Anzeige
Beitrag drucken

Selbstlernende Algorithmen zur Maschinensteuerung

Künstliche Intelligenz in der Maschine

Mit maschinellem Lernen vorherzusagen, dass ein wichtiges Teil einer Fertigungsanlage ausfallgefährdet ist oder unerwünschte Abweichungen aufgetreten sind – solche Anwendungen auf Basis von KI gibt es bereits. Dafür lassen sich selbstlernende Algorithmen ganz nah an der Maschine integrieren.

 (Bild: Omron Europe B.V.)

(Bild: Omron Europe B.V.)

Um Investitionsausgaben zu maximieren, ist operative Exzellenz erforderlich. Gleichzeitig stehen die Hersteller jedoch vor der Herausforderung, sich von traditionellen High-Volume-Low-Mix-Produktionsprozessen zu komplexeren High-Mix-Low-Volume-Produktionsprozessen zu bewegen, wobei die Nachfrage direkt mit der Produktion verbunden ist. Ein vergleichsweise neuer Baustein für operative Exzellenz ist die Implementierung von ‚KI at the Edge‘, also auf Maschinenebene. Grundlagen dafür sind eine flexible und autonome Produktionsunterstützung sowie IoT-Automatisierungslösungen von der Datenerfassung bis zur Produktion für eine nahtlose Integration von IT- und OT-Welten.

Was machen die Algorithmen?

Vereinfacht gesprochen wurde für die maschinennahe Integration von KI-Technologie ein Auswertungsansatz so erweitert, dass er sich innerhalb gegebener Rahmenbedingen selbst optimiert. Da dies vom Steuerungshersteller Omron in eine echtzeitfähige Form programmiert wurde, kann von einem selbstlernenden maschinennahen Algorithmus gesprochen werden. Theoretisch lassen sich Auswertungen auch nach der Datenerfassung, dem sogenannten Post-Event, mithilfe einer Software durchführen. Jedoch sind dann auf dieser Ebene der Produktion das defekte Erzeugniss oder der nahende Maschinenstillstand schon passiert. Eine Auswertung auf Maschinenebene in Echtzeit befähigt die Maschine, sofort auf Anomalien zu reagieren.

Edge und Cloud in der Fertigung

Doch was bedeutet eigentlich ‚KI at the Edge‘? Das auf kleinen Daten basierende maschinelle Lernen lässt sich in diesem Zusammenhang als spinale KI bezeichnen. Auf dieser Ebene werden Produktionslinien und Geräte mit Echtzeitsensoren überwacht und die Daten werden mit hoher Geschwindigkeit gesammelt und verarbeitet, um Anomalien schnell zu erkennen. Die Verarbeitung großer Datenmengen in der Cloud kann als zerebrale KI bezeichnet werden. Diese erfordert offene und sichere Standards wie das MQTT-Protokoll und den Kommunikationsstandard OPC UA für die Umwandlung von Maschinen- und Anlagendaten in Informationen. Während sich die Cloud am besten für Big-Data-Verarbeitung und Langzeitanalysen eignet, ist der ‚KI at the Edge-‚Ansatz eher für Echtzeitanwendungen geeignet. Dieser Ansatz bietet schnellere Reaktionszeiten, um die Datenanalyse auf Produktionsebene nutzen zu können, etwa zur Echtzeit-Optimierung einer Maschine.

KI zur Selbstoptimierung auf Werksebene. Dafür sprechen niedrige Latenzen und hohe Flexibilität. (Bild: Omron Europe B.V.)

KI zur Selbstoptimierung auf Werksebene. Dafür sprechen niedrige Latenzen und hohe Flexibilität. (Bild: Omron Europe B.V.)

KI im Fabrikeinsatz

Zwar sind die möglichen Anwendungsfelder von künstlicher Intellgenz auf Maschinenebene noch nicht vollständig ausgelotet. Aber eines der ersten Beispiele ist eine Verpackungsmaschine mit Maschinensteuerung, die Steuerungsfunktionen mit KI-Verarbeitung in Echtzeit unterstützt. Der KI-Controller verfügt über adaptive Intelligenz, die ihm hilft, normale von auffälligen Mustern für die jeweilige Maschine zu unterscheiden. Ein weiteres Beispiel ist eine Abfüllanwendung: Die Flaschen werden über ein Förderband transportiert und befüllt. Der dort integrierte KI-Controller lernt, wie eine normale Situation aussieht, wenn keine Ausfälle auftreten. Im Falle einer Störung, etwa einer Blockade, die Reibung verursacht, erkennt der Controller als Anomalie. Der Füllvorgang wird kurz angehalten und fortgesetzt, wenn der Prozess stabilisiert ist. So wird verhindert, dass es zu Ausfällen kommt, wenn beispielsweise Flüssigkeit auf die Verpackungslinie gelangt.


Das könnte Sie auch interessieren:

Bereits im September hatte der Augsburger Roboterhersteller Kuka Restrukturierungsmaßnahmen angekündigt. Die Geschäftsführung hat nun ein entsprechendes Konzept vorgelegt. Demnach soll ein Teilbereich im Robotics-Segment neu ausgerichtet werden.‣ weiterlesen

Auch in ERP-Systemen auf Cloud-Basis kann KI-Technologie ihr Potenzial entfalten. Sie analysiert enorme Datenmengen in Sekundenbruchteilen, startet eigenständig Prozesse und gibt Handlungsempfehlungen. Grenzen für ihren Einsatz setzt aber der Gesetzgeber.‣ weiterlesen

Klaus Hübschle tritt Anfang 2020 die Nachfolge von Andreas Börngen als CEO von M&M Software an.‣ weiterlesen

Econ Solutions hat mit Philip Würfel einen neuen Geschäftsführer. Er tritt die Nachfolge von Dr. Stephan Theis an.‣ weiterlesen

Wohin entwickeln sich die Fabriken in den nächsten Jahren? Philipp Wallner von MathWorks wagt die Prognose, das fünf Faktoren darunter sein werden, die individuelles Fertigen und Ressourceneffizienz in Einklang bringen.‣ weiterlesen

Der einzige Trost beim Thema künstliche Intelligenz und Cybersicherheit? Dass auch die Angreifer nicht verstehen, wie die technologische Black Box KI genau funktioniert. Steve Rymell, Technikchef bei Airbus CyberSecurity, berichtet über die Notwendigkeit, künstliche Intelligenz auf dem Feld der IT-Sicherheit im Auge zu behalten - ohne ihr freilich einen Sonderstatus zuzuweisen.‣ weiterlesen

Weltweit streben Unternehmen nach digitalisierten Produktionsumgebungen. Schließlich verhelfen vernetzte Maschinen zu mehr Transparenz, Einsparpotentiale werden offenbar und die Produktionsplanung endlich realistischer. Doch vor der Vernetzung muss deren Zweck möglichst klar definiert sein, und auch das Koppeln der Maschinen selbst braucht Sachverstand.‣ weiterlesen

Dietmar Heinrich wird neuer Finanzvorstand der Dürr AG. Zudem ernannte der Aufsichtsrat Dr. Jochen Weyrauch zum stellvertretenden Vorstandsvorsitzenden.‣ weiterlesen

Die Maschinenbauer aus Deutschland müssen sich in einem zunehmend schwierigeren wirtschaftlichen Umfeld behaupten. Das Jahr 2019 war geprägt von einer schwachen Weltkonjunktur, immer härteren Drohungen und Sanktionen in den globalen Handelsstreitigkeiten, sowie einem tiefgreifenden Strukturwandel in der Autoindustrie.‣ weiterlesen

Nach einer Studie von Gartner soll bis 2022 der Geschäftswert von KI auf 2,85 Billionen Euro steigen. Der Löwenanteil davon wird voraussichtlich auf den Bereich der Kundenerfahrung entfallen, für das schon ausgereifte Tools am Markt existieren. Dieser Überblick zeigt, wie es heute um KI im Field Service Management steht und wohin die Reise geht.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige