Schwerpunkte

Künstliche Intelligenz

KI - in der Cloud oder im Controller?

16. April 2018, 00:00 Uhr   |  Lucian Dold


Fortsetzung des Artikels von Teil 2 .

‚Black box‘ versus ‚white box‘

Schema zum AI-Controller
© Omron

Durch die Analyse und Nutzung kombinierter Daten kann der AI-Controller mögliche Maschinenfehler schnell vorhersagen und Anlagenstillstände sowie eine Verschlechterung der Produktqualität verhindern.

Die Intelligenz muss demnach näher an den Prozess heran, um einerseits schneller reagieren zu können, und andererseits nicht mit ungeordneten Daten überlastet zu werden. Die Schwierigkeit der Implementierung von Cognitive Manufacturing in Produktionsbetrieben hat nicht zuletzt mit einer Besonderheit des Maschinen- und Anlagenbaus zu tun: Die eingesetzten Maschinen sind meist keine reinen Serienmodelle, sondern in der Regel Unikate. Auf einer Anlage gewonnene Daten und Ergebnisse lassen sich also nicht ohne weiteres auf andere Konstruktionen übertragen. Zudem sind viele Maschinen zu komplex, um sie – mit vertretbarem Aufwand an Zeit und Kosten – vollständig mathematisch zu beschreiben (als sogenannte ‚white box‘) oder einen digitalen Zwilling zu kreieren. Es handelt sich damit um so genannte ‚black boxes‘, deren Betriebszustände und optimale Parameter nicht vorausberechnet werden können, da die vorhandenen Daten unterbestimmt sind. In der Praxis behilft man sich daher üblicherweise mit umfangreichen Tests und einer gewissen Überdimensionierung, um den Regelbetrieb sicherzustellen.

Gegenüber den gängigen, für die meisten Zwecke zu breitbandigen Top-Down-Ansätzen setzt Omron auf ein neues Konzept: Wenn es gelingt, die adaptiven Algorithmen direkt in die Maschinensteuerung zu integrieren, werden Datenerzeugung und -nutzung eng verzahnt und so um eine Vielfaches effizienter. Anstatt mit Kanonen auf Spatzen zu schießen, gleicht der neue AI-Controller von Omron eher dem, was man mit Intelligenz assoziiert: In einer komplexen Menge von Daten Muster zu erkennen und anhand derer zu entscheiden, wie sich der normale vom abnormalen Betrieb unterscheidet. Sind diese Muster einmal erkannt, dienen sie nicht nur der vorausschauenden Wartung, um einen Maschinenstillstand zu vermeiden, sondern liefern auch die Basis für eine autonome Nachregelung der Maschine in Echtzeit.

Die in den Maschinencontroller integrierten selbstlernenden Algorithmen setzen dabei zunächst da an, wo Produzenten am meisten der Schuh drückt: In der Praxis ‚kämpfen‘ diese mit OEE-Werten zwischen 50 und 75 %; sehr gut optimierte Linien erreichen bis zu 90 % OEE. Kritisch sind dabei vor allem Prozesse, die für Ausfälle sorgen, weil sich Effekte überlagern und durch die üblichen Grenzwerte nicht detektiert werden können – zum Beispiel Separierungsklappen/-Systeme, Zylinder, verkettete Kinematiken, Dosiereinheiten usw. Sind solche Flaschenhälse einmal systematisch analysiert und beseitigt, steht einer ganzheitlichen Optimierung der gesamten Fertigung nichts mehr im Wege – dann durchaus auch mit Edge und Cloud Computing im Sinne einer Intelligenz-Hierarchie, die von unten nach oben funktioniert. 

Eine gezielte Optimierung der Fertigung mit einem AI-Controller kann hinsichtlich der OEE typischerweise eine Verbesserung im 1- bis 2-stelligen Prozentbereich bringen. Wenn man sich vor Augen hält, dass bereits eine Steigerung um wenige Prozentpunkte häufig gleichbedeutend ist mit bedeutenden Effizienzsteigerungen und Kostensenkungen, wird das enorme Potenzial von KI in der Automation beziehungsweise „auf der Maschine für die Maschine“ ersichtlich.

Technisch gesehen läuft die KI beim Maschinen-Controller von Omron als zusätzlicher Task auf der gleichen Plattform, die bereits die SPS-Funktionalität, einen SQL-Server, die Bewegungssteuerung, die Bildverarbeitung sowie Safety auf einem System vereint. Dazu ist lediglich die ausreichende Systemperformance aus der skalierbaren Sysmac-Plattform zu wählen. Im Detail sieht das Konzept mehrere Nutzungsmöglichkeiten vor: Zunächst wird es vordefinierte Funktionen geben, mit denen der klassische Nutzer von SPSen beziehungsweise Maschinensteuerungen die KI-Funktionalität mit einbinden kann wie er es auch von anderen Funktionen her gewohnt ist. Ist eine feiner abgestimmte Funktion beziehungsweise Performance gewünscht, lässt sich daneben ein kausales Modell programmieren, das in der AI-Engine läuft. Für ganz anspruchsvolle Anwendungen ist schließlich vorgesehen, die Einbindung von Data-Analysten als Dienstleistung anzubieten, um das maximale aus dem System herauszuholen. Momentan befindet sich der AI-Controller von Omron in der Testphase mit mehreren Pilotkunden.

Autor: 
Lucian Dold ist General Manager Product & Solution Marketing EMEA bei Omron Europe.

Seite 3 von 3

1. KI - in der Cloud oder im Controller?
2. Die Herausforderung mit der Cloud
3. ‚Black box‘ versus ‚white box‘

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

Omron Electronics