Software plant den Produktionstakt

KI als Wegbereiter einer flexiblen und wandlungsfähigen Fertigung

von Frank Zscheile

Produktionsmittel und Bauteile untereinander vernetzen, sodass sich Produktionsprozesse aufgrund der analysierten Daten eigenständig optimieren lassen, dies ist eine gängige Defini-tion von Industrie 4.0. Die bislang produktzentrierte Fertigung wird dabei durch eine flexible, auftragsbasierte Produktionsweise ersetzt. Produktionssysteme organisieren sich abhängig von kundenindividuellen Anforderungen autonom.

Künstlicher Intelligenz (KI) fällt hierbei eine entscheidende Rolle zu. Denn durch die Vernetzung entstehen große Mengen unaggregierter Daten. Diese gilt es maschinell nach Mustern zu durchforsten, um sie sinnvoll zu nutzen und dadurch die verschiedenen Fertigungsprozesse intelligent zu verbinden. In der Augsburger Modellfabrik von Kuka kann man dies real besichtigen. Matrixproduktion nennt der Roboterbauer die produktneutrale Fertigung, welche sich aus mehreren, hochflexiblen, roboterbasierten Fertigungszellen zusammensetzt. Die zentrale Planung unter Berücksichtigung von Takt- und Lieferzeiten übernimmt eine KI-Software, die auf intelligenten Algorithmen basiert.

Künstliche Intelligenz erobert die Fabrikhallen

Künstliche Intelligenz wird damit zum Dreh- und Angelpunkt von Industrie 4.0. Zwölf Prozent der deutschen Industrieunternehmen nutzen heute bereits KI in deren Kontext, dies hat eine aktuelle repräsentative Befragung in der deutschen Industrie im Auftrag des Digitalverbands Bitkom ergeben. Im Vorfeld der Hannover Messe wurden dafür 555 Industrieunternehmen ab 100 Beschäftigten befragt. Bitkom-Präsident Achim Berg: „Künstliche Intelligenz erobert die Fabriken im Eiltempo und ist die Basis für kontinuierliche Verbesserungen in der Fertigung. KI hat das Potenzial, die Industrie zu revolutionieren.“ Drei von vier Industrieunternehmen sind laut Umfrage auf dem Weg in die Industrie 4.0, jedes zweite rechnet damit, dass das maschinelle Lernen im Kontext von Industrie 4.0 bestehende Geschäftsmodelle tiefgreifend verändern wird.

Das Bundesministerium für Wirtschaft und Energie hat im März 2019 in einem Arbeitspapier Technologieszenarien für KI in der Industrie 4.0 skizziert. Dort wird aus einer vom BMWi beauftragten Studie im Rahmen des PAiCE-Technologieprogramms zitiert. Demnach glauben produzierende Unternehmen, dass etwa ein Drittel der Wertschöpfung mit KI-Anwendungen verbunden sein wird, beispielsweise über die Erreichung eines höheren Autonomiegrads in Einkauf, Produktion, Engineering, Vertrieb oder (After-Sales-)Services. Der tatsächliche Nutzungsgrad von KI in Industrieunternehmen sei jedoch noch gering. Grund: die erheblichen Veränderungen und damit verbundenen Aufwände, die die Einbettung von KI-Anwendungen in der Unternehmensstruktur und in allen Wertschöpfungsstufen erfordert. Deshalb fände sich künstliche Intelligenz in Großunternehmen eher bei Robotik oder Ressourcenmanagement, in KMU in den Bereichen Wissensmanagement, Qualitätskontrolle oder Supply-Chain-Optimization im Einkauf.

Eines der derzeitigen Hauptanwendungsfelder für KI im industriellen Umfeld ist die vorausschauende Wartung von Produktionsmaschinen (Predictive Maintenance). Sensordaten aus Maschinen und Anlagen nehmen dabei verschiedenste Maschinenzustände auf, diese werden mit Mitteln der KI analysiert, um daraus abgeleitet Prozessabläufe individuell zu steuern.

Bevorzugter Einsatz: vorausschauende Wartung

Eines der derzeitigen Hauptanwendungsfelder für KI im industriellen Umfeld ist die vorausschauende Wartung von Produktionsmaschinen (Predictive Maintenance). Sen­sordaten aus Maschinen und Anlagen nehmen dabei verschiedenste Maschinenzustände auf, diese werden mit Mitteln der KI analysiert, um daraus abgeleitet Prozessabläufe individuell zu steuern. Wolfgang Schmidt, Geschäftsführer des IBM Premium-Partners X-Integrate aus Köln, eines Spezialisten für Business-Integration-Software: „Eine möglichst genaue Vorhersage der Qualität von Fertigungsprodukten kann nur gelingen, indem man Industrieanlagen vernetzt, Produktionsdaten mittels Sensorik erfasst und sie anschließend mit mathematischen Methoden auswertet.“

Realisiert hat der IT-Integrator ein solches Verfahren u. a. bei der Felss Systems GmbH, einem der führenden deutschen Maschinen- und Anlagenproduzenten. Felss erhöht damit die Effizienz des Fertigungsprozesses und der Qualitätsprüfung auf den Anlagen, die seine Kunden betreiben. Klassische Prüfintervalle werden durch einen Scoring-Prozess mit-hilfe eines Vorhersagemodells auf Basis von IBM SPSS in einer Docker-Umgebung ersetzt. Durch das „Dockerisieren“ der Softwarekomponenten ist es möglich, die gesamte Scoring-Lösung auf einem Edge-Gateway – einer gehärteten Hardwarekomponente, die Industrie-Connectivity-Standards unterstützt – zu implementieren und lokal an den Maschinen einer Fertigungsstraße zu installieren.

Eine möglichst genaue Vorhersage der Qualität von Fertigungsprodukten kann nur gelingen, indem man Industrieanlagen vernetzt, Produktionsdaten mittels Sensorik erfasst und sie anschließend mit mathematischen Methoden auswertet.

Die Anwendung des Scoring-Prozesses führt bei Felss zu einer hohen Treffsicherheit in Bezug auf die nächste notwendige Wartung. Noch bevor es im Fertigungsprozess zu Komplikationen oder Ausfällen kommt, erhält der Betreiber der Maschine eine visuelle Benachrichtigung an der betroffenen Anlage. Durch die neue, präzisere Kontrollmöglichkeit kann er Arbeitsschritte in Echtzeit anpassen und gezielter vorhersagen, wann für die einzelnen Maschinen in einer Produktionskette ein Werkzeugwechsel oder die Anpassung der Maschinenparameter oder des Maschinenprofils notwendig ist. //

Informationen und Kontakt zum Autor