Industrie 4.0-Szenario
Um “Industrie 4.0” in der Praxis zu realisieren, muss ein ganzer Stapel von Technologien zusammenarbeiten. Die klassische Automatisierungspyramide oder die Industrie 4.0-Referenzarchitektur RAMI 4.0 sind Modelle für einen solchen Technologie-Stapel.
Der Technologiestapel reicht von der Ebene der Werkstücke und Fertigungseinrichtungen bis zur Ebene der betrieblichen Software und in modernen Szenarien noch darüber hinaus, wenn die überbetriebliche Vernetzung hinzukommt. Technische Einrichtungen, Programmierung und Vernetzungstechnologien auf den unteren Ebenen des Technologiestapels (die sogenannte Operational Technology oder OT) gehören zum Kompetenzbereich von Ingenieuren, während für die Realisierung der höheren Ebenen (die Information Technology oder IT) Kompetenzen aus der Informatik und Wirtschaftsinformatik erforderlich sind.
In Zusammenarbeit mit dem Wittenstein-Labor für Mechatronik an der Fakultät Elektrotechnik der Hochschule Kempten haben wir ein beispielhaftes Industrie-4.0-Szenario aufgebaut. Das Industrie-4.0-Szenario deckt von der Automatisierungsanlage des Wittenstein-Labors bis zur Enterprise-Ressource-Planning-Software alle Ebenen der Automatisierungspyramide ab, wobei anstelle eines Manufacturing Execution Systems eine Internet of Things-Integrationsplattform zum Einsatz kommt.
Eingesetzte Komponenten
- KepWare OPC UA-Server
- ThingWorx Platform
- ERP System SAP S4/Hana
- eigenentwickelte Software in JavaScript
- Java und SPS
- PostGreSQL
Sponsoren
- PTC: KepServer Lizenz
- ThingWorx Lizenz
Künstliche Intelligenz: Chatbot
Chatbots sind Softwareprogramme, die menschlichen Nutzern Informationen zur Verfügung stellen und Dienste anbieten, wobei der menschliche Nutzer mit dem Chatbot ähnlich wie mit einem menschlichen Gesprächspartner kommunizieren können soll. Eine Chatbot-basierte Bedienschnittstelle für Software oder Geräte verspricht den Vorteil, dass der Nutzer die Bedienung nicht erlernen muss, sondern dass die Bedienung der Software oder des Geräts auch für gelegentliche oder ungeschulte Nutzer intuitiv und effizient abläuft. Einfache Chatbots reagieren auf vorgegebene Reizwörter mit fest einprogrammierten Reaktionen. Intelligente Chatbots beruhen dagegen auf Künstlicher Intelligenz und maschinellem Lernen. Sie werden mit Sprachbeispielen und Dialogbeispielen trainiert, um auch in freieren Dialogen sinnvoll auf die Eingaben der Nutzer reagieren zu können. Im Labor entwickeln wir Bots mit dem Chatbot-Framework RASA. RASA ist Open Source und kann auf eigenen Rechnern gehostet werden. Trainingsdaten und Bots bleiben auf eigenen Rechnern und sind unabhängig von proprietären Plattformen verwendbar.
Eingesetzte Komponenten
- RASA (Open Source)
- Webservices
- Microservices auf Basis von Python und Node.js