Smartes Anlagen-Monitoring mit künstlicher Intelligenz
Datengetriebene Anwendungsfälle wie Predictive Maintenance gelten in modernen Produktions- und Fertigungsverfahren als Schlüssel zu höherer Effizienz und Wertschöpfung der Produktionsanlagen. Zur frühzeitigen Identifikation potenzieller Störungen ist das Condition Monitoring durch Auswerten aktueller Maschinen- und Sensordaten unverzichtbar. Innovative Analyse-Methoden zur Erkennung von abweichenden Werten (Anomalien) sind hier Vertretern klassischer regelgestützter Verfahren einen Schritt voraus.
Bild: BTC Business Technology Consulting AG
Verkürzt formuliert eint die Industriekonzepte der Zukunft vor allen Dingen eins: Sie sind datengetrieben. Maschinen und Anlagen, aber auch ihr Umfeld werden mit immer mehr Sensorik aufgerüstet, um kontinuierlich Daten zu aktuellen Betriebs- und Leistungsdaten sowie Umgebungsbedingungen zu messen. Mittels intelligenter Analyse der Daten detektieren Betreiber schon heute, ob Anlagen ihre Aufgabe noch erfüllen oder sich Komponenten einer Maschine bereits einem kritischen Verschleißzustand nähern. Die Erkenntnisse, insbesondere Abweichungen von der Norm, aus diesem sogenannten Condition Monitoring bilden den Unterbau weiterführender datengetriebener Prozesse – beispielsweise in der Wartung. Hier legen sie die Grundlage, das Risiko ungeplanter Stillstandzeiten zu antizipieren und damit zu minimieren (siehe Abbildung 1). Planbarkeit und Effizienz im Produktionsbetrieb werden infolgedessen deutlich erhöht. Für produzierende Industriebetriebe kann das auch heute schon ein entscheidender Wettbewerbsvorteil sein.
Für das Monitoring produzieren die zahlreichen Sensoren heute immer größere Datenmengen, an deren Wirk-Zusammenhängen sich der aktuelle Maschinenzustand ablesen lässt. Es ist naheliegend, dass mit der Zahl der erfassten Parameter die Zustandsanalyse oft an Präzision gewinnt. Jede neu hinzukommende Einflussgröße und jeder zusätzliche Parameter bedeutet allerdings auch, dass die klassischen Methoden zur Anomalie-Erkennung an ihre Leistungsgrenzen stoßen. Die Verfahren mit manuell erstellten Regeln für Schwellwerte oder Festlegungen von Toleranzbändern müssten aufwendig erweitert werden, um nicht an Aussagekraft zu verlieren. Ähnliches gilt für einmal aufgestellte Daten-Modelle simpler statistischer Betrachtungen.
Moderne Methoden zur Anomalie-Erkennung auf Grundlage einer künstlichen Intelligenz sind hier den Vertretern klassischer Ansätze deutlich überlegen. Der von BTC entwickelte Service „Unusual State Detection (USD)“ nutzt beispielsweise mehrere Verfahren aus dem Bereich des Maschinellen Lernens und der Statistik. Das System zur Anomalie-Erkennung setzt den Ansatz des Semi-Supervised Learning (teilüberwachtes Lernen) um. Vereinfacht formuliert lernt der Algorithmus aus historischen Sensor- und Zustandsdaten das Normalverhalten und das implizite Zusammenspiel aller Parameter. Das erworbene Wissen nutzt die Künstliche Intelligenz dann zur Auswertung neu eintreffender Datenströme aus dem produktiven Betrieb, um ungewöhnliche Zustände zu detektieren – unabhängig davon, ob es sich um bekannte oder völlig neuartige Störungen handelt. Und das gelingt dabei zum frühestmöglichen Zeitpunkt.
Der Anlagenzustand und eventuelle Anomalien werden dem Betriebsführer der Anlage übersichtlich über ein Dashboard angezeigt. Die trainierte Anomalie-Karte ist das wichtigste Arbeitsmittel für die Identifikation von Unregelmäßigkeiten, die insbesondere eine Möglichkeit zur interaktiven Exploration bietet. Anhand der Einfärbung, Größe und Region lässt sich ablesen, ob die aktuellen Daten auf eine neue, potenziell kritische Abweichung vom Normalzustand hinweisen. Bei erkannten Anomalien kann unmittelbar eine Ursachenanalyse (Root Cause Analysis) initiiert werden. Die realen Zustandsdaten hinter dem zugehörigen Punkt, werden von der Produktionsleitung einfach per Klick aufgerufen und die Hauptquellen der Anomalie identifiziert (siehe Abbildung 2). Die Punkte und Zeitreihen können außerdem mit ergänzenden Anmerkungen – etwa zur Betriebshistorie oder Wartung – versehen werden. Damit stehen die Informationen für die Analyse problematischer Konstellationen auch später direkt zur Verfügung.
Bild: BTC Business Technology Consulting AG
Ein Beispiel aus der Praxis: Optimierung von Wartungszyklen mit KI
Die Überwachung des „Gesundheitszustandes“ technischer Systeme insbesondere im Rahmen datengetriebener Wartungsprozesse legt, wie bereits erwähnt, das Fundament für reale Mehrwerte. Ein überzeugendes Praxis-Beispiel stellt hier die Optimierung von Wartungszyklen dar. Fallen zu häufig Störungen im Betrieb an, sind Wartungen mutmaßlich zu selten oder zu einem falschen Zeitpunkt angesetzt. Wenn aber kaum Störungen auftreten und die Arbeit pro Wartung vergleichsweise gering ausfällt, ist der Takt der vorgesehenen Wartungen zu hoch. Ein optimaler Wartungsrhythmus zeichnet sich dagegen durch ein hohes Verhältnis von durchgeführten Arbeiten pro Vorgang bei gleichzeitig niedriger Störungsrate im laufenden Betrieb aus. In der datengetriebenen Herangehensweise werden die anfallenden Überwachungsdaten aus der Produktion mit Hilfe der Anomalie-Erkennung analysiert, um Stellen mit erhöhtem Fehleraufkommen oder auffälligen Abweichungen zu identifizieren. Aus der aktuellen Zustandsbeurteilung und dem Grad der Anomalie lässt sich mit dem Condition-Monitoring-System ableiten, wann die Ursachen hinter der Auffälligkeit, etwa der Verschleiß einer Komponente, voraussichtlich zu einem Stillstand führen wird. Die anstehenden Maßnahmen zur Instandsetzung können im Anschluss in das kommende Wartungsfenster eingeplant und dieses entsprechend der Stillstand-Prognose gegenüber der ursprünglichen Planung vor- oder rückdatiert werden. Im weiterführenden Prozessverlauf kann parallel eine Instandsetzungsmeldung im Asset Management angelegt werden, um alle notwendigen Informationen für den Arbeitsauftrag des Technikers einschließlich detaillierter Beschreibungen zu generieren. Parallel dazu kann der Workflow in der Ersatzteildisposition automatisch eingeleitet werden, damit die passenden Komponenten zum vorgesehenen optimalen Wartungszeitpunkt verfügbar sind.
Die Einführung KI-gestützter Wartungsprozesse zahlt sich buchstäblich aus. Sie führen zu immensen Kosteneinsparungen und minimalen Stillstandszeiten. Voraussetzung dafür ist das frühzeitige Erkennen von Unregelmäßigkeiten und das Abwenden von Störungen. Da Verfahren wie die vorgestellte Anomalieerkennung aus dem Normalverhalten selbständig Wissen erlernen und aktuelle Zustände analysieren, sind sie in diesem Punkt – bildlich gesprochen – dem Schwellwert- oder Regel-gestützten Systemen stets entscheidende Schritte voraus.
Die Integration der Anomalieerkennung in das produktive Umfeld gelingt in den meisten Fällen innerhalb weniger Stunden. Die Bereitstellung erfolgt generell als Cloud-Service, kann aber auch beim Unternehmen vor Ort auf vorhandener IT-Hardware erfolgen. Die Unterstützung von Standardschnittstellen zum Datenaustausch erlaubt die flexible Einbindung in vorhandene Prozessstrukturen, um das Nutzenpotenzial möglichst aufwandsschonend zu erschließen.
Mittelständische Unternehmen investieren selbst in schwierigen Zeiten in Microsoft-Technologien, weil sie überzeugt sind, dass ihre Mitarbeiterproduktivität steigt und sich ihre Kostenstruktur bessert. Microsoft hat mit dem Microsoft-Partner-Network ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. Für unsere Leser gibt die Microsoft-Partnerübersicht in Ausgabe Juli/August der IT&Production Tipps für die Suche nach einer geeigneten Branchen- oder Speziallösung im Bereich des produzierenden Gewerbes.
Auf der Suche nach Innovation, nach neuen Lösungen und der Abgrenzung zum Mitbewerb vernetzen sich zunehmend mehr Unternehmen mit externen Experten und Partnern. SAP hat mit dem SAP-Ecosystem ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. In der Maiausgabe der Fachzeitschrift IT&Production erhalten unsere Leser einen aktuellen Überblick zum SAP-Ecosystem im Bereich des produzierenden Gewerbes.
Anbieter & Produkte
becosEPS – Enterprise Planning System
Make Lean Leaner
Qualität, Lieferketten, Rückverfolgbarkeit – Nachhaltigkeit hat viele Facetten
augmented instructions – digitalisiertes Know how unterstützt die Industrie beim Wissenstransfer
IIoT in Stahl Service Centern
Wachstum durch Kundenorientierung: Das Geheimnis liegt in einem smarten Variantenkonfigurator
Weltweit führende APS-Technologie für alle industriellen Anforderungen
Work-in-Process-Management in S/4HANA
ANZEIGE
Whitepaper
Vom 4-Stufen-Modell zum Regelkreis
Vollautomatische Feinplanung
Smart Factory Elements
Monitoring IT, OT and IIoT with Paessler PRTG: use cases and dashboards
Mit Kennzahlen die Produktion im Griff
Videos
Erfolgreiche Asprova APS Einführung bei Horst Scholz, Hersteller von komplexen Kunststoffspritzformen höchster Präzision
Erfolgreiche Asprova APS Einführung bei Strauss Café, zweitgrößter Kaffeehersteller in Polen
Erfolgreiche Asprova APS Einführung bei Kontio, finnischer Hersteller von Blockhäusern
Ein Unternehmen, das sich mit der Auswahl eines ERP- Systems befasst, muss sich gleichsam mit einem viel- schichtigen Software-Markt und unklaren Interessen- lagen an interne Abwick- lungsprozesse auseinander- setzen. Guter Rat bei der Investitionsentscheidung ist teuer. ERP/CRM Wissen Kompakt unterstützt Sie bei der gezielten Investition in die IT-Infrastruktur.
Immer mehr Anbieter von Maschinen, Automatisierungstechnik und Industriesoftware integrieren künstliche Intelligenz in ihre Produkte. Das ganze Potenzial spielen selbstlernende Systeme aber erst aus, wenn sie passgenau auf ihren Einsatz in Fertigung und Büro zugeschnitten wurden. Über beide Möglichkeiten, als Fertiger die Vorzüge von industrieller KI zu nutzen, geht es im regelmäßig aktualisierten Themenheft Künstliche Intelligenz.
Das Internet of Things verändert Produktwelten und die Vernetzung in der Fertigung gleichermaßen. Entstehende Ökosysteme laden zur einer neuen Form der Zusammenarbeit ein. Die Spezialausgabe IoT Wissen Kompakt informiert über die Technologie, Projektierung und Anbieter für die eigene Applikation, in- und außerhalb der Fabrik.
Um alle Potenziale eines MES umfassend ausnutzen zu können, beleuchten unsere Autoren in der Serie von MES Wissen Kompakt die erfolgskritischen Faktoren, um Fertigungsunternehmen präventiv zu steuern. Darüber hinaus präsentiert MES Wissen Kompakt ein breites Spektrum an Firmenportraits, Produkt- neuheiten und Dienst- leistungen im MES-Umfeld.