Menu
Find all news & press about plus10 here.
Mail: info@plus10.de
Tel.: +49 821 7898 6400
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:
Great success at the Microsoft Intelligent Manufacturing Award 2021
In the finale of the Microsoft Intelligent Manufacturing Award 2021, which is organized by Microsoft and the management consultancy Roland Berger, Felix Georg Müller (CEO and CO-Founder of plus10) convinced the jury on January 25, 2022 with his pitch on the implemented use case in cooperation with Haselmeier. With the topic “AI-based software: process optimization in the assembly of medical devices” plus10 and Haselmeier were able to assert themselves as winners of the category “Innovate!”. The award is being presented for the third time this year.
Augsburg, 24.02.2022
Implementation of Shannon® on an automated assembly line for injection syringes to increase productivity in GMP-compliant production. Source: Stanislav Tisot, Haselmeier.
The industry advisory board of the Microsoft Intelligent Manufacturing Award 2021 selected plus10 with its unique technology to present the use case developed in collaboration with Haselmeier in the finale on the big pitch day (January 25). This involved the implementation of plus10 software tools on an automated assembly line for injection pens to increase productivity in GMP-compliant production. At the press conference on February 24, plus10 and Haselmeier™ A medmix Brand were presented as winners of the “Innovate!” category and were able to pitch their use case to selected journalists.
AI-based software – process optimization in medical device assembly
Medical devices such as self-injection pens are manufactured on fast and highly automated assembly lines. Process optimization is a complex undertaking where AI-based software helps to find the most effective measures. By using plus10 tools, significant performance optimization can be realized. The GMP-compliant Shannon® software tool identifies technical line problems and their causes in real time and recommends an appropriate solution to solve the problem in the specific situation. In the cooperation between Haselmeier and plus10, the assembly line was analyzed to identify the causes of technical availability and performance losses. The initial overall equipment efficiency (OEE) was already relatively high (70-80%), yet Shannon® successfully uncovered productivity potentials of plus 10 %.
plus10-Shannon®: Learning and GMP-compliant optimization control loop for production plants from Haselmeier™ A medmix Brand.
Microsoft and Roland Berger honor innovative ideas and digital solutions
The Microsoft Intelligent Manufacturing Award recognizes companies in the manufacturing industry that are actively helping to drive the transformation to Industry 4.0 forward. In addition to plus10, the finalists included companies such as BMW Group, Dürr Systems AG, Wienerberger AG and SAS, as well as Bosch Global Software Technologies. The winners receive exclusive access to one of the top expert networks for Industry 4.0, the MIMA Champion Circle.
Read also at:
Industrielle Automation | Sieg im Microsoft Finale
Hannover Messe | MIMA recognizes best digital solutions in the manufacturing industry
PALIM research project
Automotive supplier Valeo has started an application-oriented research and development project with the Fraunhofer AI spin-off plus10 and the AI institute AImotion Bavaria at Ingolstadt University of Technology. The goal of the PALIM (Performance-Accelerated Learning for Intelligent Manufacturing) project is to increase the efficiency of highly automated production lines with the help of novel machine learning algorithms. The PALIM research project is funded by the Free State of Bavaria as part of the High-Tech Agenda via the Bavarian Joint Research Program (BayVFP) for three years.
Augsburg/Ingolstadt/Wemding, 27.01.2022
Production line for the automated assembly of driver assistance cameras at the Wemding site. Photo source: private, Steffen Klarmann
At the kick-off meeting for the PALIM project at Valeo’s Wemding site, the guidelines for the research project were set. The aim of the project is to use the example of a highly automated production and assembly line to systematically further research the suitability of modern deep learning methods for time series processing and to evaluate them in an application-oriented manner. The state-of-the-art production line, in which optics and electronics are adaptively assembled, connected and tested, is a predestined use case for this.
Autonomous driving, automation and artificial intelligence in Germany: advancing expertise.
The production line at the Wemding site produces integrated sensors and camera systems for driving assistance through to autonomous driving. It is a market with increasing demand. From a production perspective, the challenge is to manufacture intelligent sensors in high volumes. This makes it all the more important to drive the use of novel optimization tools in German production facilities that are continuously learning.
“The automation industry is still in the early stages of discovering and making extensive use of deep learning approaches in processes. Such techniques can offer potentially higher accuracy and generalization than conventional machine learning approaches and provide a real production advantage,” explains Felix Georg Müller, Managing Director at plus10.
The project partners: plus10, Valeo and TH Ingolstadt
In order to successfully implement this project, all three partners contribute different competences:
At PALIM, plus10’s experts in self-learning production optimization will provide the know-how and many years of practical experience in high-frequency machine data acquisition, fusion and handling as the basis for all R&D work. On the research and development side, plus10 will contribute expertise and preliminary work in the area of behavioral modeling of manufacturing processes and modeling approaches to explain phenomena that occur using deep learning approaches.
With the research professorship for AI-based optimization in automotive production at the Almotion Bavaria Institute, Ingolstadt University of Applied Sciences is responsible for the implementation, documentation and experimental evaluation of various machine learning procedures and methods.
Through its site in Wemding, Valeo is contributing its knowledge of highly automated production for proprietary cutting-edge technologies. Through Valeo.ai, the first global center for artificial intelligence and deep learning in the automotive industry, the project can draw on a research track record led by 200 AI experts with close ties to the scientific and academic community.
The PALIM research project is funded with an amount of €1.3 million by the Free State of Bavaria through the Bavarian Collaborative Research Program (BayVFP) over 3 years until August 2024. It is thus part of the High-Tech Agenda Bavaria and the development of Augsburg and Ingolstadt as AI future locations in Bavaria. The project is supervised by the project management organization VDI/VDE Innovation + Technik GmbH.
At the kick-off of the PALIM research project at the Valeo site in Wemding, the project managers Lukas Lodes, Felix Georg Müller, Prof. Dr. Alexander Schiendorfer, Lena Kunz, Christian Pfefferer, Maximilian Schwab, Steffen Klarmann (from left to right) met. Image source: Valeo GmbH.
Read also at:
DarWIN research project – plus10 and Demag work on the future of injection molding
The Fraunhofer spin-off plus10 is conducting application-oriented research together with the Southern German plastics center SKZ as part of the DarWIN project on new AI-based optimization tools for injection molding machines. The aim is to develop continuous learning models in a practical manner that adaptively enable higher quality with shorter cycle times around the clock. To this end, machines from different manufacturers are included and generalization strategies for overarching learning phases are designed. A final series of tests has now also been carried out on machines from the company Sumitomo (SHI) Demag.
Augsburg, 18.01.2022
The team of the DarWIN research project: LTR Dr. Thorsten Thümen of Sumitomo (SHI) Demag, Felix Georg Müller of plus10, Christoph Mussauer of SKZ, Marco Fischer and Melanie Rohde of Sumitomo (SHI) Demag (from left to right); Source: Sumitomo (SHI) Demag
Since mid-2020, the research and development work and, since 2021, also the test series of the Fraunhofer spin-off plus10 and the SKZ Plastics Center have been running for the DarWIN research project. With this AI project, detailed behavior models of injection molding machines are learned on the basis of high-frequency machine data. Through the transferability of pre-trained machine learning models, individual machines can learn from each other. This means that behavior models of a specific machine do not have to be completely relearned each time, but are only adapted to the machine and the product currently being run in a small adaptation phase. These behavior models suggest optimized process parameters for the next machine cycle in order to be able to produce in the shortest cycle time and without scrab under the currently prevailing boundary conditions, such as raw material characteristics and ambient conditions. The special feature of the DarWIN project is that machines from different manufacturers learn from each other. The behavior models can therefore be transferred to machines of similar size and technology, irrespective of the manufacturer.
AI tests on Sumitomo (SHI) Demag machines
Recently, plus10 and SKZ also conducted this series of experiments on Sumitomo (SHI) Demag machines. The high-frequency machine connectivity of Sumitomo (SHI) Demag machines makes it possible to train plus10 algorithms on the machines. This allows the equipment to continuously learn, eliminating scrap and ensuring the machines are always operating at maximum productivity. One advantage of Sumitomo (SHI) Demag machines is that their control systems enable high-frequency, near-real-time communication in the millisecond range. The continuous learning AI-based optimization tools can thus be easily implemented and used in the installations; the machines are “AI-ready”, so to speak.
The test series in the Sumitomo (SHI) Demag Technical Center not only contribute to the optimization of injection molding machines, but also simultaneously serve the interface development and continuous testing and further development of AI-based software tools. By providing a real test environment, SHI proactively takes up innovative topics and ideas for its machines and actively helps shape the future of injection molding.
Research results relevant for sustainable plastics industry
The results of the research project are also of great importance for sustainable plastics processing. The plus10 technology makes it possible to process even sensitive or heterogeneous materials, such as thermoplastic post-consumer recyclates or fast-crosslinking elastomers, in a process-stable manner. The findings thus support a functioning circular economy in plastics processing.
The “DarWIN” research project (BMBF funding code 01IS20066) is funded by the German Federal Ministry of Education and Research (BMBF) and ends on December 31, 2021. Currently, the results obtained are being processed and are being incorporated internally by plus10 into software development. The publication of the final results is planned for the end of 2022, as well as further activities and live demonstrations of the development results at specialist events such as the “Digital Injection Molding” meeting at the SKZ in Würzburg together with the SKZ.
Read also at:
The SKZ Plastics Center in Würzburg is currently conducting several test series with the Fraunhofer spin-off plus10. The aim is to develop continuous learning models in a practical manner that enable higher quality with shorter cycle times. For this purpose, machines from different manufacturers are included and generalization strategies are designed. The associated DarWIN research project is funded by the German Federal Ministry of Education and Research (BMBF).
Augsburg/Stuttgart, 18.08.2021
Trials for the DarWIN research project are underway on various injection molding machines at the SKZ Technical Center in Würzburg. Image source: plus10 GmbH. Photographer: elke kunkel fotografie.
The test series for the DarWIN research project have already been running since the end of 2020. The aim of the AI project is to learn detailed behavioral models of injection molding machines on high-frequency machine data. To do this, machines from different manufacturers that produce similar parts over time are used. In this way, the behavior models learned on one machine should also be transferable to other machines without having to re-learn the models for each machine. The behavior models suggest optimized process parameters for the next shot in order to produce without scrap at the minimum possible cycle time.
Compare injection molding machines and processes – independent of manufacturer
The experts from SKZ and plus10 are conducting application-oriented research into the latest machine learning models for describing the behavior of cyclical manufacturing processes, using injection molding as an example. The focus is on online capability, i.e. the creation and expansion of a model while the process is running. In addition, the investigation of the transferability of pre-trained machine learning models from one machine to similar, non-identical machines also plays a central role. An “evolution learner” from the company plus10 generates optimization suggestions based on behavioral comparison with all identical or similar machines involved. SKZ provides a wide range of machines from the manufacturers ARBURG, ENGEL, KraussMaffei, Sumitomo (SHI) Demag and WITTMANN BATTENFELD for the test series. plus10’s expertise in intelligent data processing and automated production optimization by means of continuously learning models will flow into the project. The SKZ injection molding specialists evaluate the transferred optimization proposals and control the component quality in the test laboratory.
The “DarWIN” research project (BMBF funding code 01IS20066) is funded by the German Federal Ministry of Education and Research (BMBF) and is expected to end in November 2021. Publication of the final results is planned for the end of the year.
Read also at:
Every second mechanical engineering company has already entered into a cooperation with a start-up. However, concrete results do not always follow from such a partnership. Christian Riendl, Hosokawa Alpine, and Felix Müller, Fraunhofer spin-off plus10, reported on the success factors and challenges of their joint collaboration at this year’s tea Technology Transfer Congress in Augsburg.
Augsburg, 21.07.2021
To remain competitive, small and medium-sized enterprises are increasingly turning to new technologies. However, their own companies often lack the relevant expertise in artificial intelligence, machine learning and other fields, which is why some companies are entering into partnerships with startups to supplement such skills. According to a study by VDMA Startup-Machine, the focus of such collaboration is on developing new products or improving existing ones. When established companies and startups work together, established structures often meet agile ways of working. A systematic approach is essential for cooperation to create value for both sides. The machine and plant manufacturer Hosokawa Alpine entered into such a partnership together with the Fraunhofer spin-off plus10. At the tea Technology Transfer Congress, they talked about their cooperation and the guidelines for a successful outcome.
Hosokawa Alpine and plus10 – partnership starts with workshop
The two companies met at the AI Convention, which was organized by the Swabia Chamber of Industry and Commerce in 2020. It quickly became clear that the two companies would benefit from an exchange. Thus, AI and automation experts from plus10 held a two-day workshop at Hosokawa Alpine on site. The goal of this format was to jointly identify and define value-creating use cases of artificial intelligence at the plant manufacturer in order to ultimately solve a customer problem. “Together with plus10, we worked out concrete use cases within two days on how Artificial Intelligence can be integrated into our plants in a way that adds value and at the same time is technically realistic. With their concrete examples of implementation in machine and plant engineering, plus10 made the topic very tangible for us. This has helped us extensively to identify AI applications for our plants,” says Christian Riendl, Head of Electrical Engineering at the Film Extrusion Division of Hosokawa Alpine AG, explaining the joint collaboration.
“Finding a common language” – communication in collaboration is the be-all and end-all
In an interview, both cooperation partners revealed what needs to be taken into account when machine manufacturers and start-ups work together. For Felix Müller, it is clear that the basis is a common language. The experts at plus10 have more of a domain-specific data perspective, whereas Hosokawa Alpine, as a highly specialized special machine builder, manufactures complex film extrusion systems. “Bringing these two worlds together was a discursive process to understand each other and then also to jointly outline solutions,” reports Felix Müller, managing director of plus10. An open exchange of experiences brings the parties closer together and creates understanding on both sides. Here, it helps to discuss typical scenarios on concrete machines and systems in an interdisciplinary manner, for example together with sales or technical customer support. In addition to open communication, transparency is another success factor. It must be clear to everyone involved at all times what goals are being pursued with the cooperation and what the timeline is behind it. Is the focus on acute problems or are long-term solutions being developed for integration into the product portfolio?
Systematic roadmap as a guarantee for concrete results
To ensure that the exchange is structured, the plus10 workshop is based on a systematic roadmap. Employees from the partner company contribute valuable operational knowledge from different perspectives to the workshop. In addition, AI and automation technology specialists from plus10 provide the necessary expertise on AI fundamentals, existing solutions and best practices. After the methodical derivation of use cases, where a concrete problem is to be solved with the help of AI, these are technically evaluated together with the AI experts. In this way, the company develops, step by step, the AI use cases that are individually suitable for them, with the associated prerequisites, benefits and challenges. As a result of the workshop, the participants receive a concrete pre-selection of use cases, including a technical evaluation, so that they can move on to implementation in a timely manner.
In the interview, Riendl and Müller also presented the next steps for Hosokawa Alpine and plus10. The results of the joint workshop are to serve as a prerequisite for an intelligent knowledge management system, which will be available internally in the first step and then externally directly for end customers. One thing is certain: both companies have already been able to learn a lot from the collaboration and take away relevant results that will equip them for the future.
Read also at:
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
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.
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
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.“
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: