KI-Optimierungstools als Bestandteil der Smart Factory

[Blogtitel] KI-Optimierungstools als Bestandteil der Smart Factory [Beschreibung] Mit intelligenten KI-Werkzeugen lässt sich die Gesamtanlageneffektivität (OEE) von Maschinen in der Smart Factory nachhaltig steigern. [Bildquelle] Adobe_Stock 286208810 [Bildbeschreibung] Das Bild zeigt eine Fräsmaschine und die dazugehörige Steuerung
[Bildquelle] Adobe_Stock 286208810

Beim nachfolgenden Artikel handelt es sich um einen Gastartikel der plus10 GmbH, einem Spin-Off vom Fraunhofer Institut. Das Unternehmen hat sich zum Ziel gesetzt, die Gesamtanlageneffektivität (OEE) um mindestens 10% zu erhöhen.

Laut Studien und aktuellen Umfragen beschäftigen sich bereits mehr als die Hälfte der produzierenden Unternehmen in Deutschland operativ mit Industrie 4.0. Rund ein Drittel der Industrie-Unternehmen messen dem Thema Künstliche Intelligenz (KI) dabei eine sehr große Bedeutung zu. Datenanalysen und KI sind elementare Bestandteile der Produktion der Zukunft – nämlich der Smart Factory. Bereits heute sind große Datenmengen in der Produktion verfügbar. Die Nutzung und Analyse dieser Daten im industriellen Kontext scheinen demnach interessant und viele Unternehmen haben mittlerweile ihre KPI-Dashboards in der Produktion digitalisiert. Doch welche konkreten Anwendungen und welches Potential werden schon heute mit KI in der Produktion über reine Analyse hinaus realisiert?

Maschinenausfälle – wo KI in der Produktion unterstützen kann

Vor allem in der Pharma-, Konsumgüter- und Automobilindustrie finden sich komplexe Fertigungsanlagen. Bei solchen meist automatisierten und verketteten Montage- und Produktionslinien verursachen Stopps und Störungen erhöhte Ausfallzeiten und somit einen enormen Kostendruck für die Betreiber. Gleichzeitig sehen sich die Hersteller der Anlagen mit Finanzierungslücken konfrontiert, wenn die Maschinen länger als geplant zur Erreichung der vereinbarten Verfügbarkeit brauchen. Daher sollen diese komplexen Anlagen stets maximal produktiv sein. Effektive Smart Factory Lösungen stellen kontinuierlich lernende KI-Optimierungstools dar. Diese unterstützen beispielsweise beim Finden von Ursachen für auftretende Stopps und Störungen. Denn bei verketteten Anlagen mit vielen Stationen und Prozessschritten ist eine Fehlerursache bzw. die Kombination von Umständen, die zu einem Ausfall führten, selten bis gar nicht manuell rekonstruierbar. Hinzu kommt die Frage, wie mit dem Problem umgegangen wird. Unterschiedliche Erfahrungen und Herangehensweisen in der Problemlösung sind unterschiedlich effektiv.  

Livedaten und Algorithmen bilden einen Regelkreis

Um Maschinenausfälle zu reduzieren bzw. beim Auftritt ihre Auswirkungen zu minimieren und die Produktivität so zu steigern, hat das Fraunhofer Spin-Off plus10 das KI-Optimierungstool Shannon® entwickelt, das mithilfe kontinuierlich lernender Algorithmen Defekte in schnell-taktenden, verketteten Fertigungsanlagen identifiziert, Ursachen zuordnet und bei der Fehlerbehebung unterstützt. Dabei werden alle Live-Daten aller beteiligten Maschinensteuerungen der Anlage genutzt und mithilfe von einem ganzen Set an entwickelten Algorithmen die Optimierung erzielt. In Summe wird somit ein geschlossener Regelkreis erzeugt, der technische Probleme, deren Ursachen und die bestpassende Lösung findet und miteinander verknüpft, und das auch noch live.

KI-basierte Produktionsoptimierung zur Minimierung von Ausfallzeiten

Doch wie genau funktioniert diese KI-basierte Produktionsoptimierung? Essenziell dabei ist die Datenakquise und -Vorverarbeitung. Viele Unternehmen generieren massenhaft Daten, aber nutzen sie nicht, obwohl sie eigentlich der Schlüssel zur datengetriebenen Produktionsoptimierung sind. Deshalb ist es wichtig, diese Daten verfügbar zu machen. Um an Maschinendaten zu gelangen, wird ein Industrie-PC pro Maschinensteuerung angeschlossen. Dieser Konnektor greift hochfrequent über das jeweilige proprietäre Herstellerprotokoll auf die Daten in der Maschinensteuerung zu.  Auf diese Weise entsteht eine kontinuierliche Datenbasis, die von mehreren lernenden Algorithmen zeitsynchron ausgewertet wird. Diese erkennen detailliert, wo Fehler im Fertigungssystem vorliegen, wie sie zusammenhängen und welche Prioritäten sie zur Behebung zueinander haben.

KI unterstützt den Maschinenbediener bei der Fehlerbehebung

Damit der Produktionsablauf durch Störungen nicht möglichst wenig beeinflusst wird, müssen diese effizient und richtig priorisiert behoben werden. Die Maschinenbediener*innen müssen dafür genau wissen, wo sich eine Fehlerursache befindet und wie diese behoben werden kann. Dabei unterstützt ihn das intelligente Werker-Assistenz-Tool Shannon® von plus10.  Zusätzlich priorisiert die Anwendung Störungen nach ihrer Auswirkung, die sie auf den Gesamtoutput der Anlage haben. Shannon® führt also zwei Live-Auswertungen durch: Zum einen identifiziert das Assistenz-System alle Anomalien und Auffälligkeiten im Produktionsablauf. Zum anderen weist es jeder Störung eine konkrete Fehlerursache zu. Diese Vorgänge laufen kontinuierlich und selbstlernend ab. Das bedeutet, dass der Optimierungsregelkreis durch Shannon® ständig dazulernt.

KI bietet schrittweise Lösungsvorschläge

Bei der Behebung der Störung ist das Bedienpersonal an der Anlage gefragt: Shannon® kennt das priorisierte Problem der Anlage und die Ursache des Problems. Das KI-Tool schickt dem/der Bediener*in einen passenden Lösungsvorschlag für das Problem. Der Lösungsvorschlag besteht aus einer Schritt-für-Schritt-Anleitung. Dabei erweitern sich die Zuordnungen zwischen Störungen und Lösungen stetig. Anlagenbediener*innen können nämlich selbst Anleitungen mit Bildern und Videos zur Behebung von Fehlern anlegen. Gleichzeitig ist es ihnen auch möglich, Feedback zu den Lösungen zu geben, um die Verknüpfung von Lösungen zu Ursachen zu optimieren. Das operative Personalsind auch aktiv aufgefordert, ihr Wissen einzubringen, z.B. bei der Beschreibung von detektierten, aber unbekannten Ereignissen. So baut sich mit der Zeit eine klar verständliche und durchgängig verknüpfte Wissensdatenbank auf, bestehend aus Fehlern, Ereignissen und Lösungen. Das Wissen über das Anlagenverhalten wird nebenbei standardisiert und dokumentiert und nur situativ relevanter Inhalt vorgeschlagen.

Minimierung von Fehlersuch- und Ausfallzeiten

Die Werker-Assistenz Shannon® minimiert somit Fehlersuchzeiten und Ausfallzeiten. Daraus folgt eine Maximierung der Verfügbarkeit sowie eine Erhöhung des Outputs bei gleichen Fixkosten. Das plus10-Tool realisiert schon jetzt eine konkrete KI-Anwendung in der Produktion. Die Technologie zur Verhaltensbeschreibung und -Optimierung von automatisierten Fertigungsanlagen ist in den letzten fünf Jahren am Fraunhofer IPA entstanden, teilweise patentiert und mit der plus10 GmbH als Fraunhofer Spinoff ausgegründet worden.

Fazit

Mit dem Optimierungsregelkreis von Shannon® wird nicht nur Transparenz in Echtzeit erzeugt, sondern auch konkrete Maßnahmen zur Optimierung einer automatisierten Anlage ergriffen. Der erzeugte Optimierungsregelkreis lernt kontinuierlich dazu. Fehlersuchzeiten und Ausfallzeiten von komplexen Anlagen werden minimiert und damit die Verfügbarkeit maximiert. Bereits in vielen unterschiedlichen Anwendungen und Branchen hat plus10 das KI-Tool implementiert. Es zeigt sich, dass schon heute konkrete Anwendungsfälle in der Produktion für KI existieren, welche für Betreiber und Hersteller von Anlagen nützlich und wirtschaftlich attraktiv sind. Die Nutzung und Analyse von verfügbaren Daten durch KI birgt demnach enormes Potential für die Produktion der Zukunft.

Weitere Artikel nach Kategorien:

Meine Daten sollen nicht in Google Analytics erfasst werden.
Summary
KI-Optimierungstools als Bestandteil der Smart Factory
Titel
KI-Optimierungstools als Bestandteil der Smart Factory
Beschreibung
Mit intelligenten KI-Werkzeugen lässt sich die Gesamtanlageneffektivität (OEE) von Maschinen in der Smart Factory nachhaltig steigern.
Autor
Veröffentlicht durch
Ingenieurversteher
Logo
Vorheriger ArtikelKünstliche Intelligenz. Freund oder Feind?
//Analyst//Blogger//Keynote Speaker// zu den Fokusthemen #Industrie40, #IoT und #Digitalisierung. Herzlich willkommen auf meinem Ingenieurversteher-Blog. Hier schreibt ein echter, aber nicht ein typischer Ingenieur. Nach einer soliden Ausbildung bei Siemens zum Feinmechaniker habe ich das Abitur nachgeholt und Maschinenbau studiert. Der Schwerpunkt Informatik im Hauptstudium war wohl der ausschlaggebende Grund, dass es mich in die Software-Industrie gezogen hat wo ich heute noch immer aktiv unterwegs bin. Für die Funktionen Vertrieb, Marketing und Produktmanagement habe ich mich meine Leidenschaft entdeckt – sicherlich nicht immer typisch für einen Ingenieur. Im Rahmen meiner Diplomarbeit haben mich Themen wie „Computer Integrated Manufacturing (CIM)“ beschäftigt. Viele Aspekte sind davon heute umgesetzt. Mit der Digitalisierung unserer Gesellschaft allgemein sowie dem Einzug des Internets in die Produktion stehen wir vor großen Herausforderungen, die uns langfristig intensiv beschäftigen werden. Der klassische Ingenieur wird nun mit völlig neuen Themengebieten konfrontiert. Das war u.a. die Motivation für diesen Blog, die Themenbereiche Industrie 4.0 und Digitalisierung aufzugreifen und regelmäßig darüber zu schreiben – leicht verständlich und nicht technisch tief. Gerade aus diesem Zusammenhang hat sich die Marke „Ingenieurversteher“ entwickelt. Ingenieure sind in der Regel Künstler mit einem sehr tiefen technischen Verständnis. Oft sind sie allerdings nicht in der Lage, technisch komplexe Zusammenhänge leicht verständlich einer Zielgruppe zu vermitteln, die nicht über dieses tiefe technische Wissen verfügt. Um Ideen und Innovationen zu vermarkten, müssen diese in eine leicht verständliche Sprache übersetzt werden. Mit einer Vorliebe für analytisches und strukturiertes Recherchieren , der Leidenschaft für das Schreiben und der Freude am Präsentieren ist die Idee vom „Ingenieurversteher“ entstanden.