Künstliche Intelligenz

Maschine allein zuhause

| Autor: Stefanie Michel

Die Automatisierung von Fertigungsprozessen ist bereits im Gange. Die nächste Stufe ist der autonome Betrieb, der mithilfe von Künstlicher Intelligenz realisiert werden kann.
Bildergalerie: 3 Bilder
Die Automatisierung von Fertigungsprozessen ist bereits im Gange. Die nächste Stufe ist der autonome Betrieb, der mithilfe von Künstlicher Intelligenz realisiert werden kann. (Bild: gemeinfrei/Photo by Arseny Togulev on Unsplash / Unsplash)

Autonome industrielle Prozesse sind eine Vision im Rahmen von Industrie 4.0. Der Treiber dafür ist die Künstliche Intelligenz. Schon heute entstehen damit in Industrieanwendungen bessere Möglichkeiten der Überwachung, die die Anlagenverfügbarkeit steigern.

# Industrielle Anlagen sind häufig schon mit Automatisierungskomponenten ausgestattet und erzeugen zahlreiche Daten. Kombiniert mit hoher Rechenleistung und Algorithmen lassen sich Fehler im voraus erkennen.

# Durch diese industrielle Künstliche Intelligenz soll der autonome Betrieb von Anlagen und Maschinen möglich sein. Ziel sind denkende und lernende Systeme.

# Der Einstieg muss nicht kompliziert sein, wie ABB mit seinem Portfolio zeigt. Zudem ersetzen diese Systeme auch den Mitarbeiter nicht, der sich dann auf komplexere Aufgaben konzentrieren kann.

Mit zunehmender Digitalisierung entstehen grosse Datenmengen, zugleich steigt der Automatisierungsgrad. Die logische, beinahe unausweichliche Folge daraus wird der nächste Schritt in der industriellen Entwicklung sein: autonome Systeme. In der Industrie führt das letztendlich zum autonomen Betrieb von Fertigungslinien und ganzen Fabriken. So weit entfernt davon sind wir heute nicht – man denke nur an selbstfahrende Autos oder autonome Roboter und Fahrzeuge im Bergbau. ABB spricht von „industrieller künstlicher Intelligenz“, wenn Sensoren, grosse Datenmengen, Algorithmen und Rechenleistung zusammenkommen. Denn Algorithmen alleine können nicht lernen oder Schlussfolgerungen treffen. Deshalb ist es wichtig festzuhalten: Künstliche Intelligenz (KI) ist mehr als eine Technologie, weil auch ethische Fragen (arbeitet KI beispielsweise diskriminierungsfrei?), entsprechende Technik und die Anwendungen hinzukommen.

Die Basis für all das bleiben allerdings die erfassten Daten. Für Hersteller von Antriebs- und Automatisierungstechnik bedeutet das, dass sie beispielsweise Sensorikkomponenten entwickeln müssen, um Echtzeitdaten aus dem System zu liefern. Das können verschiedenste Druck-, Temperatur- oder Vibrationssensoren für Lager, Motoren oder Pumpen sein, die einfach nachgerüstet werden können.

„Industrie-KI“ unterscheidet sich von „Konsumenten-KI“

ABB als einer der führenden Hersteller von Automatisierungstechnik nutzt KI bereits in Industrieanwendungen, um bestimmte Probleme einfacher zu lösen, als es durch Menschen möglich wäre. Ein Beispiel ist die Mustererkennung in Messdaten, aus denen man Fehler früher erkennen oder Optimierungen einleiten kann. Im ersten Schritt entstehen daraus zunächst häufig Lösungen für Predictive Maintenance, doch Ziel sind autonome Systeme. Im Unterschied zu „Konsumentenanwendungen“, bei denen viele Individuen mit ähnlichen Verhaltensprofilen grosse Datenmengen produzieren, bestehen Industrieanwendungen allerdings aus verschiedenen Geräten und Systemen, die viel unterschiedlichere Eigenschaften und Fähigkeiten haben. Natürlich entstehen auch hier grosse Datenmengen, doch nur ein viel kleinerer Teil ist wegen dieser Unterschiedlichkeit für KI-Anwendungen nutzbar.

Hinzu kommt das Domänenwissen, das nötig ist, um überhaupt bestimmte Muster erkennen zu können. Bei der Gesichtserkennung ist das vergleichsweise einfach, denn ein Data Scientist ist gleichzeitig „Experte“ für Gesichter und weiss, wie man dieses von anderen Dingen unterscheiden kann. Für die Klassifikation medizinischer Bilder, beispielsweise zur Krebserkennung, genügt das Wissen eines Data Scientists nicht mehr; hier müssen sogenannte „Domänenexperten“ hinzugezogen werden, um das System zu trainieren. Erst dann wird es nutzbar, weil es eigenständig arbeiten kann. Gerade das ist in der Industrie von grosser Bedeutung, hier braucht es Spezialisten, um die Daten interpretieren zu können.

KI unterstützt den Menschen bei der Überwachung

Welche Potenziale sich durch die industrielle KI bieten, lässt sich anhand von zwei Beispielen bereits erahnen. Für Chargenprozesse (batch process), also für in mehreren Schritten verlaufende Prozesse, hat ABB mit Batch Insight ein Tool entwickelt, das Abweichungen erkennt und die beeinflussenden Prozessvariablen identifiziert. Die Herausforderung liegt in der Zusammenführung aller Daten, denn bisher liegen die Prozess- und die Produktionsdaten in unterschiedlichen Systemen, sodass der Prozessanlagenfahrer nie alle Einflussfaktoren überblicken kann. Anomalien sind so nicht zu erkennen. Doch anhand einer „Optimallinie“ („Golden Batch“) werden die Abweichungen sichtbar und der Anlagenfahrer erhält eine Nachricht, dass er nicht mehr im Optimum ist. Auf diese Weise lässt sich schneller auf Probleme reagieren. Zukünftig ist denkbar, dass das System auch Hinweise geben kann, welche Massnahmen bei Anomalien getroffen werden müssen.

Das zweite Beispiel ist ein klassischer Einsatzbereich für KI in der Industrie: Predictive Maintenance. ABB hat in diesem Bereich beispielsweise zusammen mit Windparkbetreibern Systeme entwickelt, die für eine höhere Verfügbarkeit der Windkraftanlagen sorgen und gleichzeitig die Betriebs- und Wartungskosten senken. Aus der Steuerung des Umrichters werden ebenso Daten erfasst wie aus den Sensoren, die am Generator und Transformator montiert sind. Sie werden an einen sicheren cloudbasierten Server übertragen, um dort mithilfe intelligenter Algorithmen und Analysen in Echtzeit gespeichert und verarbeitet zu werden. Dafür ist es nicht nötig, alle vorhandenen Daten zu verwenden, sondern gerade hier ist das bereits erwähnte Domänenwissen für die Auswahl der richtigen Daten erforderlich, um Machine Learning zu nutzen.

Über die Betriebs- und Zustandsparameter führen Machine-Learning-Algorithmen Diagnosen am elektrischen Antriebsstrang, dem Kern der Windkraftanlage, durch. Die wichtigsten Leistungsindikatoren werden ständig überwacht, sodass der Windparkbetreiber immer den Zustand von Generator, Umrichter und Transformator im Blick hat. Für ABB ist dieser digitale Antriebsstrang ein Weg, Flottenmanagement für Windparks anbieten zu können. Die aus den Daten generierten ABB-Services „Remote Support“, „Remote Assistance“ und „Predictive Maintenance“ nutzen Cloud Computing und Machine Learning, um Instandhaltungsmassnahmen einzuleiten, bevor Probleme und Ausfälle entstehen. Stehen entsprechend viele Daten zur Verfügung, kann maschinelles Lernen nicht nur bei der Ausfallvorhersage, sondern auch bei der Ursachenanalyse helfen.

Inhalt des Artikels:

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 46287379 / Automation & Antrieb)