Smarte Fertigung So macht künstliche Intelligenz die Fabrik clever

Anbieter zum Thema

Fraunhofer-Institut für Software- und Systemtechnik ISST

Verein Deutscher Werkzeug- maschinenfabriken e. V. (VDW)

Klinkhammer Intralogistics GmbH

COSCOM Computer GmbH

FORCAM ENISCO GmbH

Seit dem Siegeszug von Chatbots ist künstliche Intelligenz (KI) noch bekannter. Auch in der industriellen Produktion kommt KI mit großen Schritten voran, was die EMO Hannover demonstrieren wird.

Können sich Produktionsmaschinen aus eigener Kraft optimieren? Können sie aus ihren Fehlern lernen? Und können sie sich sogar Know-how von anderen Maschinen aneignen? Ja! Denn mit den Möglichkeiten der künstlichen Intelligenz (KI) ist all das möglich. Wenn lernende Produktionsmaschinen aber so clever arbeiten, dann führt das zu höherer Produktivität, geringeren Kosten, verbesserter Qualität und geringeren Ausfallzeiten.

„Wir haben lange an der Optimierung unserer Prozesse in der Produktionstechnik gearbeitet und hier einen Wettbewerbsvorteil erzielt, den wir nun auch in der digitalen Transformation der industriellen Produktion erreichen sollten“, merkt Markus Spiekermann, Abteilungsleiter Datenwirtschaft beim Fraunhofer-Institut für Software- und Systemtechnik ISST dazu an. Um den neuen Anforderungen zu begegnen, spiele KI eine maßgebliche Rolle. Denn nur durch den Nutzen von KI-Methoden könne ein hoher Grad an Automatisierung erreicht werden, der heute dringend geboten sei, wenn man nur an das Problem des Fachkräftemangels denke.

So geht vorausschauende Wartung an Drehmaschinen

In der Industrie ist der Trend zur KI angekommen. Der Werkzeugmaschinenbauer J.G. Weisser Söhne GmbH & Co. KG beispielsweise setzt auf KI-Modelle, die vorausschauende Wartung von Drehmaschinen ermöglichen. „Bei der vorausschauenden Wartung wird mithilfe von KI prognostiziert, wann ein Wartungsbedarf an einer Maschine entstehen wird, bevor es zu einem Ausfall kommt“, erklärt Dr.-Ing. Robin Hirt, Geschäftsführer und Gründer des Karlsruher Start-ups Prenode GmbH. Das Softwareunternehmen unterstützt Maschinenbauer dabei, Anlagen mit kundenspezifischen KI-basierten Features auszustatten. Moderne Produktionsmaschinen können sich mithilfe künstlicher Intelligenz selbst optimieren, lässt Hirt wissen. Sie nutzen dazu in der Regel so genannte „Machine Learning“-Methoden, die es ihnen erlauben, Muster und Zusammenhänge in den Produktionsdaten zu erkennen, um daraus automatisch Verbesserungen abzuleiten. Auch das Lernen aus Fehlern und die Übernahme des Know-hows von anderen Maschinen sei so in vielen Fällen möglich.

Weil die Daten einer einzelnen Drehmaschine aber häufig nicht ausreichen, um ein präzises KI-Modell zu trainieren, kommt die Technik des Federated Learning zum Einsatz. Federated Learning ermöglicht es nämlich, mit dezentral gespeicherten Daten ein gemeinsames KI-Modell zu trainieren, ohne die Daten direkt auszutauschen. Die individuellen Daten verbleiben also auf den jeweiligen Anlagen und müssen nicht zentral an einem Ort – etwa in einer Cloud des Maschinenherstellers – gespeichert werden. Die KI-Modelle schätzen dabei aufgrund aktueller Drehmaschinendaten den gegenwärtigen Zustand der Anlage ab und geben diesen an das Bedienpersonal weiter. Eingesetzt werden dabei auch neuronale Netze aus dem Bereich des Deep Learnings.

So sieht Trumpfs schlauer Sortierassistent aus

Mit künstlicher Intelligenz funktioniert auch der Sorting Guide, ein System des Laserspezialisten Trumpf aus dem baden-württembergischen Ditzingen. Es hilft beim Sortieren produzierter Teile und steigert so die Maschinenauslastung. Der Sorting Guide ist ein kamerabasiertes Assistenzsystem und setzt auf dezentrales Machine Learning. Die Hauptbestandteile des KI-Systems sind eine hochauflösende Kamera, ein großer Bildschirm, ein Industrie-PC und eine „intelligente“ Software zur Bildverarbeitung. Beim dezentralen Machine Learning werden mehrere Maschinen miteinander vernetzt und bilden gemeinsam ein KI-System. Dabei sammeln die Maschinen kontinuierlich lokal Daten über ihre Arbeitsvorgänge. Dann wird für jede Maschine ein KI-Modell entwickelt, das danach zentralisiert wird. „In einer zentralen Cloud werden diese Modelle fusioniert und wieder in die einzelnen Anlagen zurück übertragen“, erklärt der Experte Hirt. Das KI-System könne dann lokal auf alle Erfahrungen der anderen Maschinen zurückgreifen, ohne dass sensible Rohdaten ausgetauscht werden müssten.

Beim Sorting Guide von Trumpf geht das so: Durch vorhandene Stammdaten und selbstlernende Bildverarbeitung erkennt der Sorting Guide entnommene Teile und gibt über den Bildschirm eine Empfehlung zum Absortieren. Die Teile sind auf dem Bildschirm farbig markiert – etwa nach Kundenauftrag oder nachfolgenden Arbeitsschritten, wie zum Beispiel Abkanten, Entgraten, Lackieren oder Versand. Lästiges Nachzählen der Teile und manuelle Rückmeldungen oder Begleitpapiere sollen so überflüssig werden. Das Personal sehe auf einen Blick, welche Teile bereit sind für die Weiterverarbeitung. Das Absortieren wird beschleunigt, Fehler werden vermieden, und die Maschine kann schneller weiter produzieren.

(ID:49599167)