Implementierung eines Cyber-physischen Systems in der Intralogistik: IoT in der Fördertechnik

Research output: Contribution to conferencePosterResearch

Abstract

Die Realisierung eines höheren Geschäftswertes in der Produktion und Lagerhaltung als Teil der Wertschöpfungskette von Produkten benötigt interne Logistiksysteme optimiert in den Bereichen Betriebsleistung, Verfügbarkeit und Nachhaltigkeit. Da das Internet der Dinge (IoT) neue Ansätze um solch eine Optimierung zu realisieren ermöglicht, beschäftigt sich dieses Projekt mit der Entwicklung und Umsetzung eines Demonstrators eines Cyber-physischen Systems (CPS) um eine IoT-basierte Datenanalyse für einen Anwendungsfall in der Intralogistik zu realisieren. Des Weiteren wird die Entwicklung eines künstlichen neuronalen Netzwerkes das in ein CPS für Anwendungen in der Intralogistik implementiert werden kann beschrieben. Während der erste Teil die Grundlagen zur Entwicklung solch eines CPS inklusive Voraussetzungen und angemessenen Kommunikationsprotokollen abdeckt, ist der zweite Teil auf die eigentliche Entwicklung des Demonstrators ausgerichtet. Beginnend mit der Definition eines repräsentativen Anwendungsfalls und der Identifizierung der gegebenen kontextbezogenen Situation werden anschließend auch die separaten Systeme die im Demonstrator eingebunden sind präsentiert. Zuerst erfolgt die Datenerfassung, wobei ein Modell das auf einem Einplatinencomputer läuft die transportierten und gefärbten Pakete auf einem Förderkreislauf mittels einer Webcam zählt und diese Daten zu Cloud-basierten Kanälen sendet. Dort erfolgt eine Bearbeitung der gespeicherten Daten um Informationen durch die Bestimmung von Leistungskennzahlen zu extrahieren. Abschließend werden diese Kennzahlen zu weiteren Kanälen gesandt und dort visualisiert. Dies ermöglicht die Überwachung der Betriebsbedingungen sowie Betriebsleistungen und unterstützt eine Analysierung der extrahierten Informationen um neues Wissen über interne Logistiksysteme aufzubauen. Zusätzlich wird ein mögliches CPS zur Identifizierung der Betriebsbedingungen eines Förderkreislaufes durch ein implementiertes Klassifizierungsmodell präsentiert. Dies beinhaltet die Entwicklung einer geeigneten Struktur eines Convolutional Neural Network (ConvNet) das auf die speziellen Bedingungen eines definierten Anwendungsfalles ausgerichtet ist sowie die Erstellung des dazugehörigen Modells. Solch ein CPS ermöglicht den Aufbau zusätzlichen Wissens um weitere Optimierungen in der Intralogistik zu realisieren.
Original languageGerman
Pages207-211
Number of pages1
DOIs
Publication statusPublished - 22 May 2019
EventLogistikwerkstatt Graz 2019: Solution day – „update“ - Technische Universität Graz, Graz, Austria
Duration: 22 May 201922 May 2019
https://logistikwerkstatt-graz.at/

Conference

ConferenceLogistikwerkstatt Graz 2019
Abbreviated titleLoWe Graz
CountryAustria
CityGraz
Period22/05/1922/05/19
Internet address

Fields of Expertise

  • Mobility & Production

Cite this

Implementierung eines Cyber-physischen Systems in der Intralogistik : IoT in der Fördertechnik. / Mörth, Oliver; Emmanouilidis, Christos; Hafner, Norbert; Schadler, Michael.

2019. 207-211 Poster session presented at Logistikwerkstatt Graz 2019, Graz, Austria.

Research output: Contribution to conferencePosterResearch

Mörth, Oliver ; Emmanouilidis, Christos ; Hafner, Norbert ; Schadler, Michael. / Implementierung eines Cyber-physischen Systems in der Intralogistik : IoT in der Fördertechnik. Poster session presented at Logistikwerkstatt Graz 2019, Graz, Austria.1 p.
@conference{244a383a80984964b97ea580015f3794,
title = "Implementierung eines Cyber-physischen Systems in der Intralogistik: IoT in der F{\"o}rdertechnik",
abstract = "Die Realisierung eines h{\"o}heren Gesch{\"a}ftswertes in der Produktion und Lagerhaltung als Teil der Wertsch{\"o}pfungskette von Produkten ben{\"o}tigt interne Logistiksysteme optimiert in den Bereichen Betriebsleistung, Verf{\"u}gbarkeit und Nachhaltigkeit. Da das Internet der Dinge (IoT) neue Ans{\"a}tze um solch eine Optimierung zu realisieren erm{\"o}glicht, besch{\"a}ftigt sich dieses Projekt mit der Entwicklung und Umsetzung eines Demonstrators eines Cyber-physischen Systems (CPS) um eine IoT-basierte Datenanalyse f{\"u}r einen Anwendungsfall in der Intralogistik zu realisieren. Des Weiteren wird die Entwicklung eines k{\"u}nstlichen neuronalen Netzwerkes das in ein CPS f{\"u}r Anwendungen in der Intralogistik implementiert werden kann beschrieben. W{\"a}hrend der erste Teil die Grundlagen zur Entwicklung solch eines CPS inklusive Voraussetzungen und angemessenen Kommunikationsprotokollen abdeckt, ist der zweite Teil auf die eigentliche Entwicklung des Demonstrators ausgerichtet. Beginnend mit der Definition eines repr{\"a}sentativen Anwendungsfalls und der Identifizierung der gegebenen kontextbezogenen Situation werden anschlie{\ss}end auch die separaten Systeme die im Demonstrator eingebunden sind pr{\"a}sentiert. Zuerst erfolgt die Datenerfassung, wobei ein Modell das auf einem Einplatinencomputer l{\"a}uft die transportierten und gef{\"a}rbten Pakete auf einem F{\"o}rderkreislauf mittels einer Webcam z{\"a}hlt und diese Daten zu Cloud-basierten Kan{\"a}len sendet. Dort erfolgt eine Bearbeitung der gespeicherten Daten um Informationen durch die Bestimmung von Leistungskennzahlen zu extrahieren. Abschlie{\ss}end werden diese Kennzahlen zu weiteren Kan{\"a}len gesandt und dort visualisiert. Dies erm{\"o}glicht die {\"U}berwachung der Betriebsbedingungen sowie Betriebsleistungen und unterst{\"u}tzt eine Analysierung der extrahierten Informationen um neues Wissen {\"u}ber interne Logistiksysteme aufzubauen. Zus{\"a}tzlich wird ein m{\"o}gliches CPS zur Identifizierung der Betriebsbedingungen eines F{\"o}rderkreislaufes durch ein implementiertes Klassifizierungsmodell pr{\"a}sentiert. Dies beinhaltet die Entwicklung einer geeigneten Struktur eines Convolutional Neural Network (ConvNet) das auf die speziellen Bedingungen eines definierten Anwendungsfalles ausgerichtet ist sowie die Erstellung des dazugeh{\"o}rigen Modells. Solch ein CPS erm{\"o}glicht den Aufbau zus{\"a}tzlichen Wissens um weitere Optimierungen in der Intralogistik zu realisieren.",
author = "Oliver M{\"o}rth and Christos Emmanouilidis and Norbert Hafner and Michael Schadler",
year = "2019",
month = "5",
day = "22",
doi = "http://dx.doi.org/10.3217/978-3-85125-673-4",
language = "deutsch",
pages = "207--211",
note = "Logistikwerkstatt Graz 2019 : Solution day – „update“, LoWe Graz ; Conference date: 22-05-2019 Through 22-05-2019",
url = "https://logistikwerkstatt-graz.at/",

}

TY - CONF

T1 - Implementierung eines Cyber-physischen Systems in der Intralogistik

T2 - IoT in der Fördertechnik

AU - Mörth, Oliver

AU - Emmanouilidis, Christos

AU - Hafner, Norbert

AU - Schadler, Michael

PY - 2019/5/22

Y1 - 2019/5/22

N2 - Die Realisierung eines höheren Geschäftswertes in der Produktion und Lagerhaltung als Teil der Wertschöpfungskette von Produkten benötigt interne Logistiksysteme optimiert in den Bereichen Betriebsleistung, Verfügbarkeit und Nachhaltigkeit. Da das Internet der Dinge (IoT) neue Ansätze um solch eine Optimierung zu realisieren ermöglicht, beschäftigt sich dieses Projekt mit der Entwicklung und Umsetzung eines Demonstrators eines Cyber-physischen Systems (CPS) um eine IoT-basierte Datenanalyse für einen Anwendungsfall in der Intralogistik zu realisieren. Des Weiteren wird die Entwicklung eines künstlichen neuronalen Netzwerkes das in ein CPS für Anwendungen in der Intralogistik implementiert werden kann beschrieben. Während der erste Teil die Grundlagen zur Entwicklung solch eines CPS inklusive Voraussetzungen und angemessenen Kommunikationsprotokollen abdeckt, ist der zweite Teil auf die eigentliche Entwicklung des Demonstrators ausgerichtet. Beginnend mit der Definition eines repräsentativen Anwendungsfalls und der Identifizierung der gegebenen kontextbezogenen Situation werden anschließend auch die separaten Systeme die im Demonstrator eingebunden sind präsentiert. Zuerst erfolgt die Datenerfassung, wobei ein Modell das auf einem Einplatinencomputer läuft die transportierten und gefärbten Pakete auf einem Förderkreislauf mittels einer Webcam zählt und diese Daten zu Cloud-basierten Kanälen sendet. Dort erfolgt eine Bearbeitung der gespeicherten Daten um Informationen durch die Bestimmung von Leistungskennzahlen zu extrahieren. Abschließend werden diese Kennzahlen zu weiteren Kanälen gesandt und dort visualisiert. Dies ermöglicht die Überwachung der Betriebsbedingungen sowie Betriebsleistungen und unterstützt eine Analysierung der extrahierten Informationen um neues Wissen über interne Logistiksysteme aufzubauen. Zusätzlich wird ein mögliches CPS zur Identifizierung der Betriebsbedingungen eines Förderkreislaufes durch ein implementiertes Klassifizierungsmodell präsentiert. Dies beinhaltet die Entwicklung einer geeigneten Struktur eines Convolutional Neural Network (ConvNet) das auf die speziellen Bedingungen eines definierten Anwendungsfalles ausgerichtet ist sowie die Erstellung des dazugehörigen Modells. Solch ein CPS ermöglicht den Aufbau zusätzlichen Wissens um weitere Optimierungen in der Intralogistik zu realisieren.

AB - Die Realisierung eines höheren Geschäftswertes in der Produktion und Lagerhaltung als Teil der Wertschöpfungskette von Produkten benötigt interne Logistiksysteme optimiert in den Bereichen Betriebsleistung, Verfügbarkeit und Nachhaltigkeit. Da das Internet der Dinge (IoT) neue Ansätze um solch eine Optimierung zu realisieren ermöglicht, beschäftigt sich dieses Projekt mit der Entwicklung und Umsetzung eines Demonstrators eines Cyber-physischen Systems (CPS) um eine IoT-basierte Datenanalyse für einen Anwendungsfall in der Intralogistik zu realisieren. Des Weiteren wird die Entwicklung eines künstlichen neuronalen Netzwerkes das in ein CPS für Anwendungen in der Intralogistik implementiert werden kann beschrieben. Während der erste Teil die Grundlagen zur Entwicklung solch eines CPS inklusive Voraussetzungen und angemessenen Kommunikationsprotokollen abdeckt, ist der zweite Teil auf die eigentliche Entwicklung des Demonstrators ausgerichtet. Beginnend mit der Definition eines repräsentativen Anwendungsfalls und der Identifizierung der gegebenen kontextbezogenen Situation werden anschließend auch die separaten Systeme die im Demonstrator eingebunden sind präsentiert. Zuerst erfolgt die Datenerfassung, wobei ein Modell das auf einem Einplatinencomputer läuft die transportierten und gefärbten Pakete auf einem Förderkreislauf mittels einer Webcam zählt und diese Daten zu Cloud-basierten Kanälen sendet. Dort erfolgt eine Bearbeitung der gespeicherten Daten um Informationen durch die Bestimmung von Leistungskennzahlen zu extrahieren. Abschließend werden diese Kennzahlen zu weiteren Kanälen gesandt und dort visualisiert. Dies ermöglicht die Überwachung der Betriebsbedingungen sowie Betriebsleistungen und unterstützt eine Analysierung der extrahierten Informationen um neues Wissen über interne Logistiksysteme aufzubauen. Zusätzlich wird ein mögliches CPS zur Identifizierung der Betriebsbedingungen eines Förderkreislaufes durch ein implementiertes Klassifizierungsmodell präsentiert. Dies beinhaltet die Entwicklung einer geeigneten Struktur eines Convolutional Neural Network (ConvNet) das auf die speziellen Bedingungen eines definierten Anwendungsfalles ausgerichtet ist sowie die Erstellung des dazugehörigen Modells. Solch ein CPS ermöglicht den Aufbau zusätzlichen Wissens um weitere Optimierungen in der Intralogistik zu realisieren.

U2 - http://dx.doi.org/10.3217/978-3-85125-673-4

DO - http://dx.doi.org/10.3217/978-3-85125-673-4

M3 - Poster

SP - 207

EP - 211

ER -