INNOVATIVE INDUSTRIE • PRODUCT SHOTS
38 NEW BUSINESS • INNOVATIONS | SEPTEMBER 2018
Fotos: Cosys Ident GmbH , AMC - Analytik & Messtechnik GmbH Chemnitz
Optimal gesteuert
Die Lagerhaltung ist in allen Unternehmen von großer Bedeutung,
da hier der Dreh- und Angelpunkt aller Warenströme ist.
Ob im Wareneingang, der Umlagerung, der Entnahme für die
Produktion, der Kommissionierung oder dem Versand durchlaufen
tagtäglich hunderte Waren das Lager und werden von
Posten zu Posten in der Warenwirtschaft umgebucht. Dabei ist
es vor allem wichtig, alle Warenbewegungen nachzuvollziehen,
unabhängig davon, ob es sich um kleinere oder größere Lager
mit viel oder wenig Warenverkehr handelt, da eine mangelnde
Übersicht schnell zu einer geringeren Produktivität und somit zu
Umsatzverlusten des Unternehmens führt. Daher ist es unabdingbar,
eine reibungslose und somit wirtschaftliche Lagerhaltung
zu haben, um die Effi zienz des Betriebs so hoch wie möglich zu
machen. Eine Lösung dafür bringt die Lagerverwaltungssoftware
von COSYS, die durch automatisierte Lagerprozesse für eine
effi ziente zentrale Steuerung und Überwachung des Materialfl
usses innerhalb des Lagers sorgen soll. Dies geschehe durch
eine übersichtliche Abbildung der gesamten innerbetrieblichen
Material- und Warenströme, die durch mobile Datenerfassung
ermöglicht werde. Dazu könne das LVS über Schnittstellen zum
übergeordneten Warenwirtschaftssystem alle relevanten Daten
für Auswertungen importieren oder aber alle Daten exportieren.
www.cosys.de
Lernen mit Lichtgeschwindigkeit
Ein künstliches neuronales Netzwerk von Forschern der University
of California arbeitet mit Lichtgeschwindigkeit. Bisher
arbeiten derartige Netzwerke, die dem menschlichen Gehirn
nachempfunden sind, mit elektrischem Strom, der sich deutlich
langsamer bewegt als das Licht. Das neue Netzwerk hingegen
komme auf eine Geschwindigkeit von fast 300.000 Kilometer
pro Sekunde.
„Deep Learning“ bezeichnet die Fähigkeit von neuronalen
Netzwerken, ständig dazuzulernen, ähnlich wie es beim
menschlichen Gehirn ist. Aber anders als der Mensch, dessen
Gehirnfunktionen zwar gewaltig sind, aber letztlich beschränkt,
könnten neuronale Netzwerke durchaus das Gehirn übertreffen.
Deep Learning habe Computer beispielsweise das komplexe
japanische Go-Spiel so perfekt beigebracht, dass die besten
menschlichen Spieler keine Chance mehr haben.
Neuronale Netzwerke auf Basis von Photonen könnten nun die
Lernfähigkeit nahezu explodieren lassen, glauben die Forscher.
Sie nennen ihre Entwicklung „Diffractive Deep Neural Network“.
Um es zu realisieren, kreierten sie mittels eines 3D-Druckers
kleine Kunststoffplättchen. Diese repräsentieren virtuelle
Neuronen, also Nervenzellen, von denen es im menschlichen
Gehirn rund 90 Mrd. gibt. Jedes künstliche Neuron habe die
gleichen Fähigkeiten wie sein natürliches Vorbild. Es könne einfallendes
Licht refl ektieren oder weiterleiten – im menschlichen
Gehirn sind es schwache Ströme.
Noch befi nde sich das photonenbasierte neuronale Netzwerk
im Anfangsstadium. Doch die Forscher konnten zeigen, dass
es funktioniert. Sie experimentierten mit fünf Kunststoffplättchen,
zwischen denen kleine Zwischenräume bestanden.
Davor befand sich ein Objekt, das erkannt werden sollte. Dann
beschossen sie das erste Plättchen mit Laserlicht, das sich auf
den Weg zu den anderen Plättchen machte. Am Ende fi ngen
Photodioden das Licht auf. Daraus ließ sich das Objekt rekonstruieren.
In Folge trainierten die Forscher ihr Netzwerk auf Zahlen. Nach
und nach brachten sie dem System die Ziffern von null bis neun
bei. In dieser Lernphase setzten sie einen konventionellen
Computer ein, der mit Elektronen arbeitet. Insgesamt scannten
sie die Bilder von 55.000 Zahlen ein. Der Wiedererkennungswert
beim anschließenden Test mit dem photonenbasierten
neuronalen Netzwerk lag bei 95 Prozent. Ein „ausgewachsenes“
System ließe sich laut den Forschern beispielsweise einsetzen,
um Gesichter in Menschenmassen zu identifi zieren. Heutige
neuronale Netzwerke schaffen das noch nicht mit der notwendigen
Sicherheit.
http://ucla.edu
Datenlogger mit Webzugriff
Mit dem „Redlab-WebDAQ-316“ bietet AMC nun einen webbasierten
Temperatur-Datenlogger an, bei dem 16 Thermoelemente
mit den Typen J, K, T, E, N, B, R, S angeschlossen und