Sägemaschinen: Verjüngungskur mit Sensorik und künstlicher Intelligenz

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

Sägemaschinen: Verjüngungskur mit Sensorik und künstlicher Intelligenz

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print
Das Forschungsprojekt „SmartSaw“ der Hochschule Aalen widmet sich der Frage, wie sich ältere Sägemaschinen digitalisieren lassen, damit sie sich in Zukunft besser vorausschauend warten lassen und weiter nutzbar bleiben.
Sägemaschinen mit KI und Sensorik nachrüsten

Quelle: Hochschule Aalen/Valentin Nagengast

  • Viele ältere Verarbeitungsmaschinen in der Industrie bieten in ihrem Zustand aktuell keine Chance zu einer digitalen Vernetzung oder der Einbindung in eine Digitalisierungsstrategie.
  • Das Forschungsprojekt „SmartSaw“ der Hochschule Aalen beschäftigt sich mit der Frage, wie man vorhandene Ressourcen in der Produktion digitalisieren kann, damit sie auch in Zukunft nutzbar bleiben.
  • Prof. Marcus Liebschner und Moritz Benninger wollen hier mithilfe von künstlicher Intelligenz Lösungen für Sägemaschinen entwickeln.

Ein Beispiel für eine besonders betroffene Branche ist die Sägeindustrie. Sägewerke besitzen meist einen sehr heterogenen Maschinenpark und der Investitionszyklus liegt bei etwa 25 bis 40 Jahren, sodass hier viele ältere Sägemaschinen vorhanden sind. Auftretende Defekte an diesen Maschinen führen zu einem direkten Produktionsstillstand und damit Umsatz- und Gewinnverlusten. Daher werden die Rufe nach einem Predictive Maintenance-System für die vorausschauende Wartung von Sägemaschinen immer lauter, damit der Produktionsprozess effizienter gestaltet werden kann.

Smartes Update für „analoge“ Sägemaschinen

Für ein Update von „analogen“ Sägemaschinen in smarte Komponenten für das Sägewerk der Zukunft entwickelt die Hochschule Aalen jetzt neuartige Lösungen auf Basis von Sensorik und Künstlicher Intelligenz (KI). Durch zusätzlich nachgerüstete Messtechnik für Größen wie Strom, Drehzahl und Temperatur kann eine Vielzahl an Daten aufgenommen werden. Mit diesen Daten und zusätzlichen Informationen, wie zum Beispiel über die Holzbeschaffenheit, wird unter der Verwendung von maschinellem Lernen eine KI trainiert. Die fertige KI kann so zukünftig Auskunft über den aktuellen Zustand der Maschine und den Zeitpunkt der nächsten benötigen Wartung geben.

Zusammenarbeit mit der Wirtschaft

Das Team von Prof. Dr. Marcus Liebschner von der Fakultät Elektronik und Informatik der Hochschule Aalen beschäftigt sich im Projekt SmartSaw vor allem mit den modernen Methoden des maschinellen Lernens, der Simulation von Sägemaschinen und der Auswahl geeigneter Messtechnik. Moritz Benninger, wissenschaftlicher Mitarbeiter der Hochschule Aalen, promoviert als externer Doktorand auf diesem Themengebiet an der Universität der Bundeswehr Hamburg.

Die Schmid Engineering GmbH kümmert sich als Kooperationspartner hauptsächlich um die Software für die Datenverarbeitung und eine Mensch-Maschinen-Schnittstelle für den Informationsaustausch. Das fertige System zur Überwachung und vorausschauenden Wartung soll in einem Sägewerk in Österreich getestet und dauerhaft implementiert werden.

Kosten sparen und die Umwelt schonen

Die Auswirkungen für das Sägewerk können sich doppelt bezahlt machen. In erster Linie werden durch die vorausschauende Wartung vor allem Produktionsausfälle und damit auch Umsatz- und Gewinnverluste vermieden. Doch auch im Hinblick auf Klima-und Ressourcenschonung bietet das smarte Update einen großen Vorteil, denn eine Wartung wird so nur bei tatsächlichem Bedarf durchgeführt. Eine unnötige Verschwendung von Rohstoffen und Energie durch frühzeitige und zu häufige Wartungen tritt nicht mehr auf. Die Methode soll auch auf andere Branchen und Maschinen übertragbar sein, um dort ebenfalls zur Erreichung ökonomischer und ökologischer Ziele beitragen zu können.

Bild: Prof. Dr.-Ing. Marcus Liebschner und Moritz Benninger (rechts) mit dem selbst entwickeltem Monitoring System auf KI-Basis / Foto: Hochschule Aalen/Valentin Nagengast

Weitere Informationen: https://www.hs-aalen.de/

Erfahren Sie hier mehr über Automatisierungslösungen für Maschinenbauer.

Lesen Sie auch: „Wie Auswirkungsanalysen mit KI Design-Entscheidungen vereinfachen“

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken

Andere Leser haben sich auch für die folgenden Artikel interessiert

Wie wäre es, anstatt 60 Minuten nur 45 Sekunden auf ein Simulationsergebnis warten zu müssen? Das Fraunhofer IGD stellt auf der Hannover Messe mit RISTRA einen GPU-Strukturmechaniklöser vor, der die Bauteilsimulation beschleunigen und den Konstruktionsprozess optimieren soll.

Redaktionsbrief

Tragen Sie sich zu unserem Redaktionsbrief ein, um auf dem Laufenden zu bleiben.

Wir wollen immer besser werden!

Deshalb fragen wir SIE, was Sie wollen!

Nehmen Sie an unserer Umfrage teil, und helfen Sie uns noch besser zu werden!

zur Umfrage

Aktuelle Ausgabe

Topthema: Linearsysteme richtig auswählen

Mit wenigen Klicks zur passenden Lösung

Mehr erfahren