UdZ 01.21
FOCUS – BEST PRACTICES 43 / UdZ 1-2021 Heutzutage sind FTS in Fabriken auf Sensoren angewiesen, um die Navigation und Kollisionskontrolle zu unterstützen. Sie ar- beiten normalerweise auf festen Strecken oder verfügen nur über Grundkenntnisse zur Optimierung von Routen und be- wegen sich aufgrund möglicher Gefahren sehr langsam. Die nächste Generation von FTS wird fortschrittliche Analysen und maschinelles Lernen (die Fähigkeit von Computersystemen, Informationen zu analysieren und aus Erfahrungen zu „ler- nen“) verwenden, um Entscheidungen zu treffen. Mit diesen Funktionen können FTS Daten anzeigen, sich schneller be- wegen und komplexe Navigationsentscheidungen treffen (z. B. das Vermeiden überfüllter Bereiche mit anderen Fahrzeugen), vorausgesetzt, sie verfügen über ein 5G-Netzwerk mit draht losen Hochgeschwindigkeitsverbindungen für eine gerin- ge Latenz und zuverlässige Kommunikation. Darüber hi- naus unterstützt 5G FTS der nächsten Generation dabei, Steuerungssoftware zu betreiben und Daten in der Edge-Cloud zu verarbeiten, wodurch ihnen enorme Rechenleistung zu ge- ringeren Kosten als bei der Verarbeitung an Bord zur Verfügung gestellt wird. Predictive Maintenance Ungeplante Ausfallzeiten sind eines der größten Probleme der Hersteller, und die Kosten sind in der Regel um ein Vielfaches höher als die geplanten Ausfallzeiten. Wenn ein ungeplanter Fehler an einem Betriebsmittel auftritt, sind die Folgen schwer- wiegend und führen zu einem komplexen Reparaturprozess. Durch die Ausstattung der Maschine mit Sensoren kann der Status in Echtzeit überwacht und Parameterkombinationen kön- nen ausgewertet werden, um festzustellen, wann die Maschine vorzeitig ausfallen könnte. Dies vermeidet nicht nur Ausfälle, son- dern reduziert auch die Kosten für die routinemäßige Wartung und verlängert die Lebensdauer des Systems. Die Theorie der vorausschauenden Wartung ist leicht zu verstehen, aber die Vorteile sind bislang nicht im erwarteten Umfang eingetreten. Das liegt teilweise an den Herausforderungen bei der Integration der Daten aus der operativen Betriebstechnologie in IT-Systeme. Andere Hürden bilden aktuell noch Probleme bei der effektiven Vorhersage von Ergebnissen, da nicht genügend Variablen ge- messen werden können und die Plattform für maschinelles Lernen daher noch nicht ausgereift genug ist, um nützliche Erkenntnisse zu liefern. 5G wird eine neue Form der vorausschauenden Wartung un- terstützen. Der Grund dafür ist, dass die Anzahl der an das Gerät angeschlossenen Sensoren maßgeblich erhöht werden kann, um eine Fülle verschiedener Parameter (Temperatur, Vibration, Luftfeuchtigkeit, Druck usw.) messen und zuver- lässig in Echtzeit übertragen zu können. Dies ist wichtig, da der Wert der Informationen aus der Analyse von Daten, dem Querverweis auf historische Daten und Trends zur aktiven Predictive Maintenance Unplanned downtime is one of the biggest problems manufacturers face, and the costs are typically many times higher than that of planned downtime. When there is an unplanned failure of a piece of equipment, the consequences are severe and lead to a complex repair process. By equipping a machine with sensors, its status can be monitored in real time, and by evaluating a combination of parameters it becomes possible to predict premature machine failure. Not only does this avoid breakdowns, it also reduces the cost of routine maintenance and extends system lifetime. The idea of predictive maintenance is easy to understand, but the benefits have not yet been realized to the extent expected. This is partly due to the challenge of integrating data from operational technology into IT systems. Furthermore, there are other obstacles to effectively predicting outcomes, as the number of variables that can be measured is limited and, as a result, the machine learning platform is not yet mature enough to provide useful insights. 5G will support a new form of predictive maintenance. This is because the number of sensors connected to the device can be significantly increased and thus a plethora of different parameters (temperature, vibration, humidity, pressure, etc.) can be measured and reliably transmitted in real time. This is important because the added value of the information gathered results from the analysis of data, comparison with historical data, and the derivation of trends to actively predict outcomes. Data must be as complete as possible to ensure that no anomalies are missed. Augmented Reality (AR) AR is a technology that lays computer-generated images over a user‘s viewof the real world to provide a composite view. In AR use cases in production, humans continue to be in control. Through AR, workers can be provided with novel support in the factory. This can significantly increase the efficiency of production. However, there are still technological challenges that hinder the widespread use of augmented reality glasses. Most AR applications run on the device itself; as a result, the glasses are relatively large, as they have to provide the required computing power. In addition, the preinstalled content, though necessary, limits the use of the AR glasses. To be able to ‘outsource’ the computing power required by AR devices, the connection between the device and the edge cloud must deliver the high bandwidth and ultra-low latency required for high-definition video streams in order to realize the efficiencies, productivity, and ergonomics discussed above. Only 5G can open up this potential.
Made with FlippingBook
RkJQdWJsaXNoZXIy NzcyMw==