- Titel
- Flexible Fertigungssysteme basierend auf zentralen, leistungsfähigen Steuerungen für integriertes maschinelles Lernen und Produkttranstransport
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:l189-qucosa2-896998
- Konferenz
- 20. AALE-Konferenz. Bielefeld, 06.03.-08.03.2024
- Quellenangabe
- Tagungsband AALE 2024
Herausgeber: Hochschule für Technik, Wirtschaft und Kultur Leipzig
Erscheinungsort: Leipzig
Erscheinungsjahr: 2024
ISBN: 978-3-910103-02-3 - Erstveröffentlichung
- 2024
- DOI
- https://doi.org/10.33968/2024.51
- Abstract (DE)
- Die gestellten Anforderungen an moderne Fertigungssysteme wachsen stetig. So werden neben einem großen Durchsatz bei gleichzeitig hoher Produktqualität auch Anforderungen in Hinblick auf Kompaktheit, Energieeffizienz, Erweiterbarkeit und Cyber-Resilienz gestellt. Derzeitige Fertigungssysteme basieren häufig auf einer Vielzahl an Subsystemen. Dies erhöht die Komplexität des Systems und es kann auf Grund der vielen Schnittstellen zu Performanceeinbußen in der Datenübertragung kommen. Um den Bedürfnissen für flexible und hochintegrierte Fertigungssysteme gerecht zu werden, werden daher leistungsfähige Steuerungen benötigt, die alle Funktionen zentral in einer Steuerung vereinen. In diesem Beitrag werden zwei Maschinendemonstratoren betrachtet, die eine Industrie-PC basierte Maschinensteuerung einsetzen und bei denen das Produkttransportsystem im Zentrum der Anlage steht. Die Vor- und Nachteile eines zentralen gegenüber einem dezentralen Konzept werden gegenübergestellt und diskutiert. Es wird außerdem demonstriert, dass durch die Verwendung einer zentralen Steuerung Synergien effizient ausgenutzt werden können, wodurch der Lebenszyklus des Fertigungssystems verlängert werden kann. So werden z. B. auf beiden Systemen Convolutional Neural Networks eingesetzt, um den Produktstrom in der Anlage zu steuern. Die Inferenzzeit der optimierten Modelle beträgt hierbei weniger als 430 μs bei einer Klassifizierungsgenauigkeit von 100%.
- Freie Schlagwörter (DE)
- Flexible Fertigungssysteme, Soft-SPS, Produkttransport, Machine Learning
- Herausgeber (Institution)
- Hochschule für Technik, Wirtschaft und Kultur Leipzig
- Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:l189-qucosa2-896998
- Veröffentlichungsdatum Qucosa
- 13.02.2024
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
CC BY-ND 4.0