Die Inhalte, die Sie sich ansehen, sind maßgeschneidert für Österreich. Inhalte für Vereinigte Staaten ansehen | Anderes Land auswählen

KI-basierte Produktionsoptimierung mit MLnext Intelligente Datenauswertung für ressourcenschonende und effiziente Produktionsprozesse

Künstliche Intelligenz abstrakt dargestellt auf schwarzem Hintergrund

Künstliche Intelligenz als Booster für Ihre Produktion

Daten sind das Fundament der Digitalisierung, doch sie werden durch wachsende Netzwerke und erhöhte Sicherheitsanforderungen komplexer in ihrer Handhabung und Auswertung. Eine datengetriebene Analyse von Produktionssystemen ermöglicht eine skalierbare und flexible Unterstützung für das Produktionsmanagement und die Instandhaltung. Um z. B. Anomalien in der Fabrik rechtzeitig zu erkennen, bieten die Lösungen MLnext die Möglichkeit, durch Machine-Learning Ihre Daten auszuwerten sowie Optimierungen schnell, einfach und präzise vorzunehmen.

Künstliche Intelligenz
Data Science
Disziplin zur Ableitung von Informationen auf Basis von Daten durch Auswertung und Visualisierung.
Model
Zusammenfassung des Wissens und Handlungen des Machine-Learning-Algorithmus in einem speicherbaren Format.
Domain Knowledge
Wissen über Produktionsprozesse und Maschinen.
Artificial Intelligence
Teilgebiet der Informatik, das menschliches Verhalten als Vorlage für die Datenverarbeitung nimmt.
Machine-Learning
Automatisches Ableiten von Wissen und Handlungen auf Basis von aufgezeichneten Daten. 
Visualisierung von Produktionsdaten

Produktionsdaten jederzeit im Blick

Nachhaltiger produzieren dank intelligenter Datenauswertung KI-basierte Handlungsempfehlungen zur Gestaltung smarter Produktionsprozesse

Daten lassen sich heutzutage in unzähliger Anzahl in den Maschinen und Anlagen einer Produktion wiederfinden. Sie stellen die Grundlage für die Umsetzung aller Digitalisierungslösungen dar. Wenn es um die Auswertung geht, geben Daten z. B. einen Einblick in die Verbräuche von verschiedenen Ressourcen wie (Druck-)Luft oder Wasser. Die Auswertung der Daten auf Basis von Machine-Learning bietet eine Vielzahl von Vorteilen im Vergleich zu manuellen Datenanalysen. Neben einer automatisierten Datenauswertung können Anwender an dieser Stelle von der Skalierbarkeit für ganze Produktionsprozesse profitieren. Neben einer automatisierten und damit einer vielfach schnelleren Datenauswertung profitieren Anwender an dieser Stelle von der Skalierbarkeit von einzelnen Maschinen, kompletten Anlagen bis zu ganzen Produktionsprozessen.

Phoenix Contact bietet mit den smarten Lösungen von MLnext eine einfache Möglichkeit für die Erstellung und den Einsatz von Machine-Learning-Modellen für die Produktion. Dadurch können z. B. neuronale Netze eingesetzt werden, damit Probleme in Produktionsprozessen automatisiert gefunden und mit Handlungsempfehlungen verknüpft werden. In der PLCnext Factory von Phoenix Contact konnten durch den Einsatz von MLnext basierten Lösungen bereits Produktivitätssteigerungen in Höhe von 10 % in kürzester Zeit erreicht werden. Ebenso könnten kürzere Umsetzungszyklen für neue Lösungen realisiert werden, was einen schnelleren Return-of-Investest (ROI) zur Folge hat.

Mann mit Tablet in der Hand und MLnextlLogo

Ihre Vorteile Abgestimmt auf Ihren Anwendungsfall und Ihre Applikation

Mit MLnext profitieren Sie von verschiedenen Vorteilen:

  • Ready-to-Use – kein Vorwissen erforderlich da neuronale Netz automatisiert erstellt werden
  • Einfach – Parametrierung statt Programmierung ermöglicht eine fehlerfreie und schnelle Anpassung der Lösung
  • Transparent – Modellerstellung und -ausführung werden automatisch protokolliert und visualisiert
  • Optimal – ein integrierter, intuitiver Modellvergleich ermöglicht die schnelle Identifikation des besten Modells
Mitarbeiter wertet Produktionsdaten aus

Maximale Flexibilität mit MLnext Von der Steuerung bis hin zum Einsatz in der Cloud

Das Modell lernt auf Basis der vergangenen Verbrauchsaktivitäten, welche Optimierungsmaßnahmen eingesetzt werden können. Gegenwärtige Veränderungen wie z. B. das Absinken der Umgebungstemperatur an einer Anlage werden dabei automatisch berücksichtigt und fließen in die Auswertung ein.

In der Praxis sind der Anwendung der MLnext-Lösungen keinerlei Grenzen gesetzt. Mögliche Einsatzgebiete können z. B. vorauschauende Wartung oder Prozessoptimierung von Produktionsanlagen sein.

Die Elektronikproduktion PLCnext Factory von Phoenix Contact hat mit den MLnext-Lösungen erstmalig flächendeckend den maschinennahen Einsatz von künstlicher Intelligenz realisiert. Im Ergebnis können seitdem die Zustände der Komponenten innerhalb der Maschine einfacher erfasst werden. Basierend auf diesem Ergebnis werden zukünftig weitere Datenanalysen für eine zustandsorientierte Instandhaltung (Predictive Maintenance) durchgeführt.

Vielfältige Möglichkeiten für den Einsatz von KI mit MLnext

Icon für MLnext Creation
3dbdf1e3b61f914293b72e2f694be0cf
MLnext Framework
Icon für MLnext Creation

MLnext Creation ermöglicht die Erstellung und Parametrierung der neuronalen Netze. Da die Anwendung auf Basis einer Konfigurationsdatei funktioniert, sind keinerlei Programmierkenntnisse erforderlich. Durch die automatische Protokollierung werden alle Bearbeitungsschritte einzeln erfasst und erzeugen ein standardisiertes Reporting. Um das optimale neuronale Netz für den Anwendungsfall zu wählen, können mehrere Modelle auch schnell miteinander verglichen werden. Basierend auf den Reports kann die Konfigurationsdatei anschließend individualisiert werden.

3dbdf1e3b61f914293b72e2f694be0cf

Mit MLnext Execution wird eine plattformunabhängige Software zum Ausführen von neuronalen Netzen bereitgestellt. Die Lösung kann flexibel eingesetzt werden – egal ob auf der Steuerungsebene, einem lokalen IT-Server oder in der Cloud. Entwickelte Lösungen können in der präferierten Umgebung getestet, verbessert sowie verglichen werden. Der notwendige Datenfluss wird hier durch die Konfigurationsdateien erstellt.
Die Konfiguration beinhaltet standardmäßig das Laden der Daten, die Vorverarbeitung, die Ausführung des Machine-Learning-Modells, die Nachverarbeitung sowie die Abspeicherung der neuen Informationen. Anfragen lassen sich dabei entweder zyklisch wiederholen oder auf Bedarf einer REST-Schnittstelle einstellen.

Zudem können neue Lösungen einfach auf der gleichen Plattform entwickelt werden, ohne die bereits eingebundenen Prozesse zu unterbrechen. Veränderungen sind flexibel durch den Anwender, Service-Partner oder die Expertinnen und Experten von Phoenix Contact möglich.
Die Möglichkeit der Ergänzung von Datenflüssen während der Laufzeit bietet Anwendern ein hohes Maß an Flexibilität.

MLnext Framework

Für einen schnellen und einfachen Überblick der Daten können Hochsprachenprogrammierer auf das MLnext Framework zurückgreifen. Die Python-Bibliothek beinhaltet eine Vielzahl an Funktionen für die Vorverarbeitung und Visualisierung von Produktionsdaten. Auch verschiedene Modelle lassen sich mit Hilfe von Auswertungsfunktionen miteinander vergleichen.

Die Programmierbibliothek wird stetig weiterentwickelt und implementiert damit stetig neueste Ansätze aus der Forschung. Dadurch haben Entwickler für die Analyse von Zeitreihendaten aus der Produktion immer die aktuellsten „State-of-the-art“-Möglichkeiten für eine Umsetzung ihrer Ideen.

Verborgene Potenziale in der Fabrik entdecken Die Produktion jetzt smart optimieren

Egal ob Anomalieerkennung, die Lokalisierung von Leckagen oder die Optimierung von Prozessen, mit MLnext lassen sich versteckte Potenziale einfach und zielführend aufdecken. Erfahren Sie mehr in unserem Infopaper.

Download
MLnext in Ihrer Produktion einsetzen

Nutzen Sie die Testversion, um mit MLnext vertraut zu werden.

Zum PLCnext Store
MLnext-Logo