Fallstudien & Anwendungen

Problem

Eine Flotte von Industrierobotern zeigte sporadische Ausfälle ohne Vorwarnung und verursachte ungeplante Linienstillstände.

Daten-/Bildquelle

Achsströme, Drehmomente, Zykluszeiten und Alarmhistorie, direkt aus den Robotersteuerungen ausgelesen.

Lösungsarchitektur

Edge-Kollektor mit Logging in InfluxDB und Anomalieerkennungsmodellen, die Roboter und Zyklen über die Zeit vergleichen.

Integration

Frühwarnmeldungen an das Instandhaltungsteam und Grafana-Dashboards je Roboter und Linie.

Ergebnis

Schleichende Verschlechterung wurde Wochen vor dem Ausfall sichtbar; Instandhaltung wird jetzt nach Zustand geplant.

Problem

Die manuelle Prüfung bearbeiteter Oberflächen war langsam, subjektiv und übersah sporadisch auftretende Fehlertypen.

Daten-/Bildquelle

Hochauflösende Flächenkameras mit kontrollierter Beleuchtung, installiert über der Linie.

Lösungsarchitektur

Deep-Learning-Segmentierungsmodelle auf einem industriellen GPU-PC an der Linie.

Integration

Gut/Schlecht-Entscheidungen an die SPS innerhalb der Zykluszeit; Bilder und Ergebnisse zur Rückverfolgbarkeit in SQL gespeichert.

Ergebnis

Vollprüfung jedes Teils mit einheitlichen Kriterien und lückenlosen bildbasierten Qualitätsaufzeichnungen.

Problem

Sporadische Montagefehler ließen sich aus den End-of-Line-Daten allein nicht reproduzieren oder erklären.

Daten-/Bildquelle

Kontinuierliche Videostreams von Kameras über den manuellen Montagestationen.

Lösungsarchitektur

Edge-Gerät mit kontinuierlicher Videoinferenz zur Erkennung von Prozessschritten und Abweichungen.

Integration

Ereignisaufzeichnung, Echtzeit-Abweichungsalarme und Prozessstatistiken je Schicht auf Dashboards.

Ergebnis

Ursachen der Montagefehler wurden aus aufgezeichneten Ereignissen identifiziert; Prozessabweichungen lösen jetzt sofortige Alarme aus.

Problem

Ein Zerspanungsbetrieb hatte keine Live-Transparenz über Auslastung, Zykluszeiten oder Unterbrechungsursachen.

Daten-/Bildquelle

Maschinenzustände, Spindeldaten, Programme und Zähler aus CNC-Steuerungen über OPC UA.

Lösungsarchitektur

Edge-Kollektoren mit lokaler Pufferung, die InfluxDB und SQL-Datenbanken on-premise speisen.

Integration

Grafana-Dashboards für die Analyse von Auslastung und Stillständen; Daten per API für das MES verfügbar.

Ergebnis

Objektive Auslastungszahlen ersetzten Schätzungen; Unterbrechungsursachen werden wöchentlich aus realen Daten analysiert.

Problem

Jahrzehnte an Instandhaltungswissen steckten in Papierunterlagen und in den Köpfen weniger erfahrener Techniker.

Daten-/Bildquelle

Instandhaltungsaufzeichnungen, Maschinenhandbücher, Alarmprotokolle und Datenbanken zur Maschinenhistorie.

Lösungsarchitektur

On-Premise-KI-Agent mit lokalen Sprachmodellen, der Dokumente und Maschinendaten indexiert.

Integration

Schnittstelle in natürlicher Sprache für Techniker; Antworten verweisen auf die zugrunde liegenden Dokumente und Aufzeichnungen.

Ergebnis

Fehlersuchinformationen, deren Suche Stunden dauerte, werden jetzt in Sekunden gefunden – und bleiben im Unternehmen.

Problem

In einer Produktionszelle ohne stabiles Netzwerk und ohne Platz für einen Server wurde eine Qualitätsprüfung benötigt.

Daten-/Bildquelle

Zwei Industriekameras, die Teile direkt in der Zelle aufnehmen.

Lösungsarchitektur

Jetson-Orin-Gerät mit lokal laufenden, optimierten Erkennungsmodellen, vollständig unabhängig von der Cloud.

Integration

Ergebnissignale direkt an die Zellen-SPS verdrahtet; Ergebnisse werden mit der Werksdatenbank synchronisiert, sobald das Netzwerk es zulässt.

Ergebnis

Zuverlässige Prüfung mit geringer Latenz in einer eingeschränkten Umgebung – ohne Cloud, ohne Serverraum.

Problem

Ein einzelner Prüfpunkt konnte nicht alle Fehlerstellen an einer komplexen Baugruppe erfassen.

Daten-/Bildquelle

Mehrere synchronisierte Kameras, die verschiedene Ansichten jedes Teils abdecken.

Lösungsarchitektur

Ein Edge-System, das alle Streams mit KI-Modellen je Ansicht und einer kombinierten Entscheidungslogik verarbeitet.

Integration

Kombinierte Gut/Schlecht-Entscheidung an die Linien-SPS; Bilder je Ansicht zur Qualitätsanalyse gespeichert.

Ergebnis

Vollständige Abdeckung der Fehlerstellen in einer Station statt mehrerer manueller Prüfungen.

Problem

Produktionsberichte wurden Tage später manuell aus Tabellenkalkulationen zusammengestellt.

Daten-/Bildquelle

Maschinenzähler, Zustände und Energiedaten, bereits durch unsere Datenschicht erfasst.

Lösungsarchitektur

InfluxDB-Zeitreihenspeicherung mit Grafana-Dashboards und automatisierter Alarmierung.

Integration

Anzeigen in der Werkshalle, Managementansichten und automatische Schwellenwertalarme per E-Mail.

Ergebnis

Live-Produktionstransparenz für alle Teams und automatisierte Tagesberichte statt manueller Tabellen.