Startseite » Peripherie » Software »

Auf dem Weg zur autonomen Maschine

Künstliche Intelligenz und Machine Learning eröffnen Produktivitätspotenziale in der Fertigung
Auf dem Weg zur autonomen Maschine

Anzeige
Künstliche Intelligenz (KI) und Machine Learning (ML) sind im Begriff, die Fertigungswelt zu verändern. Dabei reichen die Anwendungsfelder weit über Qualitätskontrolle und Predictive Maintenance hinaus. In Verbindung mit bildverarbeitenden Systemen und Sensorik rückt sogar die Vision der autonomen Werkzeugmaschine in Reichweite. Wer die nötige KI-Expertise nicht im eigenen Haus hat, muss nicht verzagen: Große Cloud-Anbieter springen bereits mit entsprechenden Serviceangeboten in die Bresche. Autor: Dr. Frank-Michael Kieß

In vielen deutschen Großunternehmen wird KI bereits erfolgreich und in großem Maßstab eingesetzt. Firmen wie Bosch investieren massiv in die Technologie. So haben die Stuttgarter ein KI-basiertes System entwickelt, das Anomalien und Störungen im Fertigungsprozess frühzeitig erkennt, den Ausschuss zuverlässig reduziert und die Produktqualität erhöht. Bosch plant bereits, die KI-Lösung unternehmensweit in seinen rund 240 Fabriken einzusetzen. „Unsere neue KI-Lösung sorgt in Werken für Kosteneinsparungen in Millionenhöhe“, sagt Bosch-CDO/CTO Dr. Michael Bolle.

Doch auch in kleinen und mittleren Unternehmen eröffnet die Technologie erhebliches Potenzial in Bereichen wie Prozessautomatisierung, Kundeninteraktion und Entwicklung neuer Geschäftsmodelle. Dies geht aus einer Studie des Beratungsunternehmens Deloitte hervor, bei der 307 Entscheider aus mittelständischen Betrieben befragt wurden, darunter fast die Hälfte aus der Produktion. Zwar konstatieren die Autoren der Studie partiellen Nachholbedarf. Andererseits erwarteten immerhin 59 % der Befragten, dass die Bedeutung des Themas zunehmen bzw. stark zunehmen wird.

Ein wichtiges Einsatzgebiet für KI-Technologien ist bereits die Qualitätssicherung in der Produktion. „Hier ist KI schon seit einigen Jahren in der industriellen Praxis angekommen, beispielsweise unterstützt durch Kameras und automatische Analysen von Fehlerbildern mit maschinellen Lernverfahren“, sagt Prof. Jörg Krüger, Leiter des Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) der Technischen Universität Berlin.

Ein weiteres prominentes Einsatzfeld für KI in der Produktion ist die vorbeugende Instandhaltung (Predictive Maintenance). „In der hochautomatisierten Fertigung erzeugen ungeplante Maschinenstillstände hohe Kosten“, sagt Dr. Johannes Winter, Leiter der Geschäftsstelle Plattform Lernende Systeme an der Deutschen Akademie der Technikwissenschaften (Acatech). Durch integrierte Sensorik und KI-basierte Auswertung lasse sich die Maschinenfunktion vorausschauend überwachen. Anomalien könnten frühzeitig gemeldet und Wartungen rechtzeitig vorgenommen werden.

Wie das funktionieren kann, zeigen Forscherinnen und Forscher des Karlsruher Instituts für Technologie (KIT). Sie haben ein System zur vollautomatischen Überwachung von Kugelgewindetrieben in Werkzeugmaschinen entwickelt. Dabei kommt eine direkt in die Mutter des Kugelgewindetriebs integrierte Kamera zum Einsatz. Auf Basis der dabei erzeugten Bilddaten überwacht eine KI kontinuierlich den Verschleiß und reduziert so den Maschinenstillstand.

Intelligente Spindelüberwachung

Bislang wurde der Verschleiß von Kugelgewindetrieben manuell festgestellt. „Die Wartung ist deshalb mit Montagearbeiten verbunden“, sagt Prof. Jürgen Fleischer vom wbk Institut für Produktionstechnik des KIT. Die Maschine stehe dann erst einmal still. „Unser Ansatz basiert dagegen auf der Integration eines intelligenten Kamerasystems direkt in den Kugelgewindetrieb. So kann ein Anwender den Zustand der Spindel kontinuierlich überwachen.“

„Wir haben unseren Algorithmus mit tausenden Aufnahmen trainiert, sodass er nun souverän zwischen Spindeln mit und solchen ohne Defekt unterscheiden kann“, ergänzt Tobias Schlagenhauf vom wbk, der an der Entwicklung des Systems mitgearbeitet hat. „Durch eine weitere Auswertung der Bilddaten lässt sich der Verschleiß außerdem genau quantifizieren und interpretieren.“

Wer jedoch den Einsatz von KI nur auf den Aspekt Predictive Maintenance reduziert, macht einen Fehler. „Fokussieren sich Unternehmen ausschließlich auf vorausschauende Wartung, erreichen sie nur eine bessere Verfügbarkeit einer einzelnen Maschine, die eigentlich sowieso nicht ausfallen sollte“, betont Dr. Christian Liedtke, Head of Strategic Alliances bei Kuka. „Was Endanwender wirklich interessiert, ist, mehr Umsatz zu erwirtschaften. Dazu müssen aber alle am Prozess Beteiligten besser zusammenarbeiten und Einzelprozesse nahtlos ineinandergreifen.“

Ein Ansatz, der eine solche ganzheitliche Optimierung der Fertigung ermöglicht, ist die Verknüpfung von KI und dem Internet der Dinge (IoT) zu einer „Artificial Intelligence of Things“ (AIoT), wie sie Kuka-Tochter Device Insight und KI-Spezialist Sentian ins Leben gerufen haben. Das Ziel hierbei ist es, Abweichungen vom Optimum innerhalb eines Herstellungsprozesses fortlaufend zu verringern und die Verbesserungen zu automatisieren.

„KI wirkt vor allem überall dort, wo es darum geht, die Effizienz und Performance einer Produktion zu steigern“, betont Martin Dimmler, KI-Spezialist bei Device Insight. „Insbesondere wenn aufgrund schwankender Einflussfaktoren, z. B. in Rohmaterial oder Umgebungstemperatur, ein komplexes Optimierungsproblem entsteht, spielt die KI ihre Stärken aus. Konventionell programmierte Steuerungen sind für solche multidimensionalen Entscheidungen zu linear und deterministisch gedacht.“

Maschine lernt mit

Wie eine Prozessoptimierung durch KI konkret bei einer Fräsbearbeitung aussehen kann, demonstrieren Wissenschaftlerinnen und Wissenschaftler am Institut für Fertigungstechnik und Werkzeugmaschinen (IFW) der Leibniz-Universität Hannover. Sie haben sich des Problems der selbsterregten Schwingungen im Prozess angenommen. Die so genannten Ratterschwingungen führen in der Zerspanung schnell zu einer schlechten Bearbeitungsqualität. Konservative Prozessstellgrößen beugen dem vor, kosten aber Produktivität. Dies kann sich nun mithilfe von ML ändern. So können Werkzeugmaschinen aus dem Fertigungsprozess lernen, welche Stellgrößen geeignet sind und diese autonom anpassen. Dafür werden sowohl Prozessinformationen aus Beschleunigungs- und Dehnungssensoren als auch eine prozessparallele Abtragssimulation zur Ermittlung der aktuellen Eingriffsbedingungen verwendet.

„Bei Industrie 4.0 wird perspektivisch die vollautonome Werkzeugmaschine angestrebt“, sagt Svenja Reimer, Projektmitarbeiterin am IFW. ML sei einer der Schlüsselfaktoren, um diese Vision Wirklichkeit werden zu lassen. Die vollautonome Werkzeugmaschine müsse fähig sein, im Prozess anhand von Daten zu lernen, wie sich dieser verhält, und dann auch selbstständig Prozessparameter anzupassen. „Genau hier setzen wir ML ein – mitlernende Modelle, die vorgeben, welche Prozessparameter geeignet sind, und diese dann wieder an die Steuerung zurückspielen.“

Trotz der viel versprechenden Ansätze müssen für den verbreiteten KI-Einsatz in der Produktion noch einige Herausforderungen gemeistert werden. „Um KI voranzubringen, braucht es noch mehr Verständnis für Machine Learning“, merkt Krüger an. „Selbstlernende Maschinen treffen ihre Entscheidungen nicht deterministisch, sondern statistisch, basierend auf Erfahrungen. Wenn Verantwortliche in Unternehmen mehr über maschinelle Lernverfahren wissen, können sie einzelne Entscheidungen auch besser nachvollziehen – und akzeptieren.“ Zudem sei es beim Einstieg in KI-Anwendungen wichtig, frühzeitig zu analysieren, welche Daten von Maschinen und Prozessen für die Anwendung von Bedeutung sind, und diese im Zuge der Digitalisierung der Prozesse systematisch zu erfassen.

In vielen produzierenden Unternehmen fehle jedoch der digitale Unterbau, merkt Prof. Dr.-Ing. Marco Huber an, Leiter des Zentrums für Cyber Cognitive Intelligence CCI am Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA. „Das heißt, Maschinen sind nicht vernetzt, die Datenerfassung etwa durch entsprechende Sensorik ist nicht ausreichend vorhanden oder es liegt eine sehr heterogene und schwer zu wartende IT-Infrastruktur vor.“ Dieser Unterbau sei aber erforderlich, um genug aktuelle Daten aus den Produktionsprozessen zu gewinnen und auch eine produktive KI-Lösung zu installieren.

Künstliche Intelligenz zur Miete

So stehen viele KMU vor einem Dilemma: KI könnte ihnen helfen, ihre Produktionsabläufe zu optimieren und so Geld zu sparen, doch es fehlt ihnen oft die Expertise, um diese Zukunftstechnologie zu nutzen. Sie können zwar die nötigen Daten sammeln, scheitern jedoch an deren Analyse. Laut einer Studie des Fraunhofer IPA (siehe Kasten S. 17) können hier große Cloud-Anbieter Abhilfe schaffen. Sie bieten einfache digitale Werkzeuge, die große Datensätze verarbeiten und KI-Lösungen liefern. Mithilfe solcher „Machine-Learning-as-a-Service-Plattformen“ könne jedes Unternehmen ohne große Erfahrung in die KI einsteigen und sich Modelle entwickeln lassen, die etwa fehlerhafte Werkstücke automatisch erkennen.

Branchengrößen wie Siemens haben das registriert. Die Münchner kooperieren mit dem IT-Riesen Google, um mithilfe KI-basierter Lösungen Fertigungsprozesse zu optimieren und die Produktivität zu verbessern. Siemens beabsichtigt, die Google-Cloud-Technologie für Daten und KI/ML in seine Fabrikautomationslösungen zu integrieren. „Das Potenzial von künstlicher Intelligenz, den Fertigungsbereich radikal zu verändern, ist noch längst nicht ausgeschöpft“, sagt Axel Lorenz, VP Control bei Siemens Digital Industries, Factory Automation. „Viele Hersteller stecken bis heute in KI-Pilotprojekten fest – das wollen wir ändern. Die Kombination der KI/ML-Technologie von Google Cloud mit den Siemens-Lösungen für Industrial Edge und Industrial Operation kann die Fertigungsindustrie maßgeblich verändern.“


Machine Learning als Service

Künstliche Intelligenz (KI) hilft dabei, Produktionsabläufe zu optimieren und so Geld zu sparen. Kleinen und mittleren Unternehmen fehlt allerdings oft die Expertise, um diese Zukunftstechnologie zu nutzen. Sie können zwar die nötigen Daten sammeln, scheitern jedoch an deren Analyse. Hier helfen große Cloud-Anbieter. Sie bieten einfache digitale Werkzeuge, die große Datensätze verarbeiten und KI-Lösungen liefern.

Die Stuttgarter Fraunhofer-Institute für Produktionstechnik und Automatisierung IPA und für Arbeitswirtschaft und Organisation IAO haben die Ansätze der vier größten Anbieter – AWS, Google, IBM und Microsoft – verglichen. Sie setzten Lösungen für vier Anwendungsfälle um, die in der Praxis häufig vorkommen und vier Kategorien von Daten umfassen: Tabellarische Daten, Text-, Bild- und Zeitreihendaten. Welche Plattform für welchen Anwendungsfall empfohlen werden kann, wird in der Studie „Cloudbasierte KI-Plattformen – Chancen und Grenzen von Diensten für Machine Learning as a Service“ dargestellt.

Kostenloser Download unter https://www.ki-fortschrittszentrum.de/de/studien/cloudbasierte-ki-plattformen.html

Anzeige
Aktuelle Ausgabe
Titelbild mav Innovation in der spanenden Fertigung 6
Ausgabe
6-2021
LESEN
ABO
Newsletter

Jetzt unseren Newsletter abonnieren

1. mav EMO-Preview-Veranstaltung

Präsentieren Sie sich bei dieser Hybrid-Veranstaltung im thematischen Umfeld der EMO 2021 und profitieren Sie vom großen Media-Special! Jetzt mehr erfahren

Websession Smarte Zellen für die Maschinenautomation

Automation ist aufwändig, teuer und kompliziert! Mit diesem Vorurteil wollen die Experten unserer Websession gründlich aufräumen. Wir freuen uns auf Ihre Teilnahme am 20.05.2021!

Additive Fertigung jetzt erleben!

Erleben Sie spannende Vorträge beim Anwenderforum Additive Produktsionstechnologie am 10.06.2021 und sichern Sie sich Ihr kostenfreies Ticket!

Fachzeitschrift additive

Trends

Aktuelle Entwicklungen in der spanenden Fertigung

Alle Webinare & Webcasts

Webinare aller unserer Industrieseiten

Alle Whitepaper

Whitepaper aller unserer Industrieseiten

Anzeige
Anzeige

Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de