Von automatisierten Analysen von Produktionsdaten, Produktprüfungen bis hin zu autonomen Robotern - Künstliche Intelligenz revolutioniert die industrielle Automatisierung. Als maßgeblicher Treiber für die wirtschaftliche Entwicklung produzierender Unternehmen bietet sie enorme Chancen, Wettbewerbsvorteile zu generieren. Innerhalb der Disziplin der Künstlichen Intelligenz gibt es eine Vielzahl an Teilgebieten, jedoch spielt besonders die Machine Learning Datenverarbeitung eine immer wichtigere Rolle.
Wie Maschinen lernen
Zieldefinition:
Im Vorfeld muss genau festgelegt werden, für welchen Produktionsabschnitt oder Anlage das Machine Learning eingesetzt werden soll und welche Optimierung damit angestrebt wird.
Modelltraining:
Im darauffolgenden Schritt müssen die Systeme vom Menschen trainiert werden. Sie stellen sogenannte Trainings-Datensätze bereit, die dann von einem Machine Learning Algorithmus nach Mustern und Zusammenhängen durchsucht wird.
Lerntransfer:
Ist dieser Lernprozess erfolgreich, wird das trainierte Modell in Betrieb genommen und auf unbekannte Daten angewendet. Die Systeme können anhand dieser Daten bestimmte Prognosen aufstellen, um anschließend ideale Entscheidungen für das festgelegte Ziel zu treffen.
Entwicklungsschleife:
Um ein ideales Modell zu entwickeln, wird dieser interaktive Prozess meist mehrmals durchlaufen. Dafür werden die Ergebnisse aus dem Algorithmus vom Menschen stets bewertet.
Die Potenziale des maschinellen Lernens für die Industrie
Was nach Science-Fiction klingt, ist bereits in vielen Unternehmen Realität – Tendenz steigend. Auch in der produzierenden Industrie findet die Machine Learning Datenverarbeitung breitgefächerte Anwendungsgebiete.
1. Automatisierte Qualitätskontrolle
Neben den bisher üblichen Kontrollen am Ende einer Fertigungslinie, ermöglicht das Machine Learning eine automatisierte Kontrolle der Erzeugnisse parallel zum Produktionsprozess. Kamera- und Sensortechniken können durch ihre Fähigkeit zu Lernen an eingerichteten Prüfstellen nicht nur vordefinierte Fehler an den Bauteilen erkennen, sie ermitteln ebenfalls noch unbekannte Mängel. Fehlerhafte Produkte werden so vor der Fertigstellung direkt ausgebessert oder ganz aus dem Verkehr gezogen. Eine enorme Steigerung der Qualitätssicherheit, die die Relevanz des maschinellen Lernens in der Industrie erhöht.
Auch die SCIO Unternehmensmarke VESCON setzt bereits auf die neuen Potentiale der Qualitätssicherung. In einem aktuellen Projekt realisieren unsere Experten der VESCON Systemtechnik eine automatisierte Konfektionier-Anlage für Kabelbäume der Automobilindustrie. Kritische Stellen wie die Fixierpunkte der Kabelstränge werden hierbei mittels Kameraprüfung kontrolliert. Und so eine passgenaue Konfektionierung gewährleistet. Die meisten Kameras sind lediglich darauf ausgelegt, genau definierte Abweichungen im Millimeterbereich festzustellen. In diesem Fall sind minimale Abweichungen aufgrund der Flexibilität der Bauteile allerdings tolerierbar. Fokus ist hierbei vielmehr die Prüfung der
• Lage
• Drehungen
• Kreuzungen
Für den Menschen kein Problem, für Systeme jedoch eine große Herausforderung. Das Einlernen unterschiedlicher Produkt-Abbildungen- von Positiv- bis hin zu Negativbeispielen- in das System ermöglicht es ihnen, Wissen zur Beurteilung der Kabel Führung zu generieren. Intelligente Entscheidungen analog dem Menschen treffen? Für die künstlichen Systeme so kein Problem mehr.
2. Produktionsoptimierung
Zur Effizienzsteigerung der Fertigung bietet das maschinelle Lernen vielerlei Einsatzmöglichkeiten. Generell wird unterschieden, ob eine Optimierung durch
• die Verbesserung des Produktionsprozesses
• die Steigerung der Produktqualität
erzielt wird. Ein Beispiel ist die Erstellung einer idealen Zeitplanung des Fertigungsablaufs. Überflüssige Zeitpuffer sowie Inaktivzeiten werden vermieden und eine optimale Ressourcenauslastung wird herbeigeführt. Die Datenauswertung in Echtzeit ermöglicht außerdem eine stetige Anpassung des Ablaufs an die aktuellen Produktionsbedingungen - ganz automatisch versteht sich. Während der Produktion werden Dank aufgestellter Prognosen der Produktqualität die Produktionsparameter direkt angepasst, noch bevor Mängel auftreten können. Besonders der Rückruf fehlerhafter Erzeugnisse wird minimiert.
3. Predictive Maintenance
Ein weiteres wichtiges Thema der Machine Learning Methoden ist die vorausschauende Instandhaltung. Hersteller der Industrie sind zunehmend auf die Sicherstellung einer dauerhaften Einsatzbereitschaft ihrer Anlagen bedacht. Die fortlaufend verbesserte Sensortechnik an den Industrieanlagen versorgt die intelligenten Maschinen heutzutage mit einer hohen Anzahl an Messdaten. Wie im Lernprozess beschrieben, werden diese Daten zum Training sowie der Ermittlung zukünftig auftretende Fehlfunktionen benötigt. Noch bevor Schäden auftreten und es zum Stillstand kommt, können Maschinen dank der innovativen Technologie repariert werden.
4. Optimiertes Energiemanagement
Vor dem Hintergrund des Klimawandels sowie der steigenden Unsicherheit des Energiemarktes durch die jüngsten Ereignisse ist es für die Industrie unabdingbar, ihre Produktion nachhaltig und effizient zu gestalten. Um den optimalen Bedarf sowie Einsatz an Energie in der Fertigung zu ermitteln, muss ein Überblick über alle Faktoren geschaffen werden: Von den Rahmenbedingungen der Energieerzeugung über den Produktionsablauf bis hin zu dem vergangenen sowie voraussichtlichen Verbrauch. Sprich: Wissen muss aus Erfahrungswerten generiert werden. Für diese Aufgabe bietet sich das maschinelle Lernen als optimale Lösung an. Systeme sagen auf Grundlage dieser Energieverbrauchsmuster Bedarfs- und Preisschwankungen voraus und sorgen für eine effiziente Steuerung sowie Gestaltung der Prozesse in Echtzeit.
Den Startschuss in Richtung intelligente und nachhaltige Produktion gaben unsere Automatisierungsspezialisten der VESCON Systemtechnik bereits vor einigen Jahren mit der BDE- und Traceability-Software SO3 Hiberion. Mit der Softwarelösung wird ein Werkzeug geboten, dass Produktionsdaten detailliert aufzeichnet – schnell zugänglich durch übersichtliche Dashboards oder einem Bedientower in der Produktionslandschaft.
Mit der Softwarelösung gehen unsere Experten zukünftig noch einen Schritt weiter:
Die aufgezeichneten Rohdaten der Maschinen im Produktionsprozess, auch bezeichnet als digitaler Fußabdruck oder Schatten, dienen dem Softwaresystem als Lerngrundlage. Nach dem Prinzip des maschinellen Lernens kann auf Basis des digitalen Schattens der zukünftige Prozessablauf samt auftretender Fehler und Störungen modelliert werden. Eine enorme Chance für die Industrie: Das System bietet Schutz vor Produktionsstillständen und Störungen bevor sie auftreten, Schwachstellen im Prozess werden aufgedeckt und die Produktivität sowie Ressourcenauslastung können durch eine effizientere Gestaltung der Produktion erzielt werden. Die Softwarelösung schöpft die Potentiale des Machine Learnings in der Industrie so ideal aus und ermöglicht das Meistern gegenwärtiger Herausforderungen.
Sie wollen mehr erfahren zu unserer Softwarekompetenz rund um Machine Learning und Digital Twin? Schauen Sie hier vorbei.