HMI-System: Mehr Intelligenz in Produktionsprozessen

Die zunehmende Automatisierung in der Industrie 4.0 stellt immer größere Herausforderungen an moderne Unternehmen. Daher sind smarte, digitale HMI (Human Machine Interfaces) gefragt, um die Mitarbeiter intuitiv und möglichst effizient zu unterstützen. Solche Systeme erhöhen die Produktivität und optimieren zahlreiche Arbeitsschritte in Intralogistik, Fertigung und Supply Chain. Aber dafür benötigt ein modernes HMI-System vernetzte Lösungen mit zuverlässigen Messgeräten und Sensoren. Mithilfe von Machine Learning (ML) und künstlicher Intelligenz (KI) bieten sie die Grundlage für Technologien wie Smart Analytics und Predictive Maintenance, auf die heute keine Smart Factory mehr verzichten kann. Damit lassen sich sämtliche Material- und Warenflüsse präzise und vorausschauend steuern.

HMI-System in der Praxis: Automatisierte Lagerprozesse

Automatisierte Lagerprozesse und die smarte Integration von Sensoren in die Fertigung werden immer wichtiger für den produzierenden Mittelstand, um reibungslose Herstellungsprozesse sicherzustellen. Voraussetzung ist allerdings die Digitalisierung zahlreicher Bereiche, die vorher oftmals noch manuell verwaltet wurden. Nur mit einer Modernisierung dieser Arbeitsschritte lassen sich die wichtigen Komponenten für ein smartes HMI-System miteinander vernetzen. Unternehmen müssen bei der Auswahl ihrer Hard- und Software besonders darauf achten, dass sich diese flexibel in bereits bestehende Infrastrukturen integrieren lässt. Zudem müssen die digitalisierten Prozesse auch die einzelnen Arbeitsschritte korrekt abbilden und die richtigen Informationen sammeln.

Pick by Light: Immer gefragter werden beispielsweise HMI mit neuartigen Sensortechnologien zum Aufbau von Pick-by-Light-Systemen, die mit Hilfe von ML die Logistik- und ERP-Lösungen zusammenbringen. Dank der gesammelten Daten lassen sich Material- und Warenflüsse damit präzise steuern und beispielsweise rechtzeitige Nachbestellungen oder Wartungen in die Wege leiten. Ein Beispiel hierfür ist die Pick-by-Light-Lösung OneGrid von Captron. Mittels leuchtfähigen Anzeigen und Tastern signalisiert sie den Mitarbeitern, wo sie welche Produkte in welcher Stückzahl entnehmen sollen. Dazu leuchtet beispielsweise ein Taster, über den der Mitarbeitende den Vorgang auch quittieren kann, wenn er erledigt ist.

Kapazitiv, optisch oder eine individuelle Mischung?

Um den Lagerbestand oder Füllstand im Fertigungsprozess korrekt zu erkennen, benötigen diese Lösungen eine zuverlässige Sensortechnologie im Hintergrund. Mithilfe von präzisen Messgeräten müssen sie die für KI und ML wichtigen Informationen erfassen, um datengestützte Entscheidungen treffen und den Mitarbeiter durch den Prozess führen zu können. Doch welche Technologie – kapazitiv, optisch oder eine individuelle Mischung – ist die Beste? Die Umsetzung muss sich stets nach dem Einsatzgebiet richten, denn jede Technologie hat ihre Vor- und Nachteile.

Beispiel aus der Bahntechnik: Einen Sandbehälter nachfüllen

Ein Lok-Hersteller war auf der Suche nach einem verlässlicheren Verfahren, um den Status der Bremssandkästen in den Fahrzeugen zu überwachen und vorausschauend nachzufüllen. Bisher konnten sich die Lokführer zum Überprüfen des Füllstandes lediglich auf zwei relativ unzuverlässige Methoden verlassen: ein Sichtfenster außen am Wagon und eine Anzeige im Inneren, die mit digitaler Messung nur zwischen „leer“ und „voll“ unterscheiden konnte.

Die Wahl fiel zunächst auf einen kapazitiven Sensor. Während der Entwicklungsphase erkannte der involvierte Sensor- und Steuerungsexperte Captron jedoch eine Schwachstelle des kapazitiven Konzepts in diesem Fall: Die Leitfähigkeit von trockenem und nassem Sand unterscheidet sich enorm. Das macht eine zuverlässige Messung über die elektrische Kapazität unmöglich. Daher war eine alternative Lösung gefragt und der Hersteller entwickelte einen optischen Sensor mit ToF-Technologie (Time-of-Flight), der heute unter der Bezeichnung Calis im Programm zu finden ist. Ähnlich einem Lidar-Sensor oder dem Echolot von Fledermäusen sendet das Messgerät ein Infrarot-Signal aus, um Informationen zum Füllstand des Bremssandbehälters zu erhalten. Sowohl die Strecke als auch die Zeit für die Hin- und Rückreise werden gemessen, in ein elektrisches Signal umgewandelt und danach zur Verarbeitung sowie Visualisierung weitergegeben. Der Sensor arbeitet analog und ermöglicht dadurch eine präzise Darstellung.

Mittlerweile wurden die ersten Züge als Pilotprojekt mit dieser Technologie ausgestattet und auf die Schienen gebracht. Das neue Messverfahren erfasst sämtliche Daten zuverlässig und die Zugführer müssen den Füllstand nicht mehr manuell kontrollieren, sondern können sich vollständig auf die Anzeige im Führerhaus verlassen. Auch das bedarfsgerechte Nachfüllen des Sandbehälters nach Wetterlage und Fahrstrecke stellt kein Problem mehr dar. Außerdem legte die Technologie die Grundlage für Predictive Maintenance sowie für eine Einbindung der Daten in die Cloud.

Smartes HMI-System in der Produktion

Doch zurück in die Produktionshalle: Für kundenspezifische Sensorlösungen wie Calis finden sich auch in der Industrie Einsatzfelder. Dort lässt sich die ToF-Technologie beispielsweise im IoT-Umfeld und bei der Automatisierung von Herstellungsprozessen verwenden, um Zeit, Personal und Wartungsaufwände einzusparen. Mithilfe der Kombination aus ToF und OneGrid können Hersteller überwachen, wie sich der Status im Lager für bestimmte Rohmaterialien verändert und ihn rechtzeitig auffüllen.

Jeder Produktionsprozess ist dabei unterschiedlich und jede Branche muss auf andere Besonderheiten achten. Wie im Beispiel aus der Bahntechnik gilt es daher, die richtige Lösung für den jeweiligen Anwendungsfall zu finden. So könnte anstelle eines optischen Sensors mit ToF-Technologie auch ein Kamerasystem mit einer KI zum Erkennen der Mimik des Mitarbeiters wichtig sein. Die Möglichkeiten für die Produktion sind vielfältig. Aus diesem Grund sollten sich Unternehmen einen zuverlässigen Berater mit genügend Know-how im Bereich der modernen HMI suchen, um das HMI-System individuell für ihre Fertigungsschritte oder die unternehmensspezifischen Intralogistikprozesse zu entwickeln.

Der Autor Dr. Roland Aubauer ist Senior Director Research & Development bei Captron.

Lesen Sie auch: Product Lifecycle Management: Darum sollten Unternehmen ihr PLM in die Cloud verlagern