News & Presse

Finden Sie hier alle Neuigkeiten und Presseberichte zu plus10

Wenn Sie mehr Informationen benötigen, kontaktieren Sie bitte die plus10 Kommunikationsmanagerin:

Tonja Meckesheimer
Mail: info@plus10.de
Tel.: +49 821 7898 6400

Artikel & Pressemitteilungen

Darwin – Intelligenter Machine Benchmark lernt neuerdings immer mit

Zykluszeit-Optimierung in der automatisierten Zerspanung

Ähnliche oder gar identische Maschinen mit vergleichbaren Prozessen laufen häufig nicht auf dem gleichen Produktivitätslevel. Verluste durch Verschleiß oder variierende Programmierung haben zur Folge, dass sich der Leistungsgrad der Maschinen individuell reduziert. Um mehr Transparenz über mögliche Optimierungspotenziale zu schaffen, entwickelte die plus10 GmbH, ein Fraunhofer KI-Spinoff, das intelligente Software-Tool Darwin. Darwin, der intelligente Machine Benchmark vergleicht die einzelnen Prozessschritte mehrerer angeschlossener Maschinen und lernt einen virtuellen Idealprozess, um die technischen Nebenzeiten und damit die Zykluszeit deutlich zu reduzieren und die OEE zu maximieren. Auch in der automatisierten Zerspanung konnte die Software bereits signifikante Optimierungspotentiale in der Maschinen Performance aufdecken.

Augsburg, 31.05.2022

Bearbeitungszentren (BAZ) sowie das zugehörige vollautomatisiertes Be- und Entladehandling können mit dem intelligenten Machine Benchmark Darwin optimiert werden. (Bildquelle: KUKA Group)

Darwin – ein intelligenter und datenbasierter Machine Benchmark zur Leistungsgrad-Steigerung

Darwin, der intelligente Machine Benchmark, bietet mehrere intelligente Funktionen, um konkrete Optimierungspotentiale für mehrere automatisierte Zerspanungsmaschinen inkl. Be- und Entladehandling auf Basis zusammengeführter SPS-, RC-, und NC-Daten betriebsparallel zu identifizieren. Auf diese Weise steigert er den Leistungsgrad der Maschinen signifikant. Das intelligente Software-Tool generiert basierend auf den Maschinensteuerungsdaten einen virtuellen Idealprozess aus allen angeschlossenen Maschinen und liefert daraus detaillierte Optimierungsempfehlungen zur Reduktion der Zykluszeit. In der Praxis wird mit Darwin eine Steigerung des Outputs durch Reduzierung der Zykluszeit um 6 – 18 % pro angeschlossener Maschine erreicht, je komplexer das Gesamtsystem, desto mehr Potential schlummert hier.

Praxiserprobte KI-Tools – Mit hoher Transparenz zu mehr Produktivität

Bei einer vollautomatisierten Fertigung von komplexen Zerspanungs-Rohteilen mit einer 6-seitigen Dreh-Fräsbearbeitung konnten mit Darwin als intelligenter Machine Benchmark bereits maßgebliche Erfolge erzielt werden. Betrachtungsgegenstand waren dabei vier identische Zerspanungszellen mit jeweils vier Fräsmaschinen, einer Drehmaschine sowie automatisiertes Be- und Entladehandling, deren Prozesse bereits hochgradig optimiert waren. Nach einer cloud-basierten IT-Integration konnten durch Darwin signifikante Optimierungspotentiale zur Reduktion der Zykluszeit mit Fokus auf technische Nebenzeiten identifiziert werden. Im Bereich der Drehbearbeitung auf Bearbeitungsschritt-Ebene wurde beispielsweise ein Optimierungspotential von bis zu 15 % aufgedeckt und direkt mit Einzeloperationen verknüpft. So konnten die Prozessexperten direkt und zielgenau handeln und anschließend die Wirksamkeit Ihrer Maßnahmen direkt messen.

Für den leitenden Prozessingenieur brachte Darwin bereits wertvolle Erkenntnisse über Maschinenverhalten und Optimierungspotentiale: „Mit dem intelligenten Benchmark Darwin von plus10 konnten wir die Werkzeugwechsel- und Werkzeugbearbeitungszeiten auf Prozessschrittebene über mehrere dutzend Maschinen detailliert vergleichen und daraus Optimierungsmaßnahmen ableiten“. An einer Drehmaschine wurde beispielweise für den Prozessschritt „Schlichten_Hinten“ ein Optimierungspotential der Prozessdauer von 13,8 Sekunden identifiziert und auch die Prozessdauer einer Werkzeugbearbeitung auf einer Fräsmaschine konnte um 8,1 Sekunden optimiert werden. Zusätzlich wurden beim Be- und Entladehandling Optimierungspotentiale von bis zu 5,2 Sekunden aufgedeckt – beispielsweise für den Prozessschritt des Beladens der Fräsmaschine durch einen 6-Achs-Roboter. Auch in der Fahrtfreigabe-Abstimmung des Be- und Entladehandlings, welches sich über eine lange Linearachse mehrere Maschinen teilen, konnte mit Darwin noch einiges herausgeholt werden, berichtete ein Instandhalter.

Im Vergleich zu konventionellen Optimierungsmethoden nutzt Darwin die durch eine mitgelieferte Schnittstelle die hochfrequenten internen Daten aller beteiligten Steuerungen (SPS, NC, RC) und generiert kontinuierlich und automatisiert konkrete Optimierungsempfehlungen für Prozessexperten in der Zerspanung. Damit lassen sich bereits optimierte und ausgelastete Prozesse noch produktiver betreiben oder teure Nacht- und Wochenendschichten vermeiden.

 

Unter anderem zu lesen bei:

mav || Intelligenter Machine Benchmark denkt mit

Großer Erfolg beim Microsoft Intelligent Manufacturing Award 2021

plus10 und Haselmeier™ A medmix Brand sind die Gewinner der Kategorie „Innovate!“

Im Finale des Microsoft Intelligent Manufacturing Award 2021, der von Microsoft und der Unternehmensberatung Roland Berger ausgerichtet wird, überzeugte Felix Georg Müller (CEO und CO-Founder von plus10) die Jury am 25. Januar 2022 mit seinem Pitch zum umgesetzten Use Case in Kooperation mit Haselmeier. Mit dem Thema “KI-basierte Software: Prozessoptimierung bei der Montage von medizinischen Geräten“ konnten sich plus10 und Haselmeier als Gewinner der Kategorie „Innovate!“ behaupten. Der Award wird in diesem Jahr bereits zum dritten Mal vergeben.

Augsburg, 24.02.2022

Implementierung von Shannon® an einer automatisierten Montagelinie für Injektionsspritzen zur Produktivitätssteigerung in der GMP-konformen Produktion. Quelle: Stanislav Tisot, Haselmeier.

Der Industriebeirat des Microsoft Intelligent Manufacturing Award 2021 wählte plus10 mit seiner einzigartigen Technologie aus, um im Finale am großen Pitch Day (25. Januar) den in Zusammenarbeit mit Haselmeier entstandenen Use Case zu präsentieren. Hierbei ging es um die Implementierung von plus10 Software-Tools an einer automatisierten Montagelinie für Injektionsspritzen zur Produktivitätssteigerung in der GMP-konformen Produktion. Bei der Pressekonferenz am 24. Februar wurden plus10 und Haselmeier™ A medmix Brand als Gewinner der Kategorie „Innovate!“ vorgestellt und konnten ihren Use Case in einem erneuten kurzen Pitch vor ausgewählten Journalisten präsentieren.

KI-basierte Software – Prozessoptimierung bei der Montage von medizinischen Geräten

Medizinische Produkte wie beispielweise Selbstinjektionsspritzen werden auf schnellen und hochautomatisierten Montagelinien hergestellt. Die Prozessoptimierung ist ein komplexes Unterfangen, bei dem KI-basierte Software hilft, die effektivsten Maßnahmen zu finden. Durch den Einsatz der plus10-Tools kann eine deutliche Leistungsoptimierung realisiert werden. Das GMP-konforme Software-Tool Shannon® identifiziert technische Probleme der Linie und deren Ursachen in Echtzeit und empfiehlt eine entsprechende Lösung, um das Problem in der spezifischen Situation zu lösen. In der Kooperation zwischen Haselmeier und plus10 wurde die Montagelinie analysiert, um die Ursachen für technische Verfügbarkeits- und Leistungsverluste zu identifizieren. Die anfängliche Gesamtanlageneffizienz (OEE) war bereits relativ hoch (70-80 %), dennoch konnten durch Shannon® Produktivitätspotenziale von plus 10 % erfolgreich aufgedeckt werden.

plus10-Shannon®: Lernender und GMP-konformer Optimierungsregelkreislauf für Produktionsanlagen von Haselmeier™ A medmix Brand.

 

Microsoft und Roland Berger würdigen innovative Ideen und digitale Lösungen

Mit dem Microsoft Intelligent Manufacturing Award werden Unternehmen der Fertigungsindustrie gewürdigt, welche aktiv dazu beitragen den Wandel zur Industrie 4.0 voranzutreiben. Im Finale standen neben plus10 Unternehmen wie die BMW Group, Dürr Systems AG, Wienerberger AG und SAS sowie Bosch Global Software Technologies. Die Gewinner erhalten exklusiven Zugang zu einem der Top-Expertennetzwerke für Industrie 4.0, dem MIMA Champion Circle.

 
Unter anderem zu lesen bei:

Industrielle Automation | Sieg im Microsoft Finale

Hannover Messe | MIMA recognizes best digital solutions in the manufacturing industry

Forschungsprojekt PALIM

KI-basierte Qualitätsoptimierung für hochtechnologische Fertigungslinien

Der Automobilzulieferer Valeo hat mit dem Fraunhofer KI-Spin-off plus10 und dem KI-Institut AImotion Bavaria der Technischen Hochschule Ingolstadt ein anwendungsnahes Forschungs- und Entwicklungsprojekt begonnen. Ziel des Projekts PALIM (Performance-Accelerated Learning for Intelligent Manufacturing) ist die Effizienzsteigerung hochautomatisierter Fertigungslinien mithilfe neuartiger Machine-Learning-Algorithmen. Das Forschungsprojekt PALIM wird vom Freistaat Bayern als Teil der Hightech-Agenda über das Bayerische Verbundforschungsprogramm (BayVFP) für drei Jahre gefördert.

Augsburg/Ingolstadt/Wemding, 27.01.2022

Betrachtete Fertigungslinie zur automatisierten Montage von Fahrerassistenzkameras am Standort Wemding. Bildquelle: privat, Steffen Klarmann

Beim Kick-off Meeting zum Projekt PALIM bei Valeo am Standort Wemding wurden die Leitlinien für das Forschungsvorhaben gesetzt. Ziel des Projekts ist es, am Beispiel einer hochautomatisierten Fertigungs- und Montagelinie die Eignung moderner Deep-Learning-Verfahren zur Zeitreihenverarbeitung systematisch weiter zu erforschen und anwendungsnah zu evaluieren. Die hochmoderne Fertigungsanlage, in der die Optik und Elektronik adaptiv montiert, konnektiert und geprüft wird, ist hierfür ein prädestinierter Anwendungsfall.

Autonomes Fahren, Automatisierung und künstliche Intelligenz in Deutschland: Förderung des Fachwissens

Die Fertigungslinie am Standort Wemding produziert integrierte Sensoren und Kamerasysteme zur Fahrassistenz bis hin zum autonomen Fahren. Es ist ein Markt mit steigendem Bedarf. Aus Produktionsperspektive ist die Herausforderung, intelligente Sensoren in hohen Stückzahlen herzustellen. Daher ist es umso wichtiger, die Nutzung neuartiger Optimierungstools in deutschen Produktionsstätten, die kontinuierlich dazulernen, voranzutreiben.

„Die Automatisierungsbranche ist immer noch am Anfang,  Deep-Learning-Ansätze in den Prozessen zu entdecken und umfassend zu nutzen. Solche Verfahren können eine potenziell höhere Genauigkeit und Generalisierung als konventionelle Machine-Learning-Ansätze bieten und einen echten Produktionsvorteil darstellen“, erklärt Felix Georg Müller, Geschäftsführer bei plus10.

Die Projektpartner: plus10, Valeo und TH Ingolstadt

Um dieses Projektvorhaben erfolgreich umzusetzen, bringen alle drei Verbundparteien verschiedene Kompetenzen mit ein:

Die Expert*innen für selbstlernende Produktionsoptimierung von plus10 liefern bei PALIM das Know-How und langjährige Praxiserfahrungen zur hochfrequenten Maschinendaten-Erfassung, -Fusion und -Handling als Basis aller FuE-Arbeiten. Forschungs- und entwicklungsseitig wird plus10 Expertise und Vorarbeiten im Bereich der Verhaltensmodellierung von Fertigungsprozessen und Modellierungsansätzen zur Erklärung auftretender Phänomene mit klassischen und Deep-Learning-Ansätzen einbringen.

Die Technische Hochschule Ingolstadt ist mit der Forschungsprofessur für KI-basierte Optimierung in der Automobilproduktion am Institut Almotion Bavaria verantwortlich für die Implementierung, Dokumentation und experimentelle Evaluation verschiedener Machine-Learning-Verfahren und Methoden.

Über seinen Standort in Wemding bringt Valeo sein Wissen über die hochautomatisierte Produktion für proprietäre Spitzentechnologien ein. Durch Valeo.ai, das erste globale Zentrum für künstliche Intelligenz und Deep Learning in der Automobilbranche, kann das Projekt auf eine Forschungsbilanz zurückgreifen, die von 200 KI-Expert*innen mit engen Verbindungen zur wissenschaftlichen und akademischen Gemeinschaft geführt wird.

Das Forschungsprojekt PALIM wird mit einem Umfang von 1,3 Mio. € vom Freistaat Bayern über das Bayerische Verbundforschungsprogramm (BayVFP) über 3 Jahre bis August 2024 gefördert. Es ist somit Teil der Hightech-Agenda Bayern und dem Ausbau Augsburgs und Ingolstadts als KI-Zukunftsstandorte in Bayern. Betreut wird das Projekt vom Projektträger VDI/VDE Innovation + Technik GmbH.

Beim Kick-off des Forschungsprojekts PALIM beim Valeo Standort in Wemding trafen sich die Projektverantwortlichen Lukas Lodes, Felix Georg Müller, Prof. Dr. Alexander Schiendorfer, Lena Kunz, Christian Pfefferer, Maximilian Schwab, Steffen Klarmann (v.l.n.r.). Bildquelle: Valeo GmbH.

Unter anderem zu lesen bei

Forschungsprojekt DarWIN – plus10 und Demag arbeiten an der Zukunft des Spritzgießens

Maschinen herstellerübergreifend voneinander lernen lassen

Das Fraunhofer Spin-Off plus10 forscht anwendungsnah zusammen mit dem süddeutschen Kunststoff-Zentrum SKZ im Rahmen des Projekts DarWIN an neuen KI-basierten Optimierungstools für Spritzgießmaschinen. Ziel ist es, kontinuierlich lernende Modelle praxisnah zu entwickeln, die eine höhere Qualität bei kürzeren Zykluszeiten rund um die Uhr adaptiv ermöglichen. Dafür werden Maschinen von verschiedenen Herstellern einbezogen und Verallgemeinerungsstrategien für übergreifende Lernphasen konzipiert. Nun wurde auch eine finale Versuchsreihe auf Maschinen des Unternehmens Sumitomo (SHI) Demag durchgeführt.

Augsburg, 18.01.2022

Das Team des DarWIN-Forschungsprojekts: LTR Dr. Thorsten Thümen von Sumitomo (SHI) Demag, Felix Georg Müller von plus10, Christoph Mussauer vom SKZ, Marco Fischer und Melanie Rohde von Sumitomo (SHI) Demag (von links nach rechts); Quelle: Sumitomo (SHI) Demag

Das Team des DarWIN-Forschungsprojekts: LTR Dr. Thorsten Thümen von Sumitomo (SHI) Demag, Felix Georg Müller von plus10, Christoph Mussauer vom SKZ, Marco Fischer und Melanie Rohde von Sumitomo (SHI) Demag (von links nach rechts); Quelle: Sumitomo (SHI) Demag

Seit Mitte 2020 laufen die Forschungs- und Entwicklungsarbeiten sowie seit 2021 auch die Versuchsreihen des Fraunhofer Spin-Offs plus10 und des Kunststoffzentrums SKZ für das Forschungsprojekt DarWIN. Mit diesem KI-Projekt werden detaillierte Verhaltensmodelle von Spritzgießmaschinen auf Basis hochfrequenter Maschinendaten erlernt. Durch die Übertragbarkeit von vortrainierten Machine Learning Modellen können einzelne Maschinen voneinander lernen. Das bedeutet, dass Verhaltensmodelle einer spezifischen Maschine nicht jedes Mal komplett neu gelernt werden muss, sondern nur in einer kleinen Anpassungsphase auf die Maschine und das gerade laufende Produkt adaptiert wird. Diese Verhaltensmodelle schlagen optimierte Prozessparameter für den nächsten Maschinenzyklus vor, um unter den gerade herrschenden Randbedingungen, wie Rohmaterialcharakteristik und Umgebungsbedingungen, in kürzester Zykluszeit und ohne Ausschuss produzieren zu können. Das Besondere am Projekt DarWIN ist, dass Maschinen von verschiedenen Herstellern voneinander lernen. Die Verhaltensmodelle sind also herstellerunabhängig übertragbar auf Maschinen ähnlicher Baugröße und Technologie.

KI-Versuche an Sumitomo (SHI) Demag-Maschinen

Kürzlich führten plus10 und das SKZ diese Versuchsreihen auch an Sumitomo (SHI) Demag-Maschinen durch. Die hochfrequente Maschinenkonnektivität der Sumitomo (SHI) Demag-Maschinen ermöglicht es, plus10-Algorithmen an den Maschinen anzutrainieren. Dadurch können die Anlagen kontinuierlich mitlernen, Ausschuss vermieden und die Maschinen stets maximal produktiv betrieben werden. Ein Vorteil der Sumitomo (SHI) Demag-Maschinen ist hierbei, dass deren Steuerungen eine hochfrequente und echtzeitnahe Kommunikation im Millisekunden-Bereich ermöglicht. Die kontinuierlich lernenden KI-basierten Optimierungstools können so in die Anlagen einfach implementiert und genutzt werden; die Maschinen sind sozusagen „AI-ready“.

Die Versuchsreihen im Sumitomo (SHI) Demag Technikum tragen nicht nur zur Optimierung von Spritzgießmaschinen bei, sondern dienen gleichzeitig auch der Schnittstellenentwicklung und kontinuierlichen Prüfung und Weiterentwicklung KI-basierter Softwaretools. Mit der Bereitstellung einer realen Testumgebung greift SHI pro-aktiv innovative Themen und Ideen für ihre Maschinen auf und gestaltet aktiv die Zukunft des Spritzgießens mit.

Forschungsergebnisse relevant für nachhaltige Kunststoffwirtschaft

Die Ergebnisse des Forschungsprojekts sind außerdem von großer Bedeutung für eine nachhaltige Kunststoffverarbeitung. Die plus10 Technologie ermöglicht es, selbst sensible bzw. heterogene Materialien, wie zum Beispiel thermoplastische Post-Consumer-Rezyklate oder schnell vernetzende Elastomere, prozessstabil zu verarbeiten. Die Erkenntnisse unterstützen somit eine funktionierende Kreislaufwirtschaft in der Kunststoffverarbeitung.

Das Forschungsprojekt „DarWIN“ (BMBF-Förderkennzeichen 01IS20066) wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und endete am 31.12.2021. Aktuell werden die gewonnenen Ergebnisse aufbereitet und fließen plus10-intern in die Softwareentwicklung ein. Für Ende des Jahres 2022 ist die Veröffentlichung der finalen Ergebnisse geplant sowie zusammen mit dem SKZ weitere Aktivitäten und Live-Demonstrationen der Entwicklungsergebnisse bei Fachveranstaltungen wie dem Treffen „Digitales Spritzgießen“ am SKZ in Würzburg.

 

Unter anderem zu lesen bei

Maschinen voneinander lernen lassen – Die Zukunft des Spritzgießens

Das Kunststoff-Zentrum SKZ in Würzburg führt aktuell mit dem Fraunhofer Spin-off plus10 mehrere Versuchsreihen durch. Ziel ist es, kontinuierlich lernende Modelle praxisnah zu entwickeln, die eine höhere Qualität bei kürzeren Zykluszeiten ermöglichen. Dafür werden Maschinen von verschiedenen Herstellern einbezogen und Verallgemeinerungsstrategien konzipiert. Das zugehörige Forschungsprojekt DarWIN wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert.

Augsburg/Stuttgart, 18.08.2021

pressebild_versuche am skz_darwin_quelle_elke_kunkel

Im SKZ-Technikum in Würzburg laufen die Versuche zum Forschungsprojekt DarWIN auf verschiedenen Spritzgießmaschinen. Bildquelle: plus10 GmbH. Fotografin: elke kunkel fotografie. Bildquelle: plus10.

Bereits seit Ende des Jahres 2020 laufen die Versuchsreihen für das Forschungsprojekt DarWIN. Ziel des KI-Projekts ist es, detaillierte Verhaltensmodelle von Spritzgießmaschinen auf hochfrequenten Maschinendaten zu lernen. Dafür werden  Maschinen unterschiedlicher Hersteller herangezogen, die im Laufe der Zeit ähnliche Teile produzieren. Auf diese Weise sollen die auf einer Maschine gelernten Verhaltensmodelle auch auf andere Maschinen übertragbar sein, ohne die Modelle für jede Maschine wieder komplett neu zu lernen. Die Verhaltensmodelle schlagen optimierte Prozessparameter für den nächsten Schuss vor, um bei minimal möglicher Zykluszeit ohne Ausschuss zu produzieren.

Spritzgießmaschinen und –Prozesse miteinander vergleichen – herstellerunabhängig

Die Expert*innen von SKZ und plus10 erforschen anwendungsnah neueste Machine Learning Modelle zur Verhaltensbeschreibung von zyklischen Fertigungsprozessen am Beispiel des Spritzgießens. Im Zentrum steht die Online-Fähigkeit, also die Bildung und Erweiterung eines Modells, während der Prozess läuft. Daneben spielt auch die Untersuchung der Übertragbarkeit von vortrainierten Machine Learning Modellen von einer Maschine auf ähnliche, nicht identische Maschinen eine zentrale Rolle. Ein „Evolutionslerner“ des Unternehmens plus10 generiert Optimierungsvorschläge basierend auf dem Verhaltensvergleich mit allen beteiligten gleichen bzw. ähnlichen Maschinen. Das SKZ stellt für die Versuchsreihen eine große Maschinenvielfalt der Hersteller ARBURG, ENGEL, KraussMaffei, Sumitomo (SHI) Demag sowie WITTMANN BATTENFELD zur Verfügung. Von plus10 fließt die Expertise zur intelligenten Datenverarbeitung und automatisierten Produktionsoptimierung mittels kontinuierlich lernender Modelle in das Projekt ein. Die Spritzgieß-Spezialist*innen des SKZ beurteilen die übertragenen Optimierungsvorschläge und kontrollieren die Bauteilqualität im Prüflabor.

Das Forschungsprojekt „DarWIN“ (BMBF-Förderkennzeichen 01IS20066) wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und endet voraussichtlich im November 2021. Für Ende des Jahres ist die Veröffentlichung der finalen Ergebnisse geplant.

Unter anderem zu lesen bei

Etablierte Unternehmen und Start-ups? So gelingt eine erfolgreiche Zusammenarbeit

Jedes zweite Maschinenbau-Unternehmen ist schon eine Kooperation mit einem Start-up eingegangen. Nicht immer folgen aus einer solchen Partnerschaft konkrete Ergebnisse. Über Erfolgsfaktoren und Herausforderungen ihrer gemeinsamen Zusammenarbeit berichteten Christian Riendl, Hosokawa Alpine, und Felix Müller, Fraunhofer Spin-off plus10, beim diesjährigen tea Technologietransfer-Kongress in Augsburg.

Augsburg, 21.07.2021

Um wettbewerbsfähig zu bleiben, setzen kleine und mittelständische Unternehmen zunehmend auf neue Technologien. Im eigenen Unternehmen fehlt es jedoch oft an der jeweiligen Expertise zu Künstlicher Intelligenz, Machine Learning und Co. Daher gehen einige Unternehmen Partnerschaften mit Start-ups ein, um solche Kompetenzen zu ergänzen. Einer Studie der VDMA Startup-Machine zufolge liegt der Fokus bei einer solchen Zusammenarbeit darauf, neue Produkte zu entwickeln oder bestehende zu verbessern. Wenn etablierte Unternehmen und Start-ups zusammenarbeiten, treffen oft gefestigte Strukturen auf agile Arbeitsweisen. Damit eine Kooperation für beide Seiten wertschöpfend ist, ist eine systematische Herangehensweise essenziell. Der Maschinen- und Anlagenbauer Hosokawa Alpine ging zusammen mit dem Fraunhofer Spin-off plus10 eine solche Partnerschaft ein. Beim tea Technologietransfer-Kongress sprachen sie über ihre Kooperation sowie Leitplanken für einen erfolgreichen Outcome.

Hosokawa Alpine und plus10 – Partnerschaft startet mit Workshop

Kennengelernt hatten sich die beiden Firmen bei der AI Convention, die von der IHK Schwaben 2020 veranstaltet wurde. Schnell war klar, dass die beiden Unternehmen von einem Austausch profitieren. So hielten KI- und Automatisierungsexpert*innen von plus10 einen zweitägigen Workshop bei Hosokawa Alpine vor Ort. Ziel dieses Formats war es, gemeinsam wertschöpfende Use Cases von Künstlicher Intelligenz beim Anlagenbauer zu identifizieren und zu definieren, um letztendlich ein Kundenproblem zu lösen. „Zusammen mit plus10 haben wir binnen zwei Tagen konkrete Anwendungsfälle erarbeitet, wie Künstliche Intelligenz wertschöpfend und zugleich technisch realistisch in unseren Anlagen integriert werden kann. Mit ihren konkreten Beispielen zur Umsetzung im Maschinen- und Anlagenbau hat plus10 das Thema für uns sehr gut greifbar gemacht. Das hat uns umfänglich geholfen, KI-Applikationen für unsere Anlagen zu identifizieren“, so erläutert Christian Riendl, Head of Electrical Engineering der Film Extrusion Division der Hosokawa Alpine AG, die gemeinsame Zusammenarbeit.

„Gemeinsame Sprache finden“ – Kommunikation bei Zusammenarbeit ist das A und O

Im Interview verrieten beide Kooperationspartner, was es bei einer Zusammenarbeit von Maschinenbauer und Start-up zu beachten gilt. Für Felix Müller ist klar, dass die Basis eine gemeinsame Sprache bildet. Die Expert*innen von plus10 haben eher eine domänenspezifische Datenperspektive, wohingegen Hosokawa Alpine als hoch spezialisierter Sondermaschinenbauer komplexe Folienextrusionsanlagen herstellt. „Diese zwei Welten zusammenzubringen, war ein diskursiver Prozess, um sich gegenseitig zu verstehen und dann auch gemeinsam Lösungen zu skizzieren“, berichtet Felix Müller, Geschäftsführer von plus10. Ein offener Erfahrungsaustausch bringt die Parteien näher zusammen und schafft Verständnis auf beiden Seiten. Hier hilft es, an konkreten Maschinen und Anlagen typische Szenarien interdisziplinär, bspw. zusammen mit dem Vertrieb oder technischen Kundensupport, zu diskutieren. Neben einer offenen Kommunikation ist auch Transparenz ein weiterer Erfolgsfaktor. Es muss jederzeit allen Beteiligten klar sein, welche Ziele mit der Kooperation verfolgt werden und welche Timeline dahinter liegt. Liegt der Fokus auf akuten Problemen oder werden langfristige Lösungsansätze zur Integration in das Produktportfolio erarbeitet?

Systematische Roadmap als Garant für konkrete Ergebnisse

Damit der Austausch strukturiert abläuft, basiert der Workshop von plus10 auf einer systematischen Roadmap. Mitarbeiter*innen aus dem Partner-Unternehmen bringen wertvolles Betriebswissen aus unterschiedlichen Perspektiven in den Workshop ein. Dazu liefern KI- und Automatisierungstechnik-Spezialist*innen von plus10 die nötige Expertise zu KI-Grundlagen, existierenden Lösungen sowie Best Practices. Nach der methodischen Herleitung von Use Cases, wo ein konkretes Problem mithilfe von KI gelöst werden soll, werden diese zusammen mit den KI-Expert*innen technisch bewertet. So erschließt das Unternehmen Schritt für Schritt die für sie individuell passenden KI-Use Cases mit zugehörigen Voraussetzungen, Nutzen und Herausforderungen. Als Ergebnis des Workshops erhalten die Teilnehmer*innen eine konkrete Use Case-Vorauswahl inklusive technischer Bewertung, um zeitnah in die Umsetzung überzugehen.

Im Interview präsentierten Riendl und Müller auch, wie es nun mit Hosokawa Alpine und plus10 weitergehen soll. Die Ergebnisse aus dem gemeinsamen Workshop sollen als Voraussetzung für ein intelligentes Wissensmanagementsystem dienen, was im ersten Schritt intern und anschließend extern direkt für Endkund*innen bereitsteht. Fest steht, beide Unternehmen konnten schon jetzt aus der Zusammenarbeit viel lernen und relevante Ergebnisse mitnehmen, die sie für die Zukunft wappnet.

Unter anderem zu lesen bei

Intelligente Maschinen? Den KI-Einstieg im Maschinenbau meistern

Fraunhofer Spin-off plus10 erarbeitet mit Maschinenbau-Unternehmen branchenspezifische Anwendungsfälle von Künstlicher Intelligenz und erleichtert so den KI-Einstieg. Workshop liefert für Maschinenhersteller systematische Roadmap. Beim Anlagenbauer Hosokawa Alpine wurde das Workshopformat bereits erfolgreich umgesetzt. Am 14. Juli berichten Hosokawa Alpine und plus10 auf dem virtuellen tea Technologietransfer-Kongress über ihre Kooperation.

Augsburg, 07.07.2021

Einige Maschinenhersteller sind die Integration von Künstlicher Intelligenz (KI) in ihre Maschinen und Anlagen sowie unternehmensinternen Prozesse schon angegangen. Durch die Neuartigkeit und Vielseitigkeit dieser Ansätze ist entsprechendes Expertenwissen meist nicht oder nur teilweise im Unternehmen vorhanden. Daher suchen und finden Maschinenbauer extern die fehlende KI-Expertise. So kommt es, dass viele Anlagenhersteller Kooperationen mit Start-ups eingehen. Wie eine aktuelle Studie der VDMA Startup-Machine zeigt, fehlt es in der Praxis oft an einer systematischen Herangehensweise bei solchen Kooperationen, obwohl diese erfolgsentscheidend sein kann. Daher hat das Fraunhofer Spin-off plus10 ein Angebot speziell für Maschinenbauunternehmen entwickelt, welches diesen zielgerichtet die ersten Schritte in Richtung KI-Anwendungen erleichtert. Als Anbieter von KI-Software zur Maschinen- und Produktionsoptimierung wissen die Expert*innen von plus10, welche Potentiale sich durch den Einsatz von künstlicher Intelligenz ergeben, was technisch möglich ist und wo Probleme lauern.

Integrativer Workshop zum KI-Einstieg speziell für Maschinenbauunternehmen

Wie aus der Studie der VDMA Startup-Machine hervorgeht, sind bereits mehr als 50 % der Hersteller von Maschinen und Anlagen eine Zusammenarbeit mit unterschiedlichen Start-ups eingegangen[1]. Die Beweggründe sind bei 84 % der befragten Anlagenbauer, neue Produkte zu entwickeln oder bestehende zu verbessern[2]. Um wettbewerbsfähig zu bleiben, holen sich die Unternehmen externen Input. Doch damit eine Kooperation auch ein Erfolg wird, ist es wichtig, dass diese strategisch und an einer vorher festgelegten Zielvorgabe ausgerichtet ist. Genau aus diesem Grund hat plus10 ein integratives Workshopformat speziell für Maschinen- und Anlagenbauer entwickelt, welches den individuell auf das Unternehmen angepassten Einstieg in die KI systematisch erarbeitet.

Grundsätzlich zeigt sich nämlich, dass die Bereitschaft und Offenheit für neue Technologien im Maschinenbau vorhanden sind. Oft fehlt nur das Wissen bzw. die Erfahrung, was technisch überhaupt mit KI möglich wäre und welche Voraussetzungen hierfür nötig sind. Diese Anknüpfungspunkte und potenziellen Anwendungsfälle im Unternehmen zu identifizieren, ist das Ziel des KI-Einstiegspakets von plus10. Dabei handelt es sich nicht um eine einseitige Beratung. Die Use-Cases werden gemeinsam erarbeitet: Mitarbeiter*innen aus dem Unternehmen bringen wertvolles Betriebswissen aus unterschiedlichen Perspektiven in den Workshop ein. Gleichzeitig liefern KI- und Automatisierungstechnik-Spezialist*innen von plus10 die nötige Expertise zu KI-Grundlagen, existierenden Lösungen sowie Best Practices im Maschinenbau. Nach der methodischen und systematischen Herleitung von Anwendungsfällen werden diese zusammen mit den KI-Expert*innen technisch bewertet. So erschließt das Unternehmen Schritt für Schritt die für sie individuell passenden KI-Use Cases mit zugehörigen Voraussetzungen, Nutzen und Herausforderungen. Als Ergebnis des Workshops erhalten Maschinenbauer eine konkrete Use Case-Vorauswahl inklusive technischer Bewertung, um zeitnah in die Umsetzung überzugehen.

Das gemeinsame Erarbeiten der möglichen Anwendungen im Unternehmen hat weitere Vorteile: Es schafft zum einen Verständnis für neue Technologien bei den Mitarbeiter*innen und unterstützt so den Ausbau von Kenntnissen und Fähigkeiten in diesem Bereich. Zum anderen ist die Akzeptanz von digitalen Projekten in der Belegschaft dafür entscheidend, ob der Einsatz ein Erfolg wird oder nicht. Dies bestätigt auch die VDMA Startup-Machine Studie: Projekte, bei denen die Mitarbeiter*innen als Unterstützer eingebunden werden, sind erfolgreicher[3]. Daher lohnt es sich, den Rückhalt bei internen Expert*innen durch deren Integration in digitale Maßnahmen zu fördern.

KI-Workshop beim Anlagenbauer Hosokawa Alpine

Die Kollaboration von Maschinenbauunternehmen und KI-Start-up zeigte auch beim Workshop von plus10 zusammen mit dem Anlagenbauer Hosokawa Alpine Erfolge. Christian Riendl, Head of Electrical Engineering der Film Extrusion Division der Hosokawa Alpine AG, berichtet über den gemeinsamen Workshop: „Zusammen mit plus10 haben wir binnen zwei Tagen konkrete Anwendungsfälle erarbeitet, wie künstliche Intelligenz wertschöpfend und zugleich technisch realistisch in unseren Anlagen integriert werden kann. Mit ihren konkreten Beispielen zur Umsetzung im Maschinen- und Anlagenbau hat plus10 das Thema für uns sehr gut greifbar gemacht. Das hat uns umfänglich geholfen, KI-Applikationen für unsere Anlagen zu identifizieren.“

Auf dem virtuellen tea Technologietransfer-Kongress am 14. Juli berichten Christian Riendl von Hosokawa Alpine und Felix Georg Müller, Geschäftsführer von plus10, über ihre Zusammenarbeit beim gemeinsamen Workshop. Als Best Practice Beispiel sprechen sie über Chancen und Herausforderungen bei der Kooperation von etablierten Unternehmen und Start-ups. Eine Anmeldung zum virtuellen Kongress ist noch bis zum 12. Juli kostenlos möglich.

[1] Dorfer, Mohr, Mur, & Schramowski, 2020, S. 9 | Dorfer, L., Mohr, C., Mur, S., Schramowski, T. (2020). Gemeinsam stark. Wie die erfolgreiche Zusammenarbeit mit Startups im Maschinen- und Anlagenbau gelingt. VDMA Startup-Machine (Hrsg.). Verfügbar unter: https://www.vdma.org/documents/11103465/51937199/Studie_Gemeinsam_stark.pdf/f3724551-5678-f017-49eb-5045846276e8.

[2] Ebd., S. 17

[3] Ebd., S. 56

Unter anderem zu lesen bei

Fraunhofer Spin-off plus10 unter Top 3 Startups bei Fabrik des Jahres

Fraunhofer Spin-off plus10 ist eines der drei besten Startups bei renommiertem Industrie-Wettbewerb Fabrik des Jahres in der Kategorie „Startup Challenge“. Mit einer innovativen KI-Optimierungssoftware für die automatisierte Produktion konnte das junge Unternehmen aus Augsburg und Stuttgart das Fachpublikum überzeugen.

Augsburg/Stuttgart, 22.06.2021

Felix Georg Müller (plus10) konnte mit seinem Pitch im Finale der Startup Challenge des Wettbewerbs Fabrik des Jahres überzeugen. Bildquelle: SV Veranstaltungen GmbH.

Bei einem der angesehensten Industrie-Wettbewerben im Kontext von Fabrikplanung und -betrieb in Europa konnte das Unternehmen plus10 mit seinen KI-basierten Softwaretools Darwin und Shannon® für die automatisierte Produktionsoptimierung die Zuschauer*innen für sich gewinnen und schaffte es unter die Top 3 Startups. In seinem Pitch überzeugte Felix Georg Müller (CEO und Co-Founder von plus10) das Publikum, welches aus Produktionsexpert*innen, Werksleiter*innen sowie Entscheider*innen aus der Industrie bestand. Im Finale der Startup Challenge, welches am Dienstag stattfand, standen außerdem die Unternehmen Additive Marking und MotionMiners. Den ersten Platz in der finalen Abstimmung belegte MotionMiners.

Maschinen voneinander lernen lassen – das Erfolgsrezept von plus10

plus10 wurde 2019 von den drei Ex-Fraunhofer Mitarbeitern Felix Georg Müller, Pablo Mayer und Thomas Hilzbrich gegründet. Diese haben es sich zur Aufgabe gemacht, dass selbst komplexe Maschinen und Anlagen durch ihre kontinuierliche daten-basierte Optimierung jederzeit maximal produktiv betrieben werden können. Dafür nutzen sie KI-Algorithmen und lassen Maschinen voneinander lernen. Die Produktionssoftware wird bereits in verschiedenen Branchen eingesetzt und erzielt 5 – 15 % Output Steigerung im laufenden Mehrschicht-Betrieb. Mittlerweile besteht das Team aus 15 Mitarbeiter*innen, die Know-how aus den Bereichen Software-Entwicklung, Data Science sowie Automatisierungs- und Steuerungstechnik vereinen.

Fabrik des Jahres prämiert jährlich herausragende Lösungen für die Produktion

Der Benchmark-Wettbewerb Fabrik des Jahres zeichnet jedes Jahr herausragende Unternehmen aus, die mit innovativen Technologien und Digitalisierung die eigene Wettbewerbsfähigkeit steigern. Weitere Kategorien, in denen Firmen ausgezeichnet werden, sind u. a. „Standortsicherung durch Digitalisierung“ oder auch „Hervorragendes Produktionsnetzwerk“. Der Wettbewerb und gleichnamige Kongress wird jedes Jahr von Süddeutscher Verlag Veranstaltungen und der Unternehmensberatung Kearney ausgerichtet.

Unter anderem zu lesen bei

Spritzgießen 4.0: KI in der Kunststoffverarbeitung bei Freudenberg

Fraunhofer Spin-off plus10 implementiert bei Freudenberg Home and Cleaning Solutions KI-Software in Spritzgießmaschinen und baut hochfrequente Datenerfassung sowie – Verarbeitung auf.

Augsburg, 09.03.2021

vileda eimer produktion

In der Vileda Eimer-Produktion wurde vom Fraunhofer Spin-Off plus10 eine hochfrequente KI-Datenerfassung sowie – Verarbeitung aufgebaut. Fotograph: Johannes Vogt. Bildrechte: Freudenberg Home and Cleaning Solutions.

 

Künstliche Intelligenz (KI), Machine Learning (ML), Big Data – diese Begriffe begleiten nun schon seit längerer Zeit die Industrie. Zahlreiche Unternehmen möchten diese Technologien einsetzen. Doch es mangelt an Anwendungsfällen, die einen realistischen Einsatz von künstlicher Intelligenz darstellen und einen konkreten Benefit in der Produktion beschreiben. Denn das Feld ist weit, in dem KI zum Einsatz kommen kann. plus10, ein Fraunhofer Spin-off, nutzt bei seinen Softwaretools KI-Technologien, um komplexe Produktionsmaschinen maximal produktiv zu betreiben. Die Optimierungssoftware kam in der Konsumgüterherstellung zum Einsatz: Bei Freudenberg Home and Cleaning Solutions wurde eine hochfrequente Datenerfassung und -Verarbeitung bei mehreren Spritzgießmaschinen implementiert.

Software generiert datenbasiert Optimierungsvorschläge

Für Betreiber von Spritzgießmaschinen ist es essenziell, schnellstmöglich perfekt aufeinander abgestimmte Parametereinstellungen zu identifizieren, um das Maximum an Gutteilen in der bestmöglichen Zykluszeit zu erreichen. Allerdings sind vollautomatisierte Produktionsanlagen meist sehr komplex und schwierig maximal produktiv zu betreiben.

Gerade für solche Produktionsanlagen entwickelt das KI-Start-up plus10 selbstlernende Softwaretools zur datenbasierten Analyse und Optimierung. Als Basis für das kontinuierlich wirkende System werden tausende Maschinenparameter jede Millisekunde erfasst und verarbeitet. Mittels Machine Learning wird das Maschinenverhalten vieler gleicher oder ähnlicher Maschinen detailliert erlernt. Daraus werden anschließend automatisiert Optimierungsvorschläge für jede einzelne Maschine abgeleitet. Dies basiert im Hintergrund auf einer maschinell gelernten rein virtuellen „idealen Maschine“, die sich über die Zeit hinweg ebenfalls selbst verbessert. So entwickelt sich jede Maschine evolutionär in die Richtung dieser idealisiert perfekten Maschine. Auf diese Weise können Unternehmen ihre Zykluszeit pro Maschine um 6 – 18 Prozent reduzieren und damit die Anlageneffektivität signifikant steigern.

KI in der Produktion von Eimern bei Freudenberg

Beim Kunststoffverarbeiter Freudenberg Home and Cleaning Solutions war das Ziel des Projekts die Konzeption und Umsetzung einer hochfrequenten Big-Data-Infrastruktur inklusive Data-Mapping für Spritzgießmaschinen. Um diese Zielsetzung zu erreichen, wurde eine Reihe von Maßnahmen realisiert. Als erster Schritt wurden zu jeder Maschinensteuerung mehrere Datenschnittstellen implementiert. Auf diese Weise können Daten von Sensoren zur Rohmaterialcharakterisierung angebunden und gemappt werden. Um auch Temperatur und Feuchtigkeit des Materials zu erfassen, wurden In-Mold-Sensoren integriert. Abweichungen dieser Parametereinstellungen können Qualitätseinbußen bei den Endprodukten hervorrufen. Eine Qualitätsstation wurde eingerichtet, um jedes Teil einer individuellen Prüfung zu unterziehen. Darüber hinaus entwickelten die Optimierungsspezialisten ein virtuelles Puffersystem, damit jedes produzierte Teil nach dem Spritzgießen verfolgt werden konnte: „Die Zusammenarbeit beinhaltete auch eine virtuelle Bauteilverfolgung zur kontinuierlichen und automatisierten Verknüpfung von allen Steuerungs- und nachfolgenden Qualitätsdaten.“, berichtet Uwe Dingert, Director Research & Development von Freudenberg Home and Cleaning Solutions.

Einsatz der Optimierungssoftware voller Erfolg

Als Ergebnis erhielt Freudenberg Home and Cleaning Solutions eine KI-fähige Big-Data-Infrastruktur, welche die Grundlage für weitere Optimierungsmaßnahmen darstellt. Ein einheitliches Datenmodell wurde erstellt, das alle Einzelmessungen mit dem entsprechenden produzierten Teil verknüpft. So können gemessene Qualitätsmerkmale bei aufeinanderfolgenden Prozessschritten der Spritzgießzyklen zugeordnet werden. Uwe Dingert von Freudenberg ist überzeugt von dem gemeinsamen KI-Projekt: „plus10 hat für unsere Spritzgießmaschinen eine hochfrequente Dateninfrastruktur aufgebaut. Ich war sehr begeistert von der Expertise und Verlässlichkeit.“

 

Unter anderem zu lesen bei

Eine Spritzgießmaschine, die eigenständig die Verarbeitungsparameter auf die kunststoffspezifischen Eigenschaften, die Umgebungsbedingungen und den momentanen Maschinen- oder Werkzeugzustand abstimmt, ist die Idealvorstellung vieler Kunststoffverarbeiter. Diese ist Wirklichkeit geworden, denn ein KI-Spinoff hat nach fünf Jahren anwendungsnahen Forschens ein solches autonomes Optimierungstool erarbeitet und industralisiert.

Den vollständigen Artikel finden Sie hier:

Plastverarbeiter | Spritzgießen von sensiblen Materialien & Rezyklaten – Ausschuss und Zykluszeit automatisiert optimieren