Machine Learning und Industrie 4.0: Wir fragen, Experten antworten

Die Fragen zu Machine Learning und Industrie 4.0 an die Experten

1. Auf welche Aspekte von Industrie 4.0 fokussiert Ihr Unternehmen/ Ihre Institution besonders?

2. Können Sie ein erfolgreich umgesetztes Industrie-4.0-Anwender-Projekt beschreiben?

3. Planen Sie Umsetzungen von künstlicher Intelligenz oder haben Sie diese bereits umgesetzt?

1. Wir bieten mit der offenen Plattform Contact Elements Lösungen für smarte Produkte und industrielle Assets entlang des Digital Threads. Grundlage ist der digitale Zwilling, um Daten aus dem Betrieb flexibel zusammenzuführen und zu analysieren. Je nach Zielsetzung können Kunden Geschäftsprozesse definieren, die im Sinne der Operational Excellence beispielsweise Wartungsaufgaben oder Betriebsoptimierungen unterstützen. Um die Potenziale der Industrie 4.0 ganzheitlich zu erschließen, kooperieren wir mit Partnern aus der Industrie, Forschung und Open Source Community. Zusammen erarbeiten wir zum Beispiel Standards für die M2M-Kommunikation, das modellbasierte Systems Engineering oder neue Verfahren für die virtuelle Inbetriebnahme kompletter Fertigungsanlagen.

2. Ein weltweit agierendes Maschinenbauunternehmen nutzt beispielsweise unsere IoT-Plattform, um seine Produkte zu vernetzen und darüber neue Services anzubieten, die das Risiko von Stillstandzeiten minimieren. Die Lösung ermöglicht den Kunden des Maschinenbauers, Maschinen digital zu verwalten, sie vorausschauend zu warten und die Performance zu optimieren. Dass allein die Ankündigung dieser IoT-Lösung den Produktabsatz steigern konnte, unterstreicht den Stellenwert von digitalen und „smarten“ Lösungen. Neue Services werden also nicht nur akzeptiert, sondern werten Produkte weiter auf.

3. Unsere Data Science Group führt Projekte durch, bei denen es auch um Verfahren der KI geht. Wir beraten zum einen Kunden, wie sie ihre Produktdaten mittels Machine Learning auswerten können. Zum anderen arbeiten wir an Themen wie der automatischen Dokumentklassifikation und Ähnlichkeitssuche, um unsere eigenen Standardanwendungen für unsere Kunden zu verbessern.

1. Auf Basis immer komplexer werdender Produktionskreisläufe stehen Industrieunternehmen vor der Herausforderung, ihre Abläufe stetig zu optimieren und an sich ändernde Rahmenbedingungen anzupassen. Künstliche Intelligenz (KI) verstehen wir als Lösungsansatz: Mittels detaillierter Datenanalysen und -interpretationen ist sie in der Lage, Unternehmen bei der Verbesserung ihrer Prozesse – in Bezug auf Kosten, Qualität und Produktionszeit – zu unterstützen. Als wichtige Datenbasis für den Einsatz von KI setzen wir auf die 3DExperience-Plattform: Mit diesem zentralen Datenpool lassen sich Prozesse passgenau steuern und optimieren.

2. Eine besondere Fähigkeit von KI ist die Betrachtung und Auswertung vergangener Daten. Hiervon profitierte beispielsweise ein Unternehmen das unsere Software Biovia einsetzt: Durch eine neuartige KI-Lösung entdeckte es einen Fehler im Fertigungsprozess, von dessen Existenz es zuvor nicht wusste. In einer Produktionsstraße schloss ein kleines Ventil nicht mehr richtig und sorgte dafür, dass zu viel von einem bestimmten Rohmaterial in den Produktionsprozess gelangte. Diese minimale Abweichung und Fehlerquelle für die Fertigung konnte nur ein Machine-Learning-Algorithmus entdecken.

3. Künstliche Intelligenz spielt vor allem in der Fertigung bereits heute eine wichtige Rolle, beispielsweise im Bereich Robotik: Durch Data Science-Methoden wie Deep Learning können Roboter zu autonomen Akteuren in der smarten Fabrik werden und so die Qualitätssicherung unterstützen sowie Probleme innerhalb der Produktionsprozesse vermeiden. Das Ziel ist dabei nicht den Menschen einfach zu ersetzen, sondern zum Beispiel durch die Übernahme von besonders anspruchsvollen oder monotonen Aufgaben, Raum und Zeit für Innovationen durch den Menschen zu schaffen.

1. Für uns sind Industrie 4.0-Ansätze im Kontext des Menschen und dem Einfluss auf die Arbeit im Engineering und der Produktion zu sehen. Wir möchten Mitarbeiter durch Industrie 4.0 optimal in die Prozesse integrieren und von deren Flexibilität profitieren. Dabei sehen wir einen erhöhten Bedarf nach Vernetzung von Produktentwicklung, Produktion und indirekten Bereichen, denn nur durchgängig integrierte Informations- und Datenflüsse ermöglichen die flexible, verbrauchsorientierte Fertigung. Hier bieten wir immer wieder passende Plattformen für den Austausch wie die Veranstaltung „Advanced Digital Engineering Summit“.

2. Bei einem OEM-Zulieferer haben wir Ansätze für die Weiterentwicklung des Engineerings im Sinne der Industrie 4.0 identifiziert. Dabei sind konkrete Projekte für das Unternehmen entstanden. Diese Projekte sind auf einer Roadmap für kurz-, mittel und langfristige Ausrichtung zusammengefasst. Mit den konkreten Detaillierungen für den KI-Einsatz oder Optimierungsansätze für durchgängiges Datenmanagement können die Fachabteilungen direkt in die Umsetzung.

3. Wir adressieren Künstliche Intelligenz insbesondere mit semantischen Ansätzen, wie beim Projekt „amePLM“. Damit werden je nach Kontext unaufdringlich Informationen bereitgestellt. Maschinenlesbare Inhalte werden durchsucht und zugänglich gemacht, abhängig vom Kontext der aktuellen Aufgabe des Nutzers. Zudem unterstützen wir Unternehmen dabei, konkrete Anwendungsfälle für Methoden der KI zu identifizieren und diese zielorientiert anzupassen. Durch verschiedene Formate bieten wir Unternehmen immer wieder Zugang zu aktuellem Wissen, sei es durch Studien, Demonstratoren in Labs oder im Rahmen des Innovationsnetzwerks „Future Engineering Network“.

Die Fragen an die Experten

1. Auf welche Aspekte von Industrie 4.0 fokussiert Ihr Unternehmen/ Ihre
Institution besonders?

2. Können Sie ein erfolgreich umgesetztes Industrie-4.0-Anwender-Projekt beschreiben?

3. Planen Sie Umsetzungen von künstlicher Intelligenz oder haben Sie diese bereits umgesetzt?

1. Für uns ist eine durchgängige Kommunikationsbasis entscheidend, denn ohne Kommunikation geht I4.0 definitiv nicht. Das bedeutet: Ethernet als unverfälschter Standard. Das geht bis in die Feldebene dank Time Sensitive Networking (TSN), und bis zum letzten Sensor dank Single Pair Ethernet. Wir fokussieren auf die notwendige Connectivity. Dabei spielt der Steckverbinder eine wesentliche Rolle. Das hat Erfolge eingebracht, zum Beispiel durch die Norm für den industriellen Single Pair Ethernet Steckverbinder von uns. Aber Connectivity im Sinne von Steckverbindern ist nicht alles, worauf wir uns bei I4.0 fokussieren. Wir sind der Überzeugung, dass nur durch neue Architekturen, autonome Produktionsanlagen Wirklichkeit werden. Und dafür braucht es neue Devices wie unsere Harting MICA (Modular Industry Computing Architecture). So ist Predictive Maintenance einfach per Plug und Play realisierbar.

2. In Verbindung mit der Mica sind bereits viele Projekte erfolgreich umgesetzt worden. Beispielsweise dient die Mica in einem Fördersystem zur Analyse aller Vibrationen und Stöße, die Rückschlüsse auf einen möglichen Ausfall liefern. Dieses System wurde bereits erfolgreich in der Automobilproduktion eingesetzt.

3. KI ist der Schlüssel zur lernenden Maschine. Momentan dienen die I40-Projekte in erster Linie der Transparenz von Produktionsanlegen. Die daraus gewonnen Erkenntnisse fließen größtenteils noch nicht automatisiert in den Produktionsprozess ein. Um das aber zu ermöglichen, ist ein Lernen unabdingbar und KI wird daher zur Schlüsseltechnologie der I40. Unsere aktuellen Beispiele von künstlicher Intelligenz sind selbstlernende Roboter, die lernen, in Anwendungen des Bin-Pickings Gegenstände zu ergreifen. Auch hier kommt die Mica zum Einsatz, wenn es darum geht das erlernte Modell vor Ort verfügbar zu machen.

1. Im Zentrum unseres Leistungsangebotes steht die Digitalisierung. Die Kernfrage, der wir uns dabei stellen ist, wie man die Komplexität im Geschäftsmodell zu minimalen Prozesskosten in den Griff bekommt. Damit Projekte und Maßnahmen gezielt zu Kostenreduktionen oder neuen Umsätzen führen, gilt es, sich ein ganzheitliches Bild aller wertschöpfenden Prozesse im Unternehmen zu verschaffen. Schwerpunktthemen sind unter anderem IIoT und Produktkonfiguration (CPQ – Configure Price Quote).

2. Bei der Vielzahl der Projekte, die wir bereits umgesetzt haben, fällt es schwer, ein konkretes herauszustellen. Natürlich sind zurzeit die KI-basierten IoT-Projekte besonders spannend. Hier können wir klar unseren Vorteil im Markt nach vorne stellen. Als Lenze können wir vom Sensor und den intelligenten Antrieben, über die Steuerung und Connectivity bis zur Cloud-Plattform und Apps alles aus einer Hand anbieten. Wir sind also Produkthaus, Systemintegrator und Berater in einem – und zugleich Partner unserer Kunden, die wir bei der digitalen Transformation begleiten. Unser Angebot zielt darauf ab, unsere Kunden erfolgreicher zu machen.

3. Als Lenze-Tochter wendet Encoway seit 20 Jahren erfolgreich Verfahren der künstlichen Intelligenz im Bereich der Produktkonfiguration an. Wir beobachten den zunehmenden Trend, dass die Fertigungsindustrie stärker als bisher über e-Commerce-Lösungen nachdenkt. Zudem nutzen wir Machine Learning, um Condition Monitoring zugänglich zu machen, basierend auf den Daten aus unseren Antrieben. Gemeinsam mit unseren Maschinenbaukunden entwickeln unsere Data-Scientists-Modelle, um bessere Aussagen über den Zustand einer Maschine, mögliche Ausfälle in der Zukunft oder Ursachen einer nicht optimalen OEE treffen zu können.

1. Für Mitsubishi Electric steht der konzerneigene „[email protected]“-Ansatz für die Realisierung der Industrie-4.0-Konzepte. Dieser Ansatz hilft Unternehmen bereits seit 2003 gemeinsam mit [email protected] bei der digitalen Transformation. Aktuell fokussieren wir uns in diesem Rahmen auf die wichtigen Themen vorbeugende Wartung und Künstliche Intelligenz, denn beides steht häufig im Zusammenhang. So wird in unseren Robotern schon heute KI für die Analyse des Harmonic-Drives-Umkehrspiel eingesetzt und der Kunde so frühzeitig über Abnutzung oder zu erwartende Störungen des Roboterbetriebs informiert. Auch wird die Wartung der einzelnen Achsen der Nutzung angepasst. Denn eine Analyse dieser Vorgänge in der Cloud oder im Edge-Bereich wäre zu ungenau, da die Zykluszeit des Roboters sehr klein ist und der externe Datenzugriff nicht jeden Zyklus erfassen könnte. Aber auch bei der Inbetriebnahme kann künstliche Intelligenz helfen. „MAISART“ (Mitsubishi Electric‘s AI creates the State-of-the-ART in technology) unterstützt beispielsweise auch ungelernte Kräfte bei der Optimierung der Roboter-Bewegungen, der 3D-Bilderkennung und vielem mehr.

2. Neben der schon genutzten Roboter-Lösung kann der Anwender Maisart auch im Edge-Bereich nutzen. Hier stellt Mitsubishi Electric mit einem hauseigenen Industrie-PC und der CC-Link-IE-Anbindung ein Echtzeit-Analyse-Tool bereit. Der Vorteil dieser Lösung liegt darin, dass in der Software bereits diverse KI-Methoden integriert sind und der Kunde ohne zu Programmieren smarte Lösungen parametrieren kann. Der Anwender Sunouchi aus Japan beispielsweise hat parallel zum Steuerungssystem Produktionsdaten erfasst, in Echtzeit ausgewertet und so seine Produktion transparenter und effektiver gemacht. Durch die smarte Qualitätssicherung konnte der Ausschuss auf fast null Prozent gesenkt werden.

3. Wie schon bei den ersten Antworten deutlich gemacht, ist für uns der Einsatz von KI extrem wichtig. Der Fachkräftemangel ist ein allgegenwärtiges Thema. So müssen komplexe Produktionsschritte auch für weniger gut geschulte Mitarbeiter durch KI optimiert, vereinfacht und beherrschbar gemacht werden. Dies gilt ebenso für den gesamten Wartungsablauf. Mitsubishi Electric setzt hier mit dem Maisart-Ansatz auf Lösungen von der Cloud bis in die Komponente. Denn der Einsatz von KI ermöglicht eine smarte Produktion auf allen Ebenen.

1. Wir konzentrieren uns bei Industrie 4.0 vor allem auf die Themen „Prozesseffizienz in der Produktion“ – beispielsweise durch das Minimieren von manuellen Tätigkeiten – „Transparenzverbesserung“ durch konsistentes Reporting, Predictive Maintenance und Vorausschauende Fehlererfassung, „Erstellung digitaler Produkte“ – etwa die Optimierung von verkauften Anlagen und Bereitstellung von Managed Services zur Anlagenoptimierung – sowie die „Erstellung neuer digitaler Geschäftsmodelle“ – ein Beispiel ist hier der digitale Milchmarktplatz.

2. Bei einem Automotive OEM wurde eine Cloud-native SaaS-Lösung entwickelt. Ziel war es, durch eine optimierte Mensch-Maschine-Kommunikation die Fertigungsqualität in der Montage zu steigern. Hierbei wurde realisiert, dass Fehler direkt über das Smartphone erfasst werden können. Eine Chatfunktion hat zudem den Austausch zwischen den Arbeitsplätzen erleichtert. Fehler wurden so schneller entdeckt und auch schneller gelöst. Durch eine Integration mit den MES-Systemen wurde außerdem ein besserer Einblick in zentrale Informationen ermöglicht. Dadurch konnte die Prozessqualität gesteigert werden. In einem weiteren Schritt ist es geplant, ein Frühwarnsystem zu realisieren. Dieses soll die Produktionsexperten mit Push-Nachrichten informieren, wenn bestimmte Merkmale an Teilen oder Prozessen erkannt oder erreicht werden.

3. Das Thema KI hat in der msg einen sehr hohen Stellenwert. In Bezug auf Industrie 4.0 nutzen wir KI insbesondere im Umfeld von Frühwarnsystemen in der Produktion und Logistik, beispielsweise auf Basis von Knowledge-Graphen. Außerdem sind Lösungen mit Image Recognition unter anderem bei der Erkennung von Produktfehlern oder auch bei der OCR-Erkennung im Einsatz.

Die Fragen zu Industrie 4.0 und Machine Learning an die Experten

1. Auf welche Aspekte von Industrie 4.0 fokussiert Ihr Unternehmen/ Ihre Institution besonders?

2. Können Sie ein erfolgreich umgesetztes Industrie-4.0-Anwender-Projekt beschreiben?

3. Planen Sie Umsetzungen von künstlicher Intelligenz oder haben Sie diese bereits umgesetzt?

1. Phoenix Contact fokussiert sich darauf, komplexe Produktionsprozesse durch neue Technologien zu optimieren. Zum Beispiel fertigen wir nach Industrie 4.0-Gesichtspunkten, wenn Artikel in Losgröße eins zu den Kosten der Massenproduktion hergestellt werden sollen. Das ist bei den Axioline-I/O-Modulen der Fall, wo eine ständig wachsende Variantenzahl bei geringen Losgrößen die Möglichkeiten einer normalen Fertigung übersteigt.

2. Ein Beispiel ist die Gebäudetechnik. Auch dort findet der Umbruch von der klassischen Automatisierung hin zur Digitalisierung statt. Das IoT­basierte Ecosystem Emalytics von uns verbindet die Gebäudeleittechnik mit dem Energiemanagement sowie Business­Intelligence­Services in einer Lösung. Smart Devices sowie Geräte, Sensoren und Aktoren der konventionellen Gebäudetechnik werden auf Grundlage standardisierter Protokolle und Schnittstellen direkt in die IoT­Managementebene integriert. Alle Daten stehen als Informationsobjekt zur Verfügung, um die Prozesse der Gebäudetechnik zu optimieren.

3. Künstliche Intelligenz kommt bei Phoenix Contact zum Beispiel im Werkzeugbau zum Einsatz. Dort werden Algorithmen genutzt, die vorhersagen können, welche Breite ein Kunststoffbauteil haben wird, wenn bestimmte Einstellungen an der Spritzgussmaschine vorgenommen werden. So lassen sich Produktionsprozesse optimieren. Viele Bereiche des Unternehmens arbeiten aktuell an Themen rund um die künstliche Intelligenz. Das zeigt sich beispielsweise in der internen Veranstaltung „AI Hack Days“. Hier haben Teilnehmer auf Basis der eigenen Produkte PLCnext Control und Proficloud Software für künstliche Intelligenz programmiert.

1. Im Rahmen unseres global angelegten „World Class Manufacturing“-Projekts automatisieren wir diverse Wälzlager-Produktionslinien – auch hier in Schweinfurt. Ziel ist es, auch kleinere Losgrößen durch flexiblere Fertigungsverfahren so wirtschaftlich wie möglich produzieren zu können. Außerdem bieten wir unseren Kunden umfassende Betreibermodelle an, damit diese dank unseres „Rotating Equipment Performance“-Konzepts (REP) von der maximalen Leistung ihrer rotativen Systeme bei minimierten Gesamtbetriebskosten profitieren können – das Ganze ohne zusätzlich notwendigen Investitionsaufwand; vergütet auf Basis von monatlichen Gebühren und/oder wirkungsbezogen bonifiziert. Das sind also „Subscription“-Modelle.

2. Wir haben jüngst ein solches REP-Betreibermodell mit einem Kunden aus der Metallindustrie vereinbart. Neben der Zustandsüberwachung von Walzen umfasst es die Optimierung von deren Lagerungen und die Wiederaufarbeitung verschlissener Lager inklusive Ersatzteil-Logistik. Das Projekt ist noch jung, aber wir gehen davon aus, dass der Kunde dadurch seine diesbezüglichen Betriebskosten um 20 Prozent senken kann.

3. Künstliche Intelligenz gewinnt insbesondere bei der Analyse von Zustandsüberwachungsdaten immer mehr an Bedeutung. Deshalb ist KI für uns ein wichtiges Thema. Um unsere Kompetenzen in diesem Bereich zu stärken, haben wir jüngst das israelische Unternehmen Presenso akquiriert, das Software für die vorausschauende Instandhaltung auf Basis Künstlicher Intelligenz entwickelt. Unser Ziel ist, KI zu einem integralen Bestandteil unserer eigenen Produktion zu machen und diese natürlich auch zum Vorteil unserer Kunden zu nutzen: Hier wie dort wollen wir den Begriff „Maschinenzuverlässigkeit“ per KI neu definieren. JBI ‹

Weiterlesen: Das war die SPS 2019 – inklusive Rückblick und Ticker