Ein auf Befestigungstechnik spezialisiertes, international tätiges Unternehmen produziert unter anderem Bolzenanker in verschiedensten Ausführungen. Um hierbei die Umschließungsqualität der zugehörigen metallischen Hülse aus vorhandenen Maschinendaten in Echtzeit zu bestimmen, wurde ein entsprechendes Entwicklungsprojekt als Bachelorarbeit an der Ostschweizer Fachhochschule (OST), Campus Buchs, durchgeführt. Als geeignete Lösung hat sich dabei das maschinelle Lernen (ML) mit TwinCat Machine Learning von Beckhoff erwiesen. Aufgabe der Bachelorarbeit war, eine automatisierte Qualitätsprüfung mithilfe von Methoden des maschinellen Lernens zu entwickeln. Für die Qualitätskontrolle sollten lediglich die bereits vorhandenen Maschinendaten verwendet werden.
Beckhoff Automation GmbH & Co. KG
-
Feldbuskoppler für durchgängige IIoT-Architekturen
Wie sich Prozessdaten vom Sensor bis zur Cloud integrieren lassen
Prozessdaten bilden die Basis für Condition Monitoring, Predictive Maintenance und zunehmend auch KI-Anwendungen. Doch dafür müssen Sensorsignale aus der Feldebene…
-
Feldbuskoppler für durchgängige IIoT-Architekturen
Wie sich Prozessdaten vom Sensor bis zur Cloud integrieren lassen
Prozessdaten bilden die Basis für Condition Monitoring, Predictive Maintenance und zunehmend auch KI-Anwendungen. Doch dafür…
das könnte sie auch interessieren
-
Robotergestützte sterile Prozesse in der Pharmazie
Antriebe für den Einsatz in Fill-Finishing-Systemen














