Sensorik

Deep Learning: Wenn der Sensor anfängt zu lernen

| Autor / Redakteur: Sariana Kunze / Sariana Kunze

Deep Learning befähigt Maschinen zu lernen. Dieses maschinelle Lernen macht sich Sick mit einer Sensorlösung zunutze.
Deep Learning befähigt Maschinen zu lernen. Dieses maschinelle Lernen macht sich Sick mit einer Sensorlösung zunutze. (Bild: ©Alexander - stock.adobe.com)

Auf der Hannover Messe gewährt der Sensorhersteller Sick Einblicke in die eigene smarte Fertigung am Standort Freiburg. Mit dabei ist auch eine Sensorlösung, die auf Deep Learning Algorithmen basiert.

Fahrerlose Transportsysteme ziehen ihre Kreise, beliefern Produktionsroboter und transportieren fertige Produkte ab. Ein Ausschnitt aus einer smarten Fabrik, die der Hersteller von Sensoren und Sensorlösungen Sick auf der Hannover Messe per Livestream seinen Besuchern zeigen möchte. Über ein Dashboard sollen dann die Kennzahlen des Standortes in Freiburg abgerufen werden können. Zum einen soll dargestellt werden, wie Abläufe anhand von Analysen im Hinblick auf Effizienz weiter optimiert werden. Zum anderen soll gezeigt werden, wie Ausfälle von Maschinen aufgrund von Predictive Maintenance Analysen vermieden und Servicetätigkeiten effizient geplant sowie umgesetzt werden können. „Was so einfach aussieht, ist das Ergebnis konzentrierter Entwicklung und Vernetzungsarbeit. All unsere Fahrzeuge, Bauteile oder Produktionszellen sind miteinander verbunden und liefern die Daten in eine Cloud. Die Produktion ist je nach Auftragslage und Anforderungen skalierbar. Automatisierte und manuelle Arbeiten finden nebeneinander statt und bringen die Vorteile beider Varianten für die effiziente Produktion zusammen“, gibt Bernhard Müller, Senior Vice President Industrie 4.0 bei Sick, zu bedenken.

Navigationsmöglichkeiten für fahrerlose Transportsysteme

Sensorkomplettlösungen

Navigationsmöglichkeiten für fahrerlose Transportsysteme

13.03.18 - Sick stellt modulare Sensorkomplettlösungen für fahrerlose Transportsysteme und mobile Plattformen vor. Mit seinem Portfolio an Sensoren und Sensorsystemen bietet das Unternehmen vielfältige Automatisierungslösungen für mobile Plattformen aller Art: von Klein-FTS (Fahrerloses Transportsystem) oder AGCs (Automated Guided Carts) bis hin zum spezialisierten AGV (Automated Guided Vehicle). lesen

Plattform für anpassungsfähige Automatisierungslösungen

Bernhard Müller, Senior Vice President Industrie 4.0 bei Sick, erklärt: „Wir haben eine Sensorlösung auf Basis von Deep Learning Algorithmen entwickelt.“
Bernhard Müller, Senior Vice President Industrie 4.0 bei Sick, erklärt: „Wir haben eine Sensorlösung auf Basis von Deep Learning Algorithmen entwickelt.“ (Bild: Sick)

Durch die zunehmende Dynamik der Märkte beschleunigt sich auch die Produktentwicklung. In Monats- statt Jahreszyklen werden neue Entwicklungen zur Marktreife geführt. Bestehende Konzepte liefern darauf kaum eine Antwort. Flexibilität ist gefragt. Produktionsstätten müssen sich an individuelle Aufgabenstellungen anpassen lassen. Die Sensortechnologie im industriellen Umfeld spielt hier eine besondere Rolle – vor allem bei maßgeschneiderten Lösungen steigt die Nachfrage. „Bis vor einigen Jahren haben Hersteller versucht, Sensoren für jede Anforderung zu entwickeln. Heute löst man die immer individueller werdenden Aufgabenstellungen durch neue Sensor-Software-Konzepte. Sick hat in diesem Feld bereits mit dem Ökosystem Sick Appspace eine Plattform geschaffen, auf der anpassungsfähige Lösungen für Automatisierungsanwendungen ermöglicht werden können“, erklärt Müller. Jetzt geht der Sensorhersteller noch einen Schritt weiter in Richtung Industrie 4.0 und stellt seine erste Sensorlösung, die auf Basis von Deep Learning Algorithmen arbeitet, vor.

Maßgeschneiderte Apps für Sensor entwickeln

Interview: Apps für die Industrie

Maßgeschneiderte Apps für Sensor entwickeln

28.11.17 - In den letzten Jahren hat der Trend zur Individualisierung im Maschinen- und Anlagenbau zugenommen. Dieser Entwicklung trägt der Sensorhersteller Sick mit der offenen Plattform Sick Appspace Rechnung. Sie bietet System- und OEM-Integratoren die Möglichkeit programmierbare Sensoren zu entwickeln. In einem Interview haben wir uns mit Timo Mennle, Produktmanager Sick Appspace, über die Besonderheiten und die Weiterentwicklung der Plattform unterhalten. lesen

So funktioniert Deep Learning

Beim Deep Learning handelt es sich um eine spezielle Methode der Informationsverarbeitung. Es ist ein Teilbereich des Machine Learnings und nutzt neuronale Netze. Die Funktionsweise ist in vielen Bereichen vom Lernen des menschlichen Gehirns inspiriert. Es eignet sich für Anwendungen, bei denen große Datenmengen zur Verfügung stehen, aus denen sich Muster und Modelle ableiten lassen. Als technische Grundlage des Deep Learnings dienen künstliche neuronale Netze, die während des Lernvorgangs immer wieder neu verknüpft werden. Deep Learning befähigt Maschinen zu lernen. Sie werden so in die Lage versetzt, selbstständig ihre Fähigkeiten zu verbessern. Das erreicht man, indem aus vorhandenen Daten und Informationen Muster extrahiert und klassifiziert werden. Die gewonnenen Erkenntnisse lassen sich wiederum mit Daten korrelieren und in einem weiteren Kontext verknüpfen. Schließlich ist die Maschine fähig, Entscheidungen auf Basis der Verknüpfungen selbst zu treffen.

BUCHTIPPDas Buch „Industriesensorik“ beschreibt die Entwicklung und die praktische Anwendung der wichtigsten Sensoren. Durch anwendungsbezogene Fehleranalysen von Messsystemen, Sensoren und Sensorsystemen, jeweils ergänzt durch viele detaillierte, vollständig durchgerechnete Anwendungsbeispiele, eignet sich das Buch nicht nur für Studenten, sondern auch für Ingenieure und Techniker verschiedener Fachrichtungen.

Sensorlösung basiert auf Deep Learning

Sick selbst nutzt die Deep Learning Technologie im industriellen Umfeld, um die Funktionalität seiner Sensoren zu spezialisieren. Dabei lernt der Sensor, Informationen zu verarbeiten und erhält dadurch neue Funktionen. Bei einer Sensorlösung werden beispielsweise Sensoren durch eine Vielzahl von Bildern darauf trainiert, eine Antwort auf eine spezifische Frage zu geben. Aus diesem Training heraus kann der Sensor dann selbstständig neue, ihm nicht bekannte Bilder einem Ergebnis zuordnen. „Zum Beispiel arbeiten wir aktuell mit Deep Learning an einem Pilotprojekt in der Holzindustrie. Basis unserer Lösung ist eine Kamera mit Deep Learning Funktionalität“, beschreibt Müller. Für eine optimale Ausnutzung des Rohstoffs Holz müssen Sägewerke wissen, wie die Verhältnisse im Holzstamm sind. Wo befinden sich die Jahresringe, wo der Kern? Dies ist für eine gute Verarbeitung des Holzes notwendig. „Herauszufinden, wie das Holz am besten genutzt werden kann, das haben wir der Kamera mittels Deep Learning beigebracht. Eine Aufgabe, die zuvor ausschließlich von Menschen erledigt werden konnte“, erklärt Müller.

Mit dieser Technologie werden neue, bisher undenkbare Applikationen möglich, die Prozesse effizienter und produktiver machen. „In unserem Pilotprojekt konnten wir die Materialausnutzung erhöhen, die Qualität der Produkte steigern und die Ressourcenverschwendung vermeiden“, beschreibt Müller. Und nicht nur mit Materialien ist ein nachhaltiger Einsatz möglich. Auch Mitarbeiter werden von monotonen Aufgaben befreit und können sich komplexeren Aufgabenstellungen widmen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45732902 / Sensorik)