Aktuelle Nachrichten aus der Fertigungsautomation 2x wöchentlich kostenfrei in Ihrem Postfach.
Sie haben sich bereits unter der angegebenen E-Mail Adresse registriert.
Bei der Registrierung ist ein Fehler aufgetreten.
Sie müssen die AGBs bestätigen.
Registrierung erfolgreich.

Omron bietet eine Alternative zur cloudbasierten Maschinensteuerung.

Bild: Omron

Höhere Gesamtanlageneffektivität Wie Künstliche Intelligenz die Maschinensteuerung verbessert

06.02.2018

Mit nicht deterministischen Algorithmen, die direkt auf der Maschinensteuerung laufen, bietet Omron eine effiziente Alternative zu cloudbasierten, oft komplexen Ansätzen mit schwer zu beurteilendem Mehrwert Künstliche Intelligenz beseitigt die Flaschenhälse in der Produktion und sorgt vorausschauend und prädiktiv für eine höhere Gesamtanlageneffektivität.

Sponsored Content

Wenn von KI die Rede ist, lohnt es sich genauer hinzuschauen: Um welche Art von Intelligenz geht es und welche Aufgaben sollen mit ihr bearbeitet werden? Und, fast noch wichtiger: Wie hoch sind die Voraussetzungen für einen Einsatz, gerade im Hinblick auf eine Kosten-Nutzen-Analyse? Um sich einen Überblick zu verschaffen, ist zunächst die Unterscheidung von starker und schwacher KI hilfreich: Während es bei der starken darum geht, menschliche Fähigkeiten wie die sprachliche Kommunikation möglichst genau nachzubilden – der berühmte Turing-Test: der Mensch fragt, die Maschine antwortet –, zielt die schwache KI im Wesentlichen darauf ab, spezifische Aufgaben und Probleme zu lösen. Hierfür hat sich in den letzten Jahren der Begriff „kognitiv“ (Cognitive Computing, Cognitive Manufacturing etc.) etabliert, denn es geht darum, analytische und Problemlösefähigkeiten des Menschen nachzubilden und zu übertreffen.

Industrie 4.0 in der Praxis und die Herausforderung mit der Cloud

Viele der auf dem Markt erhältlichen, häufig cloudbasierten Lösungen gehen mit erheblichen Voraussetzungen an IT und Infrastruktur einher, besonders im Bereich Security. Zudem wird dem KI-System eine riesige Menge an Daten übergeben, mit denen es zunächst gar nichts anfangen kann. Bevor mit dem Machine Learning überhaupt begonnen wird, muss der Datenwust, der nur eine geringe Konsistenz aufweist (hinsichtlich Formaten, Zeitindizes etc.) von Menschen strukturiert, sortiert und operationalisiert werden. Dieser riesige Vorbereitungsaufwand zehrt natürlich am versprochenen Mehrwert der KI, denn erst wenn diese überhaupt angewendet werden kann, lässt sich absehen, ob und wenn ja welche Optimierungen möglich und vielversprechend sind.

Etwas besser ist die Ausgangslage beim Edge Computing, da hier Fabrikbereiche oder Fertigungslinien einzeln analysiert werden. Zwar ist das Verfahren selektiver und damit zielgerichteter; zugleich ist jedoch die Rechenleistung begrenzt und die verwendeten Daten sind noch immer unstrukturiert, so dass man von einer Optimierung in Echtzeit weit entfernt bleibt.

Black box vs. White box

Die Intelligenz muss also näher an den Prozess heran, um einerseits schneller reagieren zu können, andererseits nicht mit ungeordneten Daten überlastet zu werden. Die Schwierigkeit der Implementierung von Cognitive Manufacturing in Produktionsbetrieben hat nicht zuletzt mit einer Besonderheit des Maschinen- und Anlagenbaus zu tun: Die eingesetzten Maschinen sind meist einzigartig und keine reinen Serienmodelle; auf einer Anlage gewonnene Daten und Ergebnisse lassen sich also nicht ohne Weiteres auf andere Konstruktionen übertragen.

Zudem sind viele Maschinen zu komplex, um sie – mit vertretbarem Aufwand an Zeit und Kosten – vollständig mathematisch zu beschreiben oder einen digitalen Zwilling zu kreieren. Es handelt sich damit um so genannte „black boxes‘, deren Betriebszustände und optimale Parameter nicht vorausberechnet werden können, da die vorhandenen Daten unterbestimmt sind. In der Praxis behilft man sich daher in der Regel mit umfangreichen Tests und einer gewissen Überdimensionierung, um den Regelbetrieb sicherzustellen.

Daten erzeugen und gleichzeitig nutzen

Gegenüber den gängigen, für die meisten Zwecke zu breitbandigen Top-Down-Ansätzen setzt Omron auf ganz neues Konzept: Wenn es gelingt, die adaptiven Algorithmen direkt in die Maschinensteuerung zu integrieren, werden Datenerzeugung und -nutzung eng verklammert und so um eine Vielfaches effizienter. Anstatt mit Kanonen auf Spatzen zu schießen, gleich der neue AI-Controller von Omron eher dem, was man mit Intelligenz assoziiert: In einer komplexen Menge von Daten Muster zu erkennen und anhand dessen zu entscheiden, wie sich der normale vom abnormalen Betrieb unterscheidet. Sind diese Muster einmal erkannt, dienen sie nicht nur der vorausschauenden Wartung, um Maschinenstillstand zu vermeiden, sie liefern auch die Basis für eine autonome Nachregelung der Maschine in Echtzeit.

Der i-Automation-Ansatz von Omron

Um die Möglichkeiten der Digitalisierung zu entwickeln und greifbar zu machen, hat Omron das Konzept „innovative automation“ entwickelt, das auf folgenden Prinzipien beruht:

  • integrated: Schnelligkeit und Präzision durch maßgeschneiderte Technologie

  • intelligent: Nutzung von Daten aus dem Factory Floor, Synergie zwischen IT und OT

  • interactive: Harmonisierung von Mensch und Maschine durch Dialog und Safety

Den Kern von i-Automation! bildet Omrons Automatisierungsplattform Sysmac mit den Bausteinen Steuerung, Motion und Robotik, Bildverarbeitung und Maschinensicherheit.

Die in den Maschinencontroller integrierten selbstlernenden Algorithmen setzen dabei zunächst da an, wo Kunden und Produzenten am meisten der Schuh drückt. Sind solche Flaschenhälse einmal systematisch analysiert und beseitigt, steht einer ganzheitlichen Optimierung der gesamten Fertigung – dann auch mit Edge und Cloud Computing im Sinne einer Intelligenzhierarchie, die von unten nach oben funktioniert – nichts mehr im Wege: Aufbauend auf den durch den neuen AI-Controller von Omron gewonnenen Daten und Mustern, lassen sich Maschinen und ganze Fabriken so steuern und betreiben, dass Maschinen länger verfügbar sind, die Qualität steigt und die Kosten sinken.

Auf dem Weg zu einer intelligenteren Industrie

Im Kern zielt die Innovation von Omron auf eine Erhöhung der Gesamtanlageneffektivität (OEE) ab. Auch wenn im Einzelfall und besonders in der Automobilindustrie OEE-Werte von 80 Prozent und mehr erreicht werden, bewegen sich bis dato viele der im Feld installierten Anlagen im Bereich von 50 Prozent. Eine gezielte Optimierung der Fertigung mit dem neuen AI-Controller, die sich an den Bedürfnissen der täglichen Praxis des Kunden orientiert, verspricht eine Erhöhung des OEE im ein- bis zweistelligen Prozentbereich. Wenn man sich vor Augen hält, dass bereits eine Verbesserung um wenige Prozentpunkte häufig gleichbedeutend ist mit bedeutenden Effizienzsteigerungen und Kostensenkungen, wird das große Potenzial der neuen Lösung ersichtlich.

Diese befindet sich momentan in der Testphase mit mehreren Pilotkunden. Die Ergebnisse werden dazu beitragen, den neuartigen Ansatz einer praxis- und mehrwertorientierten Anwendung von Künstlicher Intelligenz im Maschinen- und Anlagenbau auszubauen und zur Marktreife zu führen. Mit dem neuen AI-Controller will OMRON einen Beitrag zu einer intelligenteren Industrie leisten. Das System richtet sich sowohl an Maschinenbauer als auch und vor allem an Anwender, die sich einen stärker praxisbezogenen Ansatz von Industrie 4.0 wünschen.

Firmen zu diesem Artikel
Verwandte Artikel