Forschung und Innovation
ABF ist stets am Puls der Zeit. Durch die Ergebnisse aus innovativen Forschungsprojekten, unter Beteiligung von hochkarätigen Partnern aus Wissenschaft und Industrie, wird unsere Produktpalette kontinuierlich verbessert und erweitert.
Unser neues und innovatives Forschungsprojekt
Die letzten Jahre haben das große Potential von Techniken der Künstlichen Intelligenz in verschiedensten Anwendungsgebieten gezeigt. Von diesem technischen Fortschritt sollen künftig auch unsere Kunden der OneBase®WORLD profitieren. Durch die Anwendung von Machine Learning und heuristischen Algorithmen wird in Zukunft die Performance unserer Lösungen für komplizierte Optimierungsprobleme noch weiter steigen.
OneBase® Prescriptive Analytics Tool
Um dies zu erreichen, haben wir uns mit einem Experten in diesem Bereich – der RISC Software GmbH – zusammengetan und realisieren im Rahmen eines dreijährigen Forschungsprojekts mit Unterstützung der FFG (Basisprogramm) eine umfassende Erweiterung von OneBase® um Methoden der Künstlichen Intelligenz (KI) und des Machine Learning (ML).
Im ersten Jahr des Projekts wird der Fokus hauptsächlich auf dem Einsatz in unseren Intralogistiklösungen liegen, im Folgejahr werden dann auch Use Cases aus der Ablauf- und Anlagensteuerung realisiert. So wird ein in OneBase® integriertes Prescriptive Analytics Tool geschaffen, das für Optimierungsaufgaben in all unseren Automatisierungsprojekten genutzt werden kann. Ein großes Augenmerk werden wir dabei auf die dynamische Natur vieler praktischer Optimierungsprobleme legen. Reale Bedingungen ändern sich ständig, das erfordert natürlich auch eine dynamische online Anpassung der Optimierungsalgorithmen, welche durch den Einsatz von Machine Learning und heuristischen Algorithmen völlig automatisch erfolgen kann. Zudem sehen wir großes Potential der Machine Learning Techniken, wenn es um Prognosen von zukünftigen Ereignissen, wie z.B. neuen Aufträgen, Störungen oder ungeplanten Lagerzu- oder -abgängen, geht.
OneBase® Prescriptive Analytics Tool
Um dies zu erreichen, haben wir uns mit einem Experten in diesem Bereich – der RISC Software GmbH – zusammengetan und realisieren im Rahmen eines dreijährigen Forschungsprojekts mit Unterstützung der FFG (Basisprogramm) eine umfassende Erweiterung von OneBase® um Methoden der Künstlichen Intelligenz (KI) und des Machine Learning (ML). Im ersten Jahr des Projekts wird der Fokus hauptsächlich auf dem Einsatz in unseren Intralogistiklösungen liegen, im Folgejahr werden dann auch Use Cases aus der Ablauf- und Anlagensteuerung realisiert. So wird ein in OneBase® integriertes Prescriptive Analytics Tool geschaffen, das für Optimierungsaufgaben in all unseren Automatisierungsprojekten genutzt werden kann. Ein großes Augenmerk werden wir dabei auf die dynamische Natur vieler praktischer Optimierungsprobleme legen. Reale Bedingungen ändern sich ständig, das erfordert natürlich auch eine dynamische online Anpassung der Optimierungsalgorithmen, welche durch den Einsatz von Machine Learning und heuristischen Algorithmen völlig automatisch erfolgen kann. Zudem sehen wir großes Potential der Machine Learning Techniken, wenn es um Prognosen von zukünftigen Ereignissen, wie z.B. neuen Aufträgen, Störungen oder ungeplanten Lagerzu- oder -abgängen, geht.
OneBase® als Wissensbasis
Machine Learning kann nur sinnvoll betrieben werden, wenn auch eine entsprechende Menge an Daten vorhanden ist, von denen die Algorithmen lernen und sich ständig weiter verbessern können. Hier bietet unser OneBase®CoRE die ideale Umgebung für das Erzeugen einer zentralen Wissensbasis. Sämtliche Informationen, von Sensormesswerten über Maschinendaten bis hin zu den Vorgaben aus den ERP-Systemen, werden in unseren Projekten über OneBase® in einer zentralen Datenbasis zusammengefasst. Diese Daten können den KI-Algorithmen in Echtzeit zur Verfügung gestellt werden. Zudem werden umfassende Analysen ermöglicht. Die Verwendung von OneBase®CoRE als Wissensbasis wird ermöglichen, auch bereits bestehende Projekte einfach mit Methoden aus ML und KI zu erweitern.
OneBase® als Wissensbasis
Machine Learning kann nur sinnvoll betrieben werden, wenn auch eine entsprechende Menge an Daten vorhanden ist, von denen die Algorithmen lernen und sich ständig weiter verbessern können. Hier bietet unser OneBase®CoRE die ideale Umgebung für das Erzeugen einer zentralen Wissensbasis. Sämtliche Informationen, von Sensormesswerten über Maschinendaten bis hin zu den Vorgaben aus den ERP-Systemen, werden in unseren Projekten über OneBase® in einer zentralen Datenbasis zusammengefasst. Diese Daten können den KI-Algorithmen in Echtzeit zur Verfügung gestellt werden. Zudem werden umfassende Analysen ermöglicht. Die Verwendung von OneBase®CoRE als Wissensbasis wird ermöglichen, auch bereits bestehende Projekte einfach mit Methoden aus ML und KI zu erweitern.
Erweiterungen und Verbesserungen im OneBase®CoRE
Um eine hoch performante, sichere und zuverlässige Wissensbasis zu schaffen, werden wir im Zuge des Forschungsprojekts auch einige technische Verbesserungen am OneBase®CoRE vornehmen. Ein großer Fokus wird dabei auf Verbesserungen im Bereich Security liegen. Um die Performance der Datenanalysen aus der Wissensbasis zu steigern, werden wir außerdem die Unterstützung von Zeitreihendatenbanken implementieren, welche speziell für den Umgang mit Sensordaten und Messwerten ausgelegt sind.
Erweiterungen und Verbesserungen im OneBase®CoRE
Um eine hoch performante, sichere und zuverlässige Wissensbasis zu schaffen, werden wir im Zuge des Forschungsprojekts auch einige technische Verbesserungen am OneBase®CoRE vornehmen. Ein großer Fokus wird dabei auf Verbesserungen im Bereich Security liegen. Um die Performance der Datenanalysen aus der Wissensbasis zu steigern, werden wir außerdem die Unterstützung von Zeitreihendatenbanken implementieren, welche speziell für den Umgang mit Sensordaten und Messwerten ausgelegt sind.
Abgeschlossene ABF-Forschungsprojekte
-
MMAssist II
-
ForZDM
-
iMATH
MMAssist II ist das Leitprojekt der FFG zum Thema „Digitale und Physische Assistenzsysteme“, welches gemeinsam mit 22 Partnern umgesetzt wird. ABF ist dabei im Bereich „Digitale Anleitung“ beteiligt.
Ziel des von uns entwickelten Assistenzsystems ist die Unterstützung von Mitarbeiter*innen durch Anweisungen sowohl in optischer (durch Bild und Text), als auch in akustischer Form durch „Vorlesen“ der Arbeitsschritte (TTS=Text2Speech).
Folgende Funktionalitäten und Werkzeuge wurden dabei untersucht und realisiert:
- Datenübernahme aus dem ERP-System (Aufträge, Vorgänge, Materialien) und Generierung von Assistenzinformationen
- Bereitstellung der Information durch Bildschirme an den Arbeitsstationen, Tablets und Smartwatches (Schichtleiter / Teamleiter)
- Evaluierung des Smartwatch-Einsatzes
- Feinere Granulierung von Anweisungstexten basierend auf Natural-Language-Processing (NLP) als Erweiterung der Text2Speech Funktionalität
- Automatisch generierte Hinweise bei Materialwechsel oder Änderungen in Arbeitsplan oder Stückliste
MMAssist II ist das Leitprojekt der FFG zum Thema „Digitale und Physische Assistenzsysteme“, welches gemeinsam mit 22 Partnern umgesetzt wird. ABF ist dabei im Bereich „Digitale Anleitung“ beteiligt.
Ziel des von uns entwickelten Assistenzsystems ist die Unterstützung von Mitarbeiter*innen durch Anweisungen sowohl in optischer (durch Bild und Text), als auch in akustischer Form durch „Vorlesen“ der Arbeitsschritte (TTS=Text2Speech).
Folgende Funktionalitäten und Werkzeuge wurden dabei untersucht und realisiert:
- Datenübernahme aus dem ERP-System (Aufträge, Vorgänge, Materialien) und Generierung von Assistenzinformationen
- Bereitstellung der Information durch Bildschirme an den Arbeitsstationen, Tablets und Smartwatches (Schichtleiter / Teamleiter)
- Evaluierung des Smartwatch-Einsatzes
- Feinere Granulierung von Anweisungstexten basierend auf Natural-Language-Processing (NLP) als Erweiterung der Text2Speech Funktionalität
- Automatisch generierte Hinweise bei Materialwechsel oder Änderungen in Arbeitsplan oder Stückliste
ForZDM ist ein Forschungsprojekt, welches im Rahmen des Horizon 2020-Programms von der EU gefördert wird.
Ziel der zwölf Partner aus Spanien, Italien, Deutschland, Österreich, Schweden und Norwegen war es, Methoden zu entwickeln, die aus Daten von ERP, QM, MES und Anlagentechnik Schlüsse auf mögliche Probleme und deren zielgerichtete Vermeidung zu treffen. ABF hat eine Datenplattform entwickelt, die Daten aus dem Quellsystemen aggregiert und für Auswertungen, Korrelationsanalysen und Regelwerke aufbereitet.
ForZDM ist ein Forschungsprojekt, welches im Rahmen des Horizon 2020-Programms von der EU gefördert wird.
Ziel der zwölf Partner aus Spanien, Italien, Deutschland, Österreich, Schweden und Norwegen war es, Methoden zu entwickeln, die aus Daten von ERP, QM, MES und Anlagentechnik Schlüsse auf mögliche Probleme und deren zielgerichtete Vermeidung zu treffen. ABF hat eine Datenplattform entwickelt, die Daten aus dem Quellsystemen aggregiert und für Auswertungen, Korrelationsanalysen und Regelwerke aufbereitet.
Gemeinsam mit Partnern aus Österreich und UK sollen mit Methoden der Bildanalyse Fehler auf Drähten und Blechen unmittelbar beim Auslauf aus der Walzstraße gefunden werden. Das Projekt wird aus den Mitteln des Eurostars-2-Programm gefördert, das die Entwicklung innovativer Geschäftsideen durch KMUs unterstützt.
Die Verantwortung von ABF ist der Aufbau einer Datenplattform, in der einerseits die enormen Datenmengen der aufgezeichneten Bilder gespeichert wird und in deren Datenbank die Bildkoordinaten sowie die Koordinaten der in den Bildern durch Bildanalyse und Deep-Learning erkannten Oberflächenfehler gespeichert werden. Über die Datenplattform sind auch bildübergreifende Auswertungen möglich. Ein entsprechendes User-Interface ermöglicht die Kontrolle der Daten und spezifische übergeordnete Auswertungen.
Gemeinsam mit Partnern aus Österreich und UK sollen mit Methoden der Bildanalyse Fehler auf Drähten und Blechen unmittelbar beim Auslauf aus der Walzstraße gefunden werden. Das Projekt wird aus den Mitteln des Eurostars-2-Programm gefördert, das die Entwicklung innovativer Geschäftsideen durch KMUs unterstützt.
Die Verantwortung von ABF ist der Aufbau einer Datenplattform, in der einerseits die enormen Datenmengen der aufgezeichneten Bilder gespeichert wird und in deren Datenbank die Bildkoordinaten sowie die Koordinaten der in den Bildern durch Bildanalyse und Deep-Learning erkannten Oberflächenfehler gespeichert werden. Über die Datenplattform sind auch bildübergreifende Auswertungen möglich. Ein entsprechendes User-Interface ermöglicht die Kontrolle der Daten und spezifische übergeordnete Auswertungen.