5-2018
Fachzeitschrift für Industrielle Automation, Mess-, Steuer- und Regeltechnik
Fachzeitschrift für Industrielle Automation, Mess-, Steuer- und Regeltechnik
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Editorial<br />
Datenqualität in der Smart Factory<br />
Durch die Förderung der Bundesregierung im Zukunftsprojekt Industrie 4.0 sollen<br />
moderne Informations- und Kommunikationstechnologien die Industrie revolutionieren,<br />
den Wirtschaftsstandort Deutschland stärken, und eine Steigerung der Produktivität<br />
ermöglichen.<br />
Dr.-Ing. Frederik Beutler<br />
Geschäftsführer Knowtion UG –<br />
Spezialist für Sensorfusion und<br />
automatische Datenanalyse<br />
Im Zukunftsprojekt der Industrie 4.0 nimmt der Begriff Smart Factory auch intelligenten<br />
Fabrik eine entscheidende Rolle ein. In der intelligenten Fabrik werden alle<br />
Entitäten in einem Prozess mit Sensoren, Aktoren und Kommunikationsverbindungen<br />
ausgestattet. Durch die Kommunikation untereinander sollen diese den Fertigungsprozess<br />
selbständig organisieren und lösen können. Um dies zu gewährleisten müssen<br />
intelligente Monitoring- und autonome Entscheidungsprozesse bereitgestellt werden,<br />
welche die Sensordaten in Echtzeit verarbeiten und basierend darauf den Aktoren<br />
Aktionen mitteilen. Damit werden bei der Vernetzung von ganzen Fabriken zu Smart<br />
Factories große Datenmengen anfallen und die Interpretation und Bewertung der<br />
Sensordaten eine immer größere Bedeutung bekommen. Zudem muss die Qualität<br />
der Produkte kontinuierlich überwacht werden, um frühzeitig Änderungen im Prozess<br />
einzuleiten.<br />
Dabei spielen zwei Aspekte hinsichtlich der Sensordaten eine entscheidende Rolle.<br />
Um qualifizierte und zuverlässige Aussagen automatisiert zu gewinnen, muss die<br />
Qualität der Sensordaten überwacht werden. Dies bedeutet die Integrität der Daten<br />
muss sichergestellt werden. Dies kann man z. B. erreichen, wenn sich die Sensoren<br />
untereinander überwachen, welche das gleiche Phänomen beobachten. Betrachtet<br />
man z. B. eine Temperaturverteilung, welches mit einem Array von Temperatursensoren<br />
dieses beobachtet, so stehen die Sensordaten über eine partielle Differentialgleichung<br />
in Beziehung, mit der man Sensorausfälle oder Fehlmessungen detektieren<br />
kann. Ein anderer Aspekt ist die Planung der verwendeten Sensoren für die<br />
Qualitätsüberwachung. Dabei spielen die Sensoreinsatzplanung und die Heterogenität<br />
der Sensoren eine entscheidende Rolle. Durch mobile Sensoren kann die Beobachtbarkeit<br />
und damit die Genauigkeit erhöht werden. Durch die Verwendung von heterogenen<br />
Sensoren können die Vorteile der unterschiedlichen Sensoren kombiniert und<br />
die Nachteile minimiert werden.<br />
Auch für die Validierung und die Verifikation einer Smart Factory wird man vor<br />
großen Herausforderungen stehen, wenn maschinelle Lernverfahren und den daraus<br />
gewonnen Datenmodellen Änderungsanweisungen für den Betrieb abgeleitet werden.<br />
Dabei werden sich die Fragen stellen, auf Basis welcher historischen Daten kam<br />
das Verfahren zu dieser Entscheidung, wie können die Entscheidungen auf die Auswirkungen<br />
überprüft und wie können Gegenmaßnahmen für falsche Entscheidungen<br />
aussehen. Andere Bereiche, wie z. B. autonome Fahrzeugsysteme, stehen vor ähnlichen<br />
Fragestellungen. Hier besteht die große Chance Synergieeffekt zu nutzen, um<br />
Vorgehensweisen gemeinsam zu entwickeln.<br />
Dr.-Ing. Frederik Beutler<br />
Knowtion UG<br />
www.knowtion.de<br />
PC & Industrie 5/<strong>2018</strong> 3