Fünf Ansätze, Augmented Reality mit Künstlicher Intelligenz zu verbinden – und welche Vorteile das im Service von Maschinen und Anlagen haben kann

[Blogtitel] Fünf Ansätze, Augmented Reality mit Künstlicher Intelligenz zu verbinden. [Beschreibung] AR und KI können gerade im Bereich Predictive Maintenance bei Maschinen und Anlagen große Rationalisierungspotentiale heben. [Bildquelle] Oculavis [Bildbeschreibung] Das Bild zeigt einen Mitarbeiter mit einer AR-Brille an einer Frässpindel
[Bildquelle] Oculavis

Künstliche Intelligenz (KI) ist eines der Hype-Themen, die den Maschinen- und Anlagenbau nicht erst seit gestern umtreiben. Die Erwartungen wurden durch die langsame Erkenntnis gedämpft, dass künstliche Intelligenz in Produkten und Prozessen nicht ohne Weiteres zu haben ist und es nicht zu unterschätzender Aufwände für die Entwicklung entsprechender Systeme bedarf. Denn neben den eigentlichen Algorithmen, die maschinelles Lernen ermöglichen, braucht es vor allem domänenspezifisches Wissen, das diese Algorithmen zu sinnvollen Ergebnissen kommen lässt.

Predictive Analytics als Hauptanwendungsfeld von künstlicher Intelligenz im Service von Maschinen und Anlagen

Aus Sicht der meisten Maschinenbauer ist es zum Beispiel sinnvoll, eine Abschätzung über den Ausfallzeitpunkt einer Maschine oder einzelner Komponenten zu treffen. Diese datenbasierte Vorhersage von Maschinenzuständen wird meistens als Predictive Analytics bezeichnet und der damit erzielbare Wissensvorsprung kann genutzt werden, um darauf basierend Wartungszeitpunkte, den Austausch von Verschleißteilen oder die frühzeitige Einlastung geplanter Stillstandszeiten in die Produktionsplanung und -steuerung beim Endkunden zu optimieren.

Doch was passiert, wenn bei der geplanten Wartung oder dem Austausch von Ersatzteilen Probleme auftreten? Der Mitarbeiter aus der Instandhaltung des Endkunden weiß eventuell nicht genau, wie ein spezielles Ersatzteil auszutauschen oder eine Wartung korrekt auszuführen ist. Oder die Reisezeit eines Technikers des Maschinenherstellers zum Endkunden dauert so lange oder ist aufgrund von Reisebeschränkungen eventuell gar nicht möglich, so dass der Zeitvorteil einer auf Predictive Analytics basierenden Vorhersage schlichtweg aufgefressen wird.

Mit Augmented Reality von der Datenebene auf die menschliche Handlungsebene

An diesen Beispielen wird klar, dass man von der Datenebene im Rahmen künstlicher Intelligenz relativ schnell auf die menschliche Handlungsebene gelangt. Genau hier setzen Augmented Reality basierte Lösungen an, um die menschliche Regelstrecke, wie die genannte manuelle Wartung oder Reparatur, zeitlich und inhaltlich zu optimieren. Visueller Remote Support mit Augmented Reality Annotationen kann beispielsweise dafür sorgen, dass der Experte eines Maschinenherstellers eine komplizierte Wartung aus der Ferne begleitet, um die korrekte Ausführung der Arbeiten sicherzustellen. Hat der Maschinenbauer das für die Wartung notwendige Wissen bereits in Form einer Anleitung aufbereitet vorliegen, können einem Mitarbeiter an der Maschine vor Ort Schritt-für-Schritt die richtigen Arbeitsabläufe auf einem Tablet, Smartphone oder einer Datenbrille eingeblendet werden.

Damit kann für standardisierbare Abläufe die Remote Guidance durch einen zugeschalteten Experten durch eine Self Guidance auf Basis von digitalen Anleitungen und Workflows ersetzt werden. Die Herausforderung besteht in diesem Gesamtablauf nun darin, die richtigen Informationen zur richtigen Zeit am richtigen Ort verfügbar zu machen. Das kann zum Beispiel dadurch geschehen, dass Predictive Maintenance mit Augmented Reality Systemen integriert werden. Beim Auslösen von Handlungsbedarf durch eine datenbasierte Vorhersage werden Wartungsmitarbeiter vor Ort per Email oder Push Nachricht informiert, arbeiten einen Augmented Reality basierten Workflow für eine geführte Wartung ab und ziehen bei Bedarf einen Spezialisten des Maschinenherstellers hinzu.

Ein Blick sagt mehr als tausend Datenpunkte?

So können die geschilderten Abläufe zu einer hybriden Smart Service Chain integriert werden, die die Stärken von künstlicher Intelligenz in der Analyse von Daten mit den menschlichen Stärken in der Ausführung komplexer Entscheidungs- und Arbeitssituationen kombiniert. Augmented Reality basierte Lösungen wie Visual Assistance oder digitale Workflows bieten eine perfekte Ergänzung, um eine schnelle Handlungsfähigkeit zu gewährleisten, wenn Störungen von Maschinen und Anlagen erkannt werden. Sie können auch eingesetzt werden, um die Vorhersage von Algorithmen durch einen menschlichen Blick auf die Situation zu bewerten.

Computer Vision für die automatisierte Extraktion von Informationen aus Bildern

Genau hier können Ansätze der künstlichen Intelligenz genutzt werden, um diesem menschlichen Blick eines Remote Experten besondere Fähigkeiten zu verleihen. Hier sind die Ausprägungen von KI im Gegensatz zu den bisher geschilderten prädiktiven Anwendungen im Bereich des maschinellen Sehens zu verorten und erweitern in gewisser Weise die Sinne des Nutzers, wie die folgenden vier Beispiele zeigen:

  • Die automatische Extraktion von Text auf Fotos oder in einem Videoanruf mit Hilfe von Optical Character Recognition (OCR) ermöglicht z.B. die Erkennung von Seriennummern einer Maschine, um diese nicht händisch abtippen zu müssen.
  • Ist der Text in einer Sprache geschrieben, die man als Nutzer selbst nicht versteht (z.B. ein Sicherheitshinweis an einer Maschine o.ä.), können auf künstlicher Intelligenz basierende Services zur automatischen Übersetzung dazu dienen, um nicht nur einen Text automatisch zu erkennen, sondern diesen direkt in einer anderen Sprache anzeigen zu lassen.
  • Manchmal möchte oder darf ein aus der Ferne zugeschalteter Experte aber auch nicht alles sehen. Um zum Beispiel den Datenschutz von Personen zu gewährleisten, die zufällig durch eine Szenerie laufen, können KI basierte Ansätze zur Erkennung von Gesichtern eingesetzt werden, um Menschen in Bildern und Videos unkenntlich zu machen.
  • Darüber hinaus können KI basierte Ansätze nicht nur zur Erkennung von Gesichtern genutzt werden, sondern ebenso für die Erkennung von Mustern z.B. zur Qualitätssicherung von Prozessen oder zum Erkennen von Bauteilen z.B. zur automatischen Erkennung von Ersatzteilen, die im Rahmen einer Wartung identifiziert werden müssen.

Ein kurzer Blick in die Zukunft

Diese konkreten Beispiele zeigen nicht nur Anwendungen von künstlicher Intelligenz im Service des Maschinen- und Anlagenbaus, sondern sollen auch eine realistische Orientierung am heute Möglichen bieten. Selbstverständlich gibt es bereits weitreichendere Ideen als die im Rahmen dieses Artikels vorgestellten wie beispielsweise einen Remote Experten gänzlich durch einen Algorithmus zu ersetzen, der einen Live Videostream eines Technikers vor Ort visuell in Echtzeit analysiert, Natural Language Processing für das Verstehen des gesprochenen Wortes verwendet, daraus die richtigen Empfehlungen ableitet und dem Mitarbeiter mit Hilfe von Text-to-Speech Technologien kommuniziert, was zu tun ist. Das kann als Vision für die Zukunft dienen, wird mit den technologischen Möglichkeiten von heute aber vermutlich erst in weiterer Zukunft eine realistische Option werden. Und die Frage, ob man eine solche Vision möchte, ist als Individuum, Unternehmen oder Gesellschaft noch separat zu beantworten.

Weitere Artikel nach Kategorien:

Meine Daten sollen nicht in Google Analytics erfasst werden.
Summary
Fünf Ansätze, Augmented Reality mit Künstlicher Intelligenz zu verbinden.
Titel
Fünf Ansätze, Augmented Reality mit Künstlicher Intelligenz zu verbinden.
Beschreibung
AR und KI können gerade im Bereich Predictive Maintenance bei Maschinen und Anlagen große Rationalisierungspotentiale heben. Der Originalartikel ist in englischer Sprache unter https://ocvs.de/7uWK erschienen.
Autor
Veröffentlicht durch
Ingenieurversteher
Logo
Vorheriger ArtikelDank Retrofit mit alten Maschinen in die neue Welt der Industrie 4.0
Nächster ArtikelSmarte Produktion – Digitale Ökosysteme als Schlüssel zum Erfolg
//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.