Morgondagens industriella internet kommer att integrera teknologier som imiterar mänskliga kognitiva färdigheter som förmågan att planera, att lära, och att uppfatta vår omgivning. Fraunhofer Cluster of Excellence Cognitive Internet Technologies CCIT arbetar för att förverkliga visionen om ett kognitivt internet av saker.

Digitalisering har en enorm potential för tysk industri, gör det möjligt för företag att automatisera tillverkningsprocesser, göra dem mer effektiva, anta nya affärsmodeller, och erbjuda skräddarsydda produkter. "Det kräver mycket produktiv, kostnadseffektiv, flexibla tillverkningsprocesser, baserad på säker IoT-teknik, pålitliga datainfrastrukturer och pålitliga metoder för maskininlärning. Vi har all expertis som behövs för att göra detta på Fraunhofer CCIT och undersöker specifika tillämpningsscenarier, " säger professor Claudia Eckert, styrelsens taleskvinna.

Smart, interaktiva verktygsmaskiner

Fraunhofer CCIT utvecklar en komponent för ett smart verktyg som förbättrar kvaliteten och resultatet av skärprocesser. Genom att integrera trådlösa komponenter och bredbandskommunikationsteknik för att mäta verktygets resonansfrekvenser, analysera data i realtid, och upptäcka avvikelser, det blir möjligt att fånga processdata vid handlingspunkten. "Detta talar om för oss omedelbart om det finns ett problem med bearbetningsprocessen - till exempel ett defekt verktyg, " säger Hendrik Rentzsch från Fraunhofer Institute for Machine Tools and Forming Technology IWU. Säkerhetsprotokoll garanterar integriteten, sekretess, tillgängligheten och äktheten av ursprunget för de insamlade uppgifterna. IoT-komponenten fungerar både som sensor och som ställdon. Genom att avge ultraljudsvågor, det får verktyget att resonera. Resonanssignalerna förstärks och kan användas för att styra verktyget. Rentzsch:"På detta sätt är det möjligt att upprätthålla en kontinuerlig nivå av kvalitet och produktivitet även när tillverkningsprocessen körs med full effekt. Lösningen utvecklad av Fraunhofer CCIT kan integreras till låg kostnad i alla verktyg, till exempel i ett metallborrverktyg."

Säker datadelning inom en kontrollerad användargrupp

För att illustrera konceptet med en delad digital tvilling, Fraunhofer CCIT kommer att presentera sin lösning för en uppkopplad operationsdesk som tillåter företag att dela känslig data från sina tillverkningsprocesser med – och endast med – auktoriserade partners och kunder. Denna IT-lösning består av tre komponenter:IoT-arkitekturen, den digitala tvillingen, och International Data Spaces (IDS). RIOTANA-arkitekturen (IoT Analytics i realtid) tar rådata från den process som körs – som vibrationer, temperatur eller friktion – och använder den för att generera meningsfulla indikatorer i realtid. Denna information lagras sedan i en digital tvilling på företagets servrar. Här, företaget kan definiera vilken data man vill dela med vilka användare och under vilka förutsättningar. IDS-anslutningar ger säker överföring av data och kontroll över vidare bearbetning av data av mottagaren. Observera att denna datadelning är dubbelriktad. Information kan också läggas till den digitala tvillingen av externa användare. "Vår teknik skapar en bro mellan IoT-arkitekturen och befintliga lösningar för säkert utbyte av industriell processdata, såsom Industry 4.0-tillgångsadministrationsskalet eller IDS-arkitekturen. Den kan rymma alla typer av databas eller applikationer. Till exempel, det gör det möjligt för maskintillverkare och användare att dela processdata för att förbättra verktygets tillståndsövervakning, säger Hendrik Haße från Fraunhofer Institute for Software and Systems Engineering ISST.

Snabbare resultat tack vare AI

Men mervärdet av sådan teknik för industrin sträcker sig utöver möjligheten att dela data med externa partners. Teknologier som maskininlärning och artificiell intelligens kan tillämpas på data som erhålls från pågående tillverkningsprocesser.

För att säkerställa att verktygsmaskiner producerar pålitliga, reproducerbara resultat, tecken på slitage måste upptäckas i god tid. Tills nu, detta berodde på maskinförarens erfarenhet och kunskap – och var huvudsakligen baserat på deras observationsförmåga. Lite var tillgängligt i form av tekniska hjälpmedel. Forskare vid Fraunhofer Institutes for Production Technology IPT och for Algorithms and Scientific Computing SCAI har utvecklat en algoritm för detta ändamål, som de tränade med hjälp av specialanpassade maskininlärningsmetoder. AI:n kan bestämma ett verktygs tillstånd genom att analysera dess ljudspektrum, vilket i sin tur gör att den kan identifiera även de minsta tecken på slitage. "Människor kan också göra det här, säger Sebastian Mayer, en forskare vid Fraunhofer SCAI, "men en AI kan göra det snabbare, och analysera många fler ljudspektra samtidigt, samt lära sig att urskilja tecken på slitage i en finare skala. Algoritmen hjälper den mänskliga operatören att bestämma, till exempel, om ett verktyg behöver bytas ut eller inte. "AI:n är inställd på andra frekvenser än det mänskliga örat, och kan informera operatören om vilka frekvenser som bör ägnas särskild uppmärksamhet, " säger Fraunhofer IPT-forskaren Arno Schmetz.