Maschinenkapazität maximieren, was letztlich in Effizienzsteigerungen und Kostenoptimierungen mündet.
„Edge-Computing ermöglicht als Schlüsseltechnologie die digitale Transformation in der Industrie und ist für die zukünftige Wettbewerbsposition Deutschlands und Europas von entscheidender Bedeutung – insbesondere für datengetriebene Innovationen, die das Edge-Computing benötigen, wie etwa die echtzeitfähige und datensouveräne industrielle KI oder videobasierte Produktionsassistenzsysteme. Wir ermöglichen Unternehmen einen sehr einfachen Zugang zu Edge-Computing", erklärt Dr. Sebastian Ritz, Geschäftsführer der German Edge Cloud.
Automatische Fehlerursachenanalyse bei Elektronikzulieferer
Auf der HANNOVER MESSE zeigt die German Edge Cloud (GEC) gemeinsam mit seinem Partner IoTOS GmbH, Anbieter industrieller IoT-Lösungen, welche Vorteile Edge Computing in der Praxis bringt. Der am Messestand des Industrie 4.0-Vereins „SEF Smart Electronic Factory e.V.“ präsentierte Use Case zu Smart Predictive Maintenance (inklusive KI) wird aktuell im Hause des Elektronikzulieferers Limtronik GmbH umgesetzt. Die Lösung wird auf einem Edge-Rechenzentrum der GEC betrieben.
Im Mittelpunkt steht dabei die Optimierung der qualitativen und quantitativen Ausbringung zweier High Volume SMT-Produktionsanlagen. Dazu werden die Stamm- und Bewegungsdaten des IoTOS Track & Trace Services, welcher über den IoTOS Integration Service powered by X4 mit Stamm- und Bewegungsdaten versorgt wird, mit den Daten des SMT-Prozessablaufes und KI- bzw. Machine-Learning-Services der German Edge Cloud kombiniert.
Später sollen neben ERP-, MES- und SMT-Daten weitere hochvolumige Daten (z.B. videobasierte Inspektionsdaten aus einer optischen Kontrolle) gesammelt und einer Batch-Analytics sowie nachfolgenden Real-Time-Streaming-Analytics unterzogen werden. Außerdem sollen Daten mit Hilfe von Algorithmen des maschinellen Lernens ausgewertet werden, um Korrelationen zwischen den gesammelten Daten zu finden und somit Erkenntnisse über Qualitätsprobleme, wie z.B. fehlerhafte Lötstellen, herzuleiten und letztlich vorherzusagen oder zu vermeiden.
Die Zielsetzungen sind Vorhersage des Systemverhaltens und der Fehlerwahrscheinlichkeit sowie Unterstützung der manuellen Ursachenanalyse. Die Elektronikfabrik profitiert dabei von Qualitätsverbesserungen, kann unvorhergesehene Stillstände vermeiden und die Verfügbarkeit der Maschinenkapazität maximieren, was letztlich in Effizienzsteigerungen und Kostenoptimierungen mündet.
