Industrielle Automatisierung und KI Wie KI-Nutzen in der Produktion wirklich ankommt

Automation ist gut, doch stösst bei nicht vorhergesehenen Ereignissen schnell an die Grenzen. In Zeiten des Fachkräftemangels ein grosser Hemmschuh. Viel Potential für diese Problemstellung liegt in der Künstlichen Intelligenz (KI).

Wie schlau sind eigentlich Roboter und Technologien in den Shopfloors industrieller Produktion? So fortschrittlich viele Lösungen auch erscheinen mögen, so eingeschränkt sind sie doch oft, denn sie liefern «deterministisch» das, wofür sie entwickelt wurden. Tritt etwas Unerwartetes oder Ungewöhnliches auf, stossen sie schnell an ihre systemischen Grenzen. Ungeplanter Stillstand und sogenannte «Micro-Stoppages» sind dabei die beiden grössten Effizienzfresser. Um solche Fehler zu beheben und Maschinen wieder zum Laufen zu bringen, braucht es hochqualifizierte und gut ausgebildete Mitarbeiter, erfahrene Software- und Hardware-Ingenieure. Doch derartige Experten sind und bleiben rar. Es gibt nicht genug junge Talente, und die Zahl der Arbeitnehmer, die das Rentenalter erreichen, wächst. Um diesem Dilemma zu begegnen, müssten Maschinen immer intelligenter und autonomer werden. Künstliche Intelligenz wird als Schlüssel dazu angepriesen. Trotzdem nutzen noch zu wenige Industrieunternehmen das Potenzial, das ihnen diese Technologie an die Hand gibt.

Die gute Nachricht: Immer mehr Tools und Reife machen KI zugänglich und benutzerfreundlich. Tech-Riesen wie Amazon oder Google nutzen KI bereits seit längerer Zeit weitreichend und gewinnen hierdurch signifikante Wettbewerbsvorteile. In der Industrie sieht das bislang noch anders aus. Die Steuerung KI-basierter Systeme braucht Knowhow und Expertise; Spezialisten, die genau verstehen, was sie tun. Deshalb findet sich der Einsatz von KI bislang nur in Nischenanwendungen, wo sich die Kosten für den Einstieg durch den Nutzen rechtfertigen lassen. Im Fokus der Entwickler stehen vermehrt Systeme, die eigenständig herausfinden können, warum sie angehalten haben oder warum es ein Problem gibt. Sensoren können es Bedienern etwa ermöglichen herauszufinden, dass einer Kartoniermaschine Zuschnitte fehlen, nicht jedoch, ob die Papierdichte ausser Toleranz ist. Sensoren alleine sind daher nicht ausreichend. Um wirkliche Systemautonomie zu erreichen, ist unterstützende künstliche Intelligenz erforderlich. Mithilfe intelligenter Algorithmen können Maschinen anspruchsvolle Analysen durchführen, die mit der Funktion des autonomen Nervensystems verglichen werden können.

Bildergalerie

Mit kleinen Projekten starten

Warum finden sich also trotz dieser Vorteile bislang nur wenige KI-Beispiele aus dem Industriealltag? Erstens wird KI häufig zu allgemein angewendet, und zweitens weiss so mancher nicht, wie mit der komplexen Datenflut umgegangen werden soll, die ein derart pauschaler Ansatz erzeugt. Wer KI im eigenen Betrieb einsetzen will, sollte sich daher zunächst fragen, welches Problem gelöst oder welche Verbesserung erreicht werden soll. Es ist ratsam, klein und mit einem sehr spezifischen Problem zu beginnen. Anschliessend müssen die relevanten Daten gesammelt und zeitsynchron gespeichert werden. Hierbei dürfen keine Informationen verloren gehen. Nutzen entsteht durch die folgende Datenanalyse. Unternehmen, die an Omron herantreten, fragen mittlerweile konkret, wie KI bei Predictive Maintenance, Qualitätskontrolle oder Prozessoptimierung unterstützen kann. KI hat sich zu einem «Enabler» entwickelt, der Verbesserungen und Vereinfachungen ermöglicht.

KI unterstützt Maschineneinsatz und Mitarbeiterschulung

KI kann Maschinen und auch Menschen smarter machen. Der erfahrene Mitarbeiter schult die Maschine und die Maschine schult den ungelernten Mitarbeiter. Omron forscht beispielsweise in seinen ATC (Automation Technology Centre) an KI-gesteuerten Maschinen, die Bediener auffordern, Produkte zu montieren und Arbeitsschritte umfassend zu dokumentieren. So lassen sich die besten Methoden und Arbeitstechniken bestmöglich an andere Bediener vermitteln. Zudem kann mittels KI auch kontrolliert werden, welche Aktionen ein Bediener an der Maschine durchführen sollte, um Fehler zu vermeiden. Bewegen sich die Hände des Bedieners beispielsweise in die falsche Richtung, wird ein Alarm ausgelöst und eine Empfehlung angezeigt.

KI in Lebensmittel- und Automobilindustrie

Fortschritte in Mobiltechnologie, Speicherung und Verarbeitungsgeschwindigkeit haben dafür gesorgt, dass sich KI-gestützte Berechnungen heute sehr schnell und wesentlich günstiger als zuvor durchführen lassen. Allerdings ist KI kein Allheilmittel. Es ist nicht sinnvoll, vorschnell zu technischen Lösungen zu greifen, wenn es einfacher geht. Ist etwas bei einem Förderband ein Abschnitt beschädigt und verbogen, lässt sich dieses Problem mechanisch identifizieren und lösen. KI kann insbesondere bei weniger offensichtlichen, verborgenen und individuellen Herausforderungen einen Mehrwert bieten. Ein Beispiel findet sich in der Lebensmittelindustrie. Hier arbeitet Omron derzeit mit einem Kunden an der Verbesserung von Dichtungsqualität und Siegelintegrität. Mithilfe eines KI-Ansatzes beim Versiegelungsprozess werden die Haltbarkeit des Produkts um mehrere Tage verlängert und fehlerhafte Versiegelungen minimiert.

Ein weiteres Praxisbeispiel bietet Omron Automotive Electronics Italy (A.E.I.), ein Unternehmen, das jährlich über 30 Millionen Komponenten für den weltweiten Automobilmarkt produziert. A.E.I hat seine Fertigungsabläufe überarbeitet und nutzt jetzt Datenanalyse für das intelligente Echtzeit-Management kritischer prozessbasierter Fehler. In einem ersten Schritt wurde dabei die Produktionslinie für G8HN-Leistungsrelais aufgerüstet. Der eingesetzte «i-BELT Data Service» verantwortet dabei die KI bezogene Datenerfassung und -verarbeitung in der Maschine.

Um KI in maschinengerechter Echtzeit zu nutzen, unterstützt der AI-Controller von Omron direkt am Prozess. Grundlage dieser weltweit ersten KI-Lösung, die «at the edge» arbeitet, ist der Sysmac NY5 IPC beziehungsweise die NX7 CPU. Da der Controller nahtlos in die Sysmac-Produktionssteuerungsplattform eingebettet ist, sind keine Schnittstellen oder Datenbrüche zu überwinden, was der Effizienz massiv zugutekommt. Der KI-Controller ermöglicht es, Anomalitäten im Prozess sehr genau zu erkennen und sofortiges Feedback geben zu können.

Wer nicht skaliert, verliert

Mit einem auf Skalierung ausgelegten technischen Lösungs- und Service-Portfolio können digital fortgeschrittene Unternehmen KI beispielsweise für die Identifizierung und Schulung von Best Practices, die Vorhersage von Fehlern oder die Überwachung von Betriebsbedingungen nutzen. Firmen, die noch am Anfang ihrer digitalen Reise stehen, können wiederum die Möglichkeiten der KI erforschen. Bei der Auswahl neuer Maschinen ist lediglich darauf zu achten, dass sie über die nötigen Funktionen verfügen, um Daten künftig für KI-Zwecke bereitzustellen. Unternehmen müssen dabei nicht genau wissen, welche Daten sie benötigen. Sie sollten sich darauf konzentrieren, welche Verbesserungen sie in ihrem Prozess erreichen wollen. Es lohnt sich, klein anzufangen und Schritt für Schritt Reife für mehr Wettbewerbsstärke und Effizienz zu gewinnen.

(ID:49307231)