16. FVI-Expertenfrühstück

Ankündigung

Wir freuen uns, Sie zu unserem nächsten FVI-Expertenfrühstück einzuladen! Am Freitag, den 07. Februar 2025, von 09:30 bis 10:30 Uhr, erwartet Sie das spannende Thema “Innovative Instandhaltung: KI-Lösungen direkt aus der SPS”.

Diskutieren Sie mit uns die Herausforderungen heutiger IoT-Projekte und entdecken Sie Best Practices sowie die Vorteile von KI in der Instandhaltung.

Unsere Moderatoren Marcel Hahn und Jens Reissenweber vom FVI leiten durch die Veranstaltung, während die Experten der Firma WAGO, Jürgen Pfeifer und Michael Drost, wertvolle Einblicke und Erfahrungen teilen.

Seien Sie live dabei und freuen Sie sich mit uns auf eine informative Stunde voller innovativer Ideen!

🗓 Datum: Freitag, 07.02.2025 ⏰ Uhrzeit: 09:30 - 10:30 Uhr 📍 Ort: Live in Teams

Fr, 7. Feb. 2025 09:30 - 10:30 (UTC+01:00) Amsterdam, Berlin, Bern, Rom, Stockholm, Wien

Wir freuen uns darauf, dass Sie am Ereignis teilnehmen!

Zusammenfassung

• Einführung und Vorstellung: Jens Reissenweber eröffnet das Meeting und stellt die Diskussionsthemen vor. Jürgen und Michael Drost von WAGO stellen sich und ihre Rollen vor.
  • Meeting Eröffnung: Jens Reissenweber eröffnet das Meeting und gibt einen kurzen Überblick über die geplanten Diskussionsthemen. Er betont die Wichtigkeit der praktischen Umsetzung von IoT und KI und fordert die Teilnehmer zur aktiven Diskussion auf.
  • Vorstellung Jürgen: Jürgen Pfeiffer stellt sich vor und erklärt, dass er seit vielen Jahren bei WAGO im IoT- und Analytics-Umfeld tätig ist. Er betont seine Rolle im Partnermanagement und seine Freude, die Themen IoT und KI zu präsentieren.
  • Vorstellung Michael: Michael Drost stellt sich als Field Application Engineer bei WAGO vor. Er unterstützt Kunden beim Einsatz von Automatisierungsprodukten, insbesondere im Bereich Nordbayern, und verweist auf seine Kollegen in anderen Regionen.
• IoT und KI in der Praxis: Jürgen und Michael Drost diskutieren die Herausforderungen und Lösungen bei der Implementierung von IoT und KI in der Praxis. Sie zeigen ein Video über eine interne Lösung bei WAGO, die Instandhalter und Mitarbeitende an KI und Machine Learning heranführt.
  • Herausforderungen IoT: Jürgen Pfeiffer spricht über die Herausforderungen bei der Implementierung von IoT und KI, insbesondere die Notwendigkeit der Abstimmung zwischen verschiedenen Fachbereichen. Er stellt eine geschlossene Lösung vor, die skalierbar ist und zeigt, wie KI direkt aus der SPS genutzt werden kann.
  • Interne Lösung: Ein Video zeigt eine interne Lösung bei WAGO, die vor einigen Jahren in der Produktion entstanden ist. Diese Lösung führt Instandhalter und Mitarbeitende unterschiedlicher Fachbereiche an das Thema KI und Machine Learning heran.
  • Materialverteilungsanlage: Die vorgestellte Materialverteilungsanlage ist eine Eigenentwicklung von WAGO, die Granulat zu den Spritzgussmaschinen befördert. Die Anlage arbeitet mit Unterdruck, und der abgesaugte Staub wird in einem Filter gesammelt, um die Pumpe zu schonen.
  • Wartungsintervalle: Sebastian erklärt, dass klassische Wartungsintervalle nicht immer richtig sind, da sie je nach Nutzung der Anlage variieren können. Die Daten der Sensorik werden genutzt, um Wissen zu generieren und den Instandhaltern ein digitales Werkzeug zur Optimierung ihrer Arbeit bereitzustellen.
• Technische Umsetzung und Vorteile: Jürgen und Michael Drost erklären die technische Umsetzung der Lösung, einschließlich der Verwendung von WAGO-Komponenten und der Integration in SAP-Systeme. Sie betonen die Vorteile wie die Reduzierung der Fehlersuche um 50% und die Optimierung der Prozesse hinsichtlich Energieeffizienz und Nachhaltigkeit.
  • Technische Umsetzung: Jürgen Pfeiffer erklärt, dass in der Anlage WAGO IO-Systeme und Komponenten aus dem Portfolio eingesetzt werden, um die Konnektivität zur Sensorik herzustellen und die Rechenaufgaben der Analytics zu realisieren. Die Konnektivität zu SAP-Systemen wird durch das SAP Plant Connectivity Tool ermöglicht.
  • Fehlersuche Reduzierung: Die Zeit zur Fehlereingrenzung und Fehlersuche konnte um mehr als 50% reduziert werden. Dies wurde durch die prädiktive Instandhaltung und die Nutzung von Machine Learning Modellen erreicht, die frühzeitig auf mögliche Probleme hinweisen.
  • Energieeffizienz: Die Prozesse werden hinsichtlich Energieeffizienz optimiert, was zur Maximierung der Qualität und Nachhaltigkeit beiträgt. Dies betrifft sowohl den Recyclingvorgang der Kunststoffmaterialien als auch die Infrastruktur der Maschinen.
  • Zusammenarbeit: Die Zusammenarbeit zwischen den verschiedenen Fachbereichen war entscheidend für den Erfolg des Projekts. Es wurde betont, dass ein gutes Teamverständnis und die Bereitschaft zur Zusammenarbeit notwendig sind, um Analytics erfolgreich zu implementieren.
• Live-Demonstration: Michael Drost führt eine Live-Demonstration durch, bei der er zeigt, wie Daten in der bekannten SPS-Welt aufgenommen und verarbeitet werden können. Er erklärt die Verwendung von Funktionsbausteinen und die Integration von Machine Learning Modellen.
  • Datenaufnahme: Michael Drost zeigt, wie Daten in der bekannten SPS-Welt aufgenommen werden können. Er verwendet Funktionsbausteine, um die Ressourcen eines Servers oder Edge Computers zu nutzen, da die SPS selbst nicht genügend Leistung für Machine Learning Modelle hat.
  • Funktionsbausteine: Michael Drost erklärt die verschiedenen Funktionsbausteine, die zur Datenaufnahme und -verarbeitung verwendet werden. Dazu gehören Bausteine für die Datenaufnahme, grafische Visualisierung und Machine Learning Modelle wie Anomalie- und Drifterkennung.
  • Machine Learning Integration: Die Integration von Machine Learning Modellen erfolgt über eine Bibliothek für die SPS. Dies ermöglicht die Nutzung von Machine Learning Modellen ohne tiefgehende IT-Kenntnisse. Die Modelle laufen auf einem Edge Computer, der per Mausklick installiert wird.
  • Live-Datenverarbeitung: Michael Drost demonstriert live, wie Daten von der SPS aufgenommen, verarbeitet und visualisiert werden. Er zeigt, wie zufällig generierte Werte in Echtzeit verarbeitet und in einem Dashboard angezeigt werden.
• Fragen und Diskussion: Jens Reissenweber und andere Teilnehmer stellen technische Fragen und diskutieren die Anwendungsmöglichkeiten der vorgestellten Lösung. Es werden auch Bedenken und Herausforderungen bei der Implementierung und Nutzung von KI und IoT angesprochen.
  • Technische Fragen: Jens Reissenweber und andere Teilnehmer stellen technische Fragen zur vorgestellten Lösung. Es wird diskutiert, wie Daten gesammelt und genutzt werden können, um Erkenntnisse zu gewinnen und Prozesse zu optimieren.
  • Herausforderungen: Es werden Bedenken und Herausforderungen bei der Implementierung und Nutzung von KI und IoT angesprochen. Dazu gehören die Notwendigkeit einer klaren Zielsetzung, die Abstimmung zwischen verschiedenen Fachbereichen und die Integration in bestehende Systeme.
  • Datenanalyse: Die Teilnehmer diskutieren die verschiedenen Ansätze zur Datenanalyse. Es wird betont, dass sowohl die gezielte Datenerhebung als auch das Sammeln aller verfügbaren Daten valide Ansätze sind, je nach spezifischen Anforderungen und Zielen.
  • Fördermöglichkeiten: Kurt spricht über Fördermöglichkeiten für Software und stellt eine konkrete Frage zur Anwendung der vorgestellten Lösung in einem Energieprojekt. Jürgen und Michael Drost bieten an, das Thema in einem persönlichen Gespräch weiter zu vertiefen.
• Fördermöglichkeiten und Projektideen: Kurt spricht über Fördermöglichkeiten für Software und stellt eine konkrete Frage zur Anwendung der vorgestellten Lösung in einem Energieprojekt. Jürgen und Michael Drost bieten an, das Thema in einem persönlichen Gespräch weiter zu vertiefen.
  • Fördermöglichkeiten: Kurt spricht über die Möglichkeit, 25% Fördermittel für Software zu erhalten. Er überlegt, wie diese Mittel im Rahmen eines Energieprojekts genutzt werden können, um die vorgestellte Lösung anzuwenden und zu analysieren.
  • Persönliches Gespräch: Jürgen und Michael Drost bieten an, das Thema in einem persönlichen Gespräch weiter zu vertiefen, um spezifische Fragen und Anwendungsmöglichkeiten der Lösung im Energieprojekt zu besprechen.
• Fehleranalyse und Verhinderung: Peter fragt nach den Erfahrungen und der Aussage, dass die Fehlersuche um 50% reduziert werden kann. Michael Drost erklärt, wie die KI bei der Filterüberwachung und der Erkennung von undichten Klappen hilft, was zu einer erheblichen Zeitersparnis führt.
  • Fehlersuche Reduzierung: Michael Drost erklärt, dass die Zeit zur Fehlersuche um 50% reduziert werden konnte, indem die KI frühzeitig auf mögliche Probleme hinweist. Dies wurde durch die prädiktive Instandhaltung und die Nutzung von Machine Learning Modellen erreicht.
  • Filterüberwachung: Die KI hilft bei der Überwachung der Filter in der Materialverteilungsanlage. Sie erkennt frühzeitig, wenn ein Filterwechsel erforderlich ist, was die Effizienz der Wartung erhöht und die Fehlersuche erleichtert.
  • Erkennung undichter Klappen: Michael Drost erläutert, dass die KI auch bei der Erkennung von undichten Klappen in der Anlage hilft. Dies spart Zeit bei der Fehlersuche, da die KI gezielt auf die undichte Stelle hinweist, anstatt dass man manuell nach dem Problem suchen muss.
• Kulturelle und organisatorische Herausforderungen: Christian und Christoph diskutieren die kulturellen und organisatorischen Herausforderungen bei der Implementierung von KI und IoT. Sie betonen die Notwendigkeit einer offenen Fehlerkultur und die Bedeutung von klaren Zielsetzungen und Projektorganisation.
  • Offene Fehlerkultur: Christian betont die Wichtigkeit einer offenen Fehlerkultur, um Innovationen zu fördern. Er erklärt, dass Fehler als Lernmöglichkeiten gesehen werden sollten und dass eine Kultur des Ausprobierens notwendig ist, um moderne Technologien erfolgreich zu implementieren.
  • Zielsetzungen: Christoph hebt hervor, dass klare Zielsetzungen und eine strukturierte Projektorganisation entscheidend sind, um Projekte erfolgreich umzusetzen. Ohne konkrete Ziele und eine gute Organisation bleiben viele Projekte in der Komfortzone stecken und werden nicht vorangetrieben.
  • Managementaufgabe: Christoph erklärt, dass die Implementierung von KI und IoT eine Managementaufgabe ist, die Erfahrung und Engagement erfordert. Es ist wichtig, Teams zu bilden, Transparenz zu schaffen und die Mitarbeiter für die neuen Technologien zu begeistern.