Navigation

Programme/Projekte
Unternavigationspunkte
Themen
Unternavigationspunkte
Förderaufrufe
Unternavigationspunkte
- Förderprogramm
- Archiv
Service
Unternavigationspunkte
Termine
Unternavigationspunkte

EASY

Energieeffiziente Analyse- und Steuerungsprozesse im dynamischen Edge-Cloud-Kontinuum für die industrielle Fertigung

Moderne Produktionsanlagen erzeugen riesige Datenmengen, deren Nutzung den Unternehmen viele Vorteile bringt. Die Auswertung der Daten in der Cloud kann aber nicht nur zu Latenz- und Verfügbarkeitsproblemen führen, sondern ist auch energieintensiv. EASY hat deshalb eine Laufzeitumgebung entwickelt, die es Unternehmen ermöglicht, KI‑basierte Analyse‑ und Steuerungsprozesse flexibel dort auszuführen, wo sie am effizientesten sind – entweder lokal an der Edge oder zentral in der Cloud.

Ausgangslage

Für kleine und mittlere Unternehmen ist die kontinuierliche Auswertung ihrer Produktionsdaten eine große Herausforderung, zugleich aber Voraussetzung, um Abläufe zu optimieren und Antworten auf steigende Kosten, Lieferengpässe und wachsenden Wettbewerbsdruck zu finden. Bisherige KI‑ und Cloud‑basierte Anwendungen berücksichtigen spezielle Anforderungen an Latenz und Verfügbarkeit oft nicht ausreichend, was zu einer ineffizienten Nutzung von Ressourcen und Energie führt. Außerdem sind sie in der industriellen Fertigung oft aufwändig zu implementieren. Vor allem kleine und mittlere Unternehmen müssen erst individuelle IT‑Infrastrukturen aufbauen, um ihre Daten flexibel und automatisiert nutzen zu können.

Ergebnisse

EASY hat eine auch für mittelständische Unternehmen kostengünstig einsetzbare und leicht zu betreibende Analyse- und Steuerungsplattform entwickelt. Sie können darüber flexibel und souverän steuern, ob und wie sie ihre Daten lokal oder zentral verarbeiten, mit anderen Worten, welche (potenziell sensiblen oder umfangreichen) Informationen sie dezentral im Unternehmen, also „an der Edge“, verarbeiten und welche Daten oder Zwischenergebnisse zentral in die Cloud übertragen werden sollen.

Um ein nahtloses Zusammenspiel zwischen Edge Computing und Cloud Computing zu ermöglichen, erfolgt die Verschiebung von Rechenlasten im Edge-Cloud-Kontinuum automatisch, indem lokale und globale Rechenkapazitäten dynamisch und bedarfsgerecht ausbalanciert werden. Dadurch wird einerseits das Ressourcen-Management erheblich vereinfacht, andererseits können Ingenieurinnen oder Ingenieure Unternehmensdaten effizient und flexibel auswerten, ohne dafür bei jeder kleinen Änderung auf IT-Support angewiesen zu sein.

Parallel hat sich EASY mit typischen Fertigungsthemen aus verschiedenen Branchen auseinandergesetzt, z. B. Wartung, Verschleißerkennung, Produktionsplanung und -logistik. Diese wurden in unterschiedlichen Produktionsumgebungen auf ökonomische und ökologische Kriterien hin evaluiert und in mehreren Referenzanwendungen demonstriert, zum Beispiel in den SmartFactories Kaiserslautern und Ostwestfalen-Lippe. Zu den Mehrwerten der Use Cases gehören die Optimierung der Overall Equipment Effectiveness (OEE), das Einsparen von Ressourcen (Werkzeuge, Material, Energie) oder auch das fabrikübergreifende Scheduling.

Verwertungsperspektiven

Die EASY-Plattform kann jedes Unternehmen einsetzen. Sie beruht überwiegend auf Open-Source-Komponenten und kann von der Unternehmens-IT selbstständig betrieben werden. Die Analyseverfahren selbst sind branchenspezifisch, hier ist die entsprechende Expertise gefragt: Diskrete Produktionsprozesse mit Werkzeugmaschinen laufen anders ab als ein chemischer Prozess.

Daneben hat EASY leicht einsetzbare Methoden zur Anomalieerkennung auf Basis föderierten Lernens entwickelt. Föderierte Lernmethoden sind eine Chance für mittelständische Unternehmen, die oft nicht über ausreichend Daten verfügen: Sie ermöglichen es, unternehmensspezifische (Teil-)Modelle auch bei begrenztem Trainingsdateneinsatz und unter Wahrung der Datensouveränität zu erstellen, wenn dazu mehrere Unternehmen mit ähnlichen Prozessen, Verfahren und Maschinen kooperieren. Mehr Informationen dazu gibt Ralph Traphöner, Empolis Information Management GmbH (ralph.traphoener@empolis.com).

Konsortium
Empolis Information Management GmbH (Konsortialführer), Deutsche Forschungszentrum für Künstliche Intelligenz GmbH (DFKI), Robert Bosch GmbH, Fraunhofer IOSB-INA, Hochschule Trier – Umwelt-Campus Birkenfeld, ArtiMinds Robotics GmbH, coboworx GmbH, Salzburg Research (Österreich)