Daten, die im automatischen Prüfprozess gewonnen werden, bieten ein enormes Potenzial. Eine der großen Herausforderungen der Zukunft wird es sein, diese noch intelligenter zu nutzen. Von Smart Data sprechen wir immer dann, wenn diese auf Basis intelligenter Algorithmen nutzbringend für Automatisierung und Prozesssteuerung eingesetzt werden können. Bei seiner Produktentwicklung legt VITRONIC hierauf besonderes Augenmerk. So beschäftigen wir uns etwa mit der Anwendung von Deep-Learning-Methoden für einzelne Prüfapplikationen, um die Abläufe und Ergebnisse in der Fehlererkennung weiter zu verbessern. Ein weiteres konkretes Anwendungsfeld ist die prozessgetreue Visualisierung der gesammelten Prüfdaten in Form von Heatmaps und Trendanalysen. Diese lassen sich vielseitig nutzen, u.a. um Prozessparameter zu optimieren oder um den Wechselzeitpunkt für kritische Ersatzteile zu bestimmen.
Gemeinsame Maschinensprache
Wichtige Grundlage für den Austausch dieser Informationen sind standardisierte Schnittstellen. Damit sich die Systeme zukünftig in einer Sprache verständigen können, unterstützt VITRONIC die OPC UA Machine Vision Initiative. Ziel ist es, Datenaustausch und Vernetzung auf der Automatisierungsebene zu vereinfachen und damit eine flexiblere Nutzung von Vision-Systemen zu ermöglichen. So wird eine M2M Schnittstelle basierend auf dem „OPC UA for Machine Vision“ Companion Standard mit dem nächsten Release unseres Basis Software Framework (Q2 2020) als Standardmodul für alle VITRONIC Automationslösungen bereitstehen.
Aus Machine Vision wird Machine Learning
Ein vielversprechendes Entwicklungsthema ist der sogenannte Closed Loop, also die automatische Trendanalyse in einem geschlossenen System. Hier werden in der automatisierten Anwendung die Informationen aus der Prüfung ausgewertet, direkt in die Maschinensteuerung rückgekoppelt und können dort eine automatische Korrektur von Maschinenparametern vornehmen. Sprich: Die Maschine adaptiert sich automatisch. Beim Fast Feedback Loop werden kleinere Teilprozesse in sinnvolle Untereinheiten gegliedert, um möglichst frühzeitig notwendige Anpassungen zu identifizieren und darauf automatisch zu reagieren.
Predictive Maintenance
Nicht zuletzt sehen wir beim Thema Predictive Maintenance weiterhin großes Potenzial. Dabei geht es um eine vorausschauende Wartung, die auf Basis von Prozessparametern prognostiziert, wann ein Bauteil innerhalb des Prozesses in der Produktionsstraße gewartet oder ausgetauscht werden muss.
Durch diese Maßnahmen kann der Hersteller die Ausbringungsmenge signifikant erhöhen und gleichzeitig Stillstandszeiten reduzieren.