Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
www designelektronik de das branchenübliche Stichprobenverfahren bei dem jeden Tag ein Auto vom Band genommen wird und mit Ultraschallsonden die Schweißpunkte geprüft und die Qualität jedes Punktes aufgezeichnet wird Die Probennahme ist kostspielig arbeitsintensiv und fehleranfällig Ziel war es also 5000 Schweißnähte pro Auto inline zu prüfen und innerhalb von Mikrosekunden auf die Ergebnisse jeder einzelnen Schweißnaht zu schließen Ein Algorithmus für maschinelles Lernen wurde erstellt und auf seine Genauigkeit hin trainiert indem die generierten Vorhersagen mit den tatsächlichen Inspektionsdaten verglichen wurden die Audi zur Verfügung stellte An der Edge ist eine Vielzahl von Daten vorhanden auf die zugegriffen werden kann Das maschinelle Lernmodell verwendet Daten die von den Schweißsteuerungen erzeugt werden und die elektrische Spannungsund Stromkurven während des Schweißvorgangs zeigen Die Daten umfassen auch andere Parameter wie die Konfiguration der Schweißnähte die Metallarten und den Zustand der Elektroden Diese Modelle wurden dann auf zwei Ebenen eingesetzt zum einen auf der Linie selbst und zum anderen auf der Zellebene Das Ergebnis war dass die Systeme in der Lage waren schlechte Schweißnähte vorherzusagen bevor sie ausgeführt wurden Dies hat die Messlatte in Bezug auf die Qualität deutlich angehoben Entscheidend für den Erfolg dieser Maßnahme war die Sammlung und Verarbeitung von Daten die sich auf einen geschäftskritischen Prozess beziehen am Rand d h an der Produktionslinie und nicht in der Cloud Infolgedessen konnten Anpassungen des Prozesses in Echtzeit vorgenommen werden ■ Noch nicht ganz am Ziel So hervorragend die Audi-Lösung auch sein mag die Herausforderungen der IT OT-Schnittstelle bleiben bestehen In einer Fabrik wie Neckarsulm gibt es viele Technologien und trotz aller Versprechen dieser Lösung und der Vorteile für die Qualitätskontrolle wird es nicht immer praktikabel sein bestehende Anwendungen vollständig zu ersetzen Die Einführung des Mission-Critical-Edge in solchen Szenarien macht diese Welt der orchestrierten Anwendungen viel zugänglicher Bild 3 Die Unterstützung von LegacySystemen zusammen mit der Sammlung und Auswertung von Daten verspricht eine pragmatische Lösung für viele weitere reale Situationen Deterministisches Verhalten in MulticoreSystemen ermöglicht es diese Anwendungen auf einzelnen Multicore-Prozessoren zu konsolidieren ohne das Verhalten zeitkritischer Funktionen zu beeinträchtigen Und die strikte Isolierung zwischen den Anwendungen gewährleistet ein hohes Maß an Systemzuverlässigkeit und Sicherheit Zusammenfassend lässt sich sagen Die einsatzkritische Edge ist da Sie beginnt die ursprüngliche Absicht des Fog-Computing zu realisieren Wir fangen an die großen Vorteile den großen Nutzen aus einer echten Integration an der Grenze zwischen Embedded-Technologie und Informationstechnologie zu ernten Es ist noch viel mehr Arbeit nötig dazu braucht es sprichwörtlich ein ganzes Dorf Erforderlich ist eine breite Palette von Ökosystempartnern um die Bereitstellung dieser Technologie auf dem Markt zu vereinfachen jk Vorteile einer europäischen Versorgungskette Bündelung von Spitzentechnologie und kundenzentrierter Dienstleistung Reibungslose Integration und System-Performance Infineon und Rutronik schaffen gemeinsam Zugang zu Schlüsseltechnologien und Kompetenzen für nachhaltiges Wachstum Skalierbare Lösungen Für Industrie und Automotive -Sektor www rutronik com COMMITTED TO EXCELLENCE Consult | Components | Logistics | Quality