IT-Systemplattform I4.0 - Abschlussvideo WS24/25 — Transcript

Full transcript

1. 0:00ein klassisches Problem in der Industrie
2. 0:01ist die Überwachung komplexer Systeme im
3. 0:04Rahmen des i40 Projekts am Institut für
4. 0:06Informationsmanagement im Ingenieurwesen
5. 0:08kurz IMI haben wir Tools zur
6. 0:10Visualisierung und Analyse von
7. 0:11Datenströmen entwickelt so kann ein
8. 0:13Mitarbeiter schnell einen Überblick über
9. 0:15alle für ihn relevanten Daten gewinnen
10. 0:17für die Aufbereitung und Visualisierung
11. 0:19der Daten verwenden wir die Software
12. 0:21apachi Stream pipes mit Hilfe dieser
13. 0:23Software lassen sich alle für den
14. 0:24nutzerrelevanten Daten übersichtlich
15. 0:26visualisieren wie hier zu sehen
16. 0:28geschieht dies in Dashboards wel sowohl
17. 0:30als gesamtheitlicher Überblick über die
18. 0:32gesamte roboterflotte als auch als
19. 0:34dedizierte Anzeige für einzelne Roboter
20. 0:36verwendet werden können eine wichtige
21. 0:38Errungenschaft hierbei ist eine Live
22. 0:40Ladestandsanzeige welche vom Hersteller
23. 0:42nicht zur Verfügung gestellt wird durch
24. 0:44diese Anzeige ermöglichen wir dem
25. 0:45Anwender eine gute approximation des
26. 0:47aktuellen ladestandes durch welchen sich
27. 0:49die Restlaufzeit abschätzen lässt diese
28. 0:51Erkenntnisse können vor allem für die
29. 0:53Optimierung bestehender Prozesse sehr
30. 0:55wertvoll sein weitere von uns für die
31. 0:57Prozessoptimierung erstellte Tools
32. 0:59umfassen eine Heatmap und eine
33. 1:00Hinderniserkennung welche beide
34. 1:02wertvolle Einblicke in die Abläufe der
35. 1:04Roboter liefern die von uns entwickelte
36. 1:06Heatmap kann dabei individuell auf Optik
37. 1:08und Zeiträume angepasst werden durch die
38. 1:10Darstellung von Positionsdaten in einer
39. 1:12Heatmap wird eine ineffiziente
40. 1:14Routenplanung schnell und intuitiv
41. 1:15ersichtlich etweige häufige wartepunkte
42. 1:18können so leicht identifiziert und
43. 1:20aufgelöst werden doch nicht nur andere
44. 1:22roboter können für vermeidbare
45. 1:23Verzögerungen bei der Aufgabenerfüllung
46. 1:25sorgen so können beispielsweise
47. 1:27Hindernisse wie herumstehende Ware und
48. 1:29Menschen zu kurzzeitigen Blockaden und
49. 1:31somit Wartezeiten führen daher haben wir
50. 1:33ein neuronales Netz trainiert welches
51. 1:35das Ziel hat alle den Roboter
52. 1:36betreffenden Hindernisse zu erkennen zu
53. 1:38klassifizieren und dem Anwender als
54. 1:40liveedaten anzuzeigen so können Prozesse
55. 1:42ohne tiefgreifendes Fachwissen schnell
56. 1:44einfach und somit kostengünstig
57. 1:46validiert und optimiert werden um jedoch
58. 1:48verstehen zu können wie das System
59. 1:49technisch funktioniert müssen wir
60. 1:51zunächst einen Blick auf die einzelnen
61. 1:52Komponenten werfen die vom Roboter
62. 1:54aufgezeichneten Daten werden mit Hilfe
63. 1:56von mqtt strukturiert bereitgestellt mit
64. 1:58Hilfe dieser Schnittstelle können die
65. 2:00Daten anschließend in streampipes
66. 2:02empfangen und verarbeitet werden bevor
67. 2:04diese im Dashboard visuell zur Verfügung
68. 2:06stehen wir verwenden streampipes dabei
69. 2:08gleichzeitig auch für eine konsistente
70. 2:10Speicherung der Daten in einer Datenbank
71. 2:12damit die gesammelten Daten für andere
72. 2:13Abteilungen oder spätere Projekte
73. 2:15auswertbar sind