Wie Cloud-Plattformen helfen können

IIoT-Vernetzung in der Produktion beschleunigen

Mittlerweile gibt es zahlreiche Optimierungsansätze, die auf IIoT-Vernetzung und KI-Anwendungen wie Bilderkennung basieren. Cloud-Plattformen helfen dabei, diese Technologien in den Produktionsalltag zu integrieren und die Entscheidungsfindung vor Ort an der Maschine zu unterstützen.

nach Nutzen bezahlt

Bei dem Pay-per-Use-Prinzip wird nach tatsächlich benötigter Performance abgerechnet – also bei Streaming-Analytics zum Beispiel, wie viele Daten pro Minute verschoben werden. Damit muss etwa für Trainingsphasen von KI-Algorithmen keine leistungsfähige Infrastruktur erworben werden.

Intelligente Algorithmen und die Möglichkeit einer günstigen Echtzeitverarbeitung rücken derzeit Produktionsdaten in den Vordergrund, die bisher oft links liegen gelassen wurden. Durch eine Vernetzung im Industrial Internet of Things (IIoT) lassen sich mit Ansätzen wie Predictive Control heute Maschinenparameter besser steuern und die Qualität weiter optimieren. Künstliche Intelligenz (KI) hilft aber auch, Stillstands- und Rüstzeiten zu verkürzen. ‘Cognitive Services’ erlauben beispielsweise die Bilderkennung an der Produktionsstraße. Dabei wird per Foto oder Video die Qualität analysiert und Schwankungen sind frühzeitig erkennbar. Zum einen können dann Maschinenparameter angepasst, zum anderen Maßnahmen für vorausschauende Wartung ergriffen werden. Die einzelnen Technologien befinden sich bereits seit einigen Jahren im Einsatz – doch bisher waren Ansätze wie Predictive Control für kleine und mittelständische Unternehmen (KMU) kaum bezahlbar. Das ändert sich mit Industrie-Cloud-Plattformen wie Microsoft Azure, die keine einmaligen Investitionskosten erfordern und die Einstiegshürden deutlich reduzieren.

Cloud-Plattform als Verknüpfung zur KI

So lohnt sich auch mit zehn bis 15 Maschinen und nur wenig vorhandenen Daten der Einstieg in die KI-Nutzung. Vorkalibrierte Modelle, die dann mit den eigenen Daten trainiert werden, vereinfachen die bisher aufwendigen Data-Science-Aufgaben deutlich. KMU können auf dieser Basis mit nur wenig externer Unterstützung durch Partner viel Optimierungspotenzial heben. Wie lässt sich das Maschinenpersonal vor Ort unterstützen? Was geht als nächstes auf die Produktionsstraße? Wie viele Kollegen werden morgen an der Maschine gebraucht, wann muss eine Servicetechnikerin zur Anlage, weil sich Probleme abzeichnen? Die Azure-Plattform stellt für viele dieser Fragestellungen bereits Programmkomponenten zur Verfügung. Sie bildet die Grundlage, auf der einerseits Devices wie IIoT-Hubs eingebunden werden, andererseits die bestehenden Anwendungen in der Fabrik. Ähnlich wie eine Middleware organisiert sie das Datenmanagement für alle Komponenten zentral.