Im Zuge von Industrie 4.0 sind Produktionssysteme, insbesondere durch die massive Zunahme an Daten, komplexer geworden. Dies hat zur Folge, dass bei der Implementierung von KI-Anwendungen die für den Anwendungsfall relevanten Daten nicht zwangsläufig gut ersichtlich sind. Dies ist jedoch für eine effektive und zielgerichtete Implementierung von KI in der Produktion essentiell. Untersuchungen zeigen, dass trotz der Bemühungen durch präventive Wartung nach wie vor ein großer, finanzieller Schaden durch Stillstand von Produktionsanlagen entsteht [1]. Daher ist es essentiell reaktive Fehlerdetektion weiter im Blick zu behalten.

Der KI-Aspekt des Demonstrators:

Dieser Demonstrator zeigt wie das Fehlverhalten innerhalb von Hardware-Komponenten eines Produktionssystems mit detektiert werden kann. Aufgrund der hohen Komplexität von modernen Produktionsanlagen ist eine schnelle, zielgerichtete Fehlererkennung mit klassischen Methoden schwierig und zeitaufwendig. Mithilfe von KI ist es möglich, die Vielzahl an verschiedenen Hardwarefehlern innerhalb von maschinennahen Daten zu unterscheiden und eine erste Einschätzung der Fehlerursache für den Werker vorzunehmen.

Ziele des Demonstrators:

Mit diesem Demonstrator wird die Nutzung von KI zur reaktive Fehlerdetektion in Produktionsanlagen verdeutlicht. Hierbei liegt der Fokus auf der Umsetzung von KI-Anwendungen im Produktionskontext. Aufgrund des einfachen Produktionssystems kann ein Verständnis der Funktionalität schnell aufgebaut, die Fehlerfälle können einfach nachvollzogen und die Bedeutung hoch-qualitativer Daten wird deutlich.

Ergebnisse:

Es wurde ein mobiler Demonstrator eines einfach begreifbaren Produktionssystems, einer Sortieranlage, aufgebaut. Dieses System nutzt Maschinendaten, direkt von einer SPS, und transferiert diese über das Kommunikationsprotokoll MQTT an einen Mini-PC. Dieser nutzt nun die Daten, verarbeitet Sie in ein bestimmtes Format und gibt die aktuellen Daten in ein künstlich neuronales Netz. Dieses neuronale Netz unterscheidet nun anhand der Daten, welche Fehler am Wahrscheinlichsten sind und spiegelt das Ergebnis zurück zur SPS. Diese stellt die Ergebnisse dann in einer Visualisierung auf einem Human Machine Interface dar.

Mehrwert:

Anhand dieses Demonstrators sollen verschiedene Aspekte in Bezug auf die Nutzung von KI aufgezeigt werden. Zum einen soll den Unternehmen anhand eines einfachen Produktionssystems der allgemeine Ablauf eines KI-Projekts nähergebracht werden. Weiterhin soll die Notwendigkeit an qualitativ hochwertigen Daten für einen erfolgreichen Einsatz von KI aufgezeigt werden. Schließlich sollen auch die Potentiale und Limitationen von KI-Anwendungen vermittelt werden.

Publikationen

• Webert, H., Simons, S., & McGibney, A. (2025). A practical investigation of ML and Industry 4.0 for reactive fault detection in manufacturing systems. Procedia Computer Science, 253, 1800-1809.

Wo, wann und in welchem Rahmen kann ich den Demonstrator begutachten?

Eine Begutachtung des Demonstrators ist im Zuge von Labtouren an der Smart Factory der Hochschule Darmstadt oder bei Messebesuchen des Instituts möglich. Außerdem werden über den Instituts-geleiteten YouTube-Kanal CRAatHDA ausgewählte Ergebnisse öffentlichkeitswirksam verteilt.