Zustandserkennung mit Bluetooth-Sensor

Annina Schopen,

Künstliche Intelligenz für Spritzgießmaschinen

Eine herstellerunabhängige Komplettlösung auf Basis künstlicher Intelligenz, die ohne Eingriff in die Steuerung Produktionsprozesse im Spritzguss überwacht und optimiert, hat Aisemo vorgestellt.

Der Sensor muss an die bewegliche Seite der Schließeinheit einer Spitzgussma­schine geklebt werden; ab dem Zeitpunkt liefert er Informationen zu Temperatur und Bewegungen. © Aisemo

Aisemo Analytics ist eine browserbasierte Software, mit der die Produktivität von Spritzgussmaschinen unterschiedlicher Anbieter gesteigert werden kann. Entwickelt hat sie das 2019 gegründete österreichische Start-up mit Sitz in Weibern bei Linz. Es spricht vor allem Spritzgießer in der DACH-Region mit heterogenen Maschinenparks ab 10 Einheiten an.

Im Durchschnitt steht eine Spritzgussmaschine nach Erkenntnissen von Aisemo bis zu einem Viertel der geplanten Produktionszeit still. Aisemo Analytics soll nun dazu beitragen, diesen Zeitraum zu verringern. Denn anhand der erhobenen Daten können Produktionsunregelmäßigkeiten und Stillstände bereits in einer sehr frühen Phase erkannt und die Gründe hierfür rasch analysiert werden. Das verhindert Ausschuss und verringert Ausfallzeiten. Außerdem lassen sich die Verfügbarkeit einzelner Maschinen und die Produktionsprozesse im ganzen Unternehmen besser und sicherer planen.

Die Komplettlösung sei für sämtliche Spritzgussmaschinen geeignet – unabhängig vom Hersteller, Baujahr, Antrieb, Steuerungstyp und verwendetem Werkzeug sowie verarbeitetem Material. Sie sei einfach zu bedienen, schnell installierbar und beschränke sich auf wenige, aber aussagekräftige Daten zu Temperatur und Bewegungen einer Spritzgussmaschine, verspricht das Unternehmen. Der Einsatz von künstlicher Intelligenz liefere schnelle und zuverlässige Ergebnisse, die leicht verständlich sind.

Anzeige

Aisemo Analytics besteht aus einem Bluetooth-Sensor, einem Tablet und einem Edge-Gateway. Die Montage an einer Spritzgussmaschine soll weniger als eine halbe Stunde dauern – ohne dass ein Eingriff in die Maschinensteuerung oder in die IT-Struktur des Unternehmens erforderlich sei. Der Sensor müsse nur an die bewegliche Seite der Schließeinheit einer Spitzgussmaschine geklebt werden. Ab dem Zeitpunkt liefere er kontinuierlich Informationen zu Temperatur und Bewegungen. Ein in der Produktionshalle stationiertes Edge-Gateway sammelt und überträgt die Daten von dort aus SSL-verschlüsselt an die Aisemo-Cloud in Frankfurt am Main.

Datenpool und selbstlernende Algorithmen

Dort analysieren selbstlernende Algorithmen die Informationen und werten sie aus. Da sie auf einen großen Datenpool zurückgreifen können, erkennen sie, wenn sich die Zykluszeiten, Bewegungen und Umgebungstemperaturen in einer charakteristischen Weise verändern. Aus dem Abgleich mit bekannten Datenmustern zieht die Software Rückschlüsse und erkennt Unregelmäßigkeiten im Produktionsprozess. Der Hinweis hierauf am Dashboard auf dem Tablet an der Anlage oder auf einem browserbasierten Endgerät ermöglicht Maschinenbediener:innen eine unmittelbare Reaktion. Dort können sie auch die Ursache für eine Störung oder einen Stillstand eintragen.

Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige