Aufrufe
vor 4 Jahren

KEM Konstruktion 07-08.2019

  • Text
  • Antriebstechnik
  • Anwendungen
  • Automatisierung
  • Digitalisierung
  • Getriebe
  • Gleitlager
  • Handhabungstechnik
  • Industrie
  • Komponenten
  • Konstruktion
  • Maschinenelemente
  • Montagetechnik
  • Oberflaechentechnik
  • Maintenance
  • Verbindungstechnik
  • Waelzlager
Trendthemen: Digitalisierung, Industrie 4.0, Predictive Maintenance; KEM Porträt: Andreas Fuchs, Geschäftsführer Vertrieb/Marketing, August Mink; KEM Perspektiven: Vorausschauende Wartung unter Aspekten künstlicher Intelligenz

TRENDS PERSPEKTIVEN Dazu

TRENDS PERSPEKTIVEN Dazu gehören intelligente Sensoren, intelligente I/Os, intelligente Ventilinseln oder Smart Edge Gateways. Hinzu kommt eine offene Backbone-Kommunikationsarchitektur, die es Produkten verschiedener Hersteller ermöglicht, ihre relevanten Daten auszutauschen. Daher konzentrieren wir uns darauf, das Angebot an intelligenten Komponenten zu erweitern und verstärkt lokale Analysefähigkeiten, erweiterte Edge-Computing-Funktionen sowie Cloud-Konnektivität in die Komponenten zu integrieren. KEM Konstruktion: Wie viel KI respektive Machine Learning nutzt Predictive Maintenance derweil? Liedtke (Kuka): KI ermöglicht eine flexible, jedoch individuelle Produktion. Großes Potenzial hat Machine Learning als Teilgebiet der KI. Mit maschinellem Lernen können anhand großer ausgewerteter Datenmengen Vorhersagen getroffen werden. Das am häufigsten verwendete Lernverfahren – allerdings außerhalb der Industrie – ist aktuell die Bilderkennung. Andere Anwendungen sind intelligente Bots, Gesichts- oder Spracherkennung, automatisierte Übersetzung oder autonomes Fahren. Allerdings fehlt in der Industrie die Datenmenge, die eine KI benötigt. Daten werden aus Prozessen gewonnen und analysiert, wodurch die Möglichkeit eröffnet wird, die Prozesse zu verbessern. Diese Analyse kann durch KI beziehungsweise selbstlernende Systeme auch automatisiert erfolgen. Sieger wird sein, wer über die besten Algorithmen und die beste Infrastruktur verfügt. Das hilft jedoch nichts, wenn die Prozesse nicht beherrscht werden. Dazu zählen leistungsfähige Roboter, Sensoren und Aktoren fürs Greifen, Kleben oder Schweißen, also mit jeweiligem Prozess-Know-how. Allein Roboter zu verkaufen, wird in Zukunft also nicht mehr zielführend sein, weil zunehmend Lösungen verlangt werden, die nur mit dem erwähnten Know-how realisierbar sind. Holzer (Trumpf): Es gibt erste Anwendungsfälle, in denen sich Machine-Learning-Algorithmen als sinnvoll herauskristallisieren. Stand heute sind es oft hypothesenbasierte Algorithmen, sodass ein Grundverständnis für Ursachen und daraus abgeleitet Handlungsempfehlungen entstehen können. Entscheidend sind korrekte Analyseergebnisse und Handlungsempfehlungen, da sich daraus Serviceeinsätze ergeben können oder der Austausch eines Ersatzteils folgt. De Carolis (Emerson): Wenn wir unter KI das reine Erfassen von Trends und deren Anwendung auf eine Regel-Engine verstehen, um Diagnosedaten in prognostische Informationen umzuwandeln, nutzt Predictive Maintenance etwas KI. Es wird weitaus weniger KI genutzt, wenn wir KI oder Machine Learning als Werkzeug definieren, das es ermöglicht, Maschinenprozesse ohne menschliches Zutun – als Ergebnis eines bestimmten Ereignisses, das erfasst und analysiert wurde – zu optimieren oder dynamisch zu verändern. KEM Konstruktion: Welche nächsten KI-Entwicklungsschritte werden Predictive-Maintenance-Technologien nachhaltig vorantreiben? Liedtke (Kuka): Augmented und Virtual Reality (AR, VR) werden künftig helfen, automatisierte Systeme zu durchdringen, sie also in Prozessdetails zu verstehen und weiteren Personen zu erklären. Anlagen, die nicht zugänglich sind, können so anhand in der Cloud gespeicherter Informationen während des laufenden Betriebs eingesehen werden. Hier eingesetzte AR-Brillen ermöglichen eine ortsunabhängige Transparenz über die OEE, also den Prozentsatz, zu der eine Anlage in einer vorgegebenen Geschwindigkeit Qualitätsprodukte produziert. Service-Einsätze werden damit effizienter. Als Erweiterung der AR-Brille ist es denkbar, Service-Tickets direkt über ein Spracherkennungssystem einzusprechen – ein Szenario, das in naher Zukunft liegt. Nach Smartphones und Tablets als Computing- Interfaces zeichnen sich Mixed-Reality-Anwendungen als Trend bei Human-Machine-Interfaces ab. Im Industrieumfeld bieten sich interessante Smart Services mithilfe von Mixed Reality an. Aus IIoT- Sicht sind vor allem Anwendungen interessant, die aufgezeichnete Maschinen- und Anlagendaten aus der IIoT-Plattform mit vor Ort erhältlichen Daten wie Ton- und Bildinformationen kombinieren. Speziell im Remote-Service-Umfeld lassen sich mithilfe von AR Smart- Service-Angebote für Datenbrillen und Smart Devices konzipieren. Perspektiven: Bei steigender Rechenleistung – mit wohl sinkendem Preis – werden in der vorausschauenden Wartung kompliziertere KI-Algorithmen als heute eingesetzt werden. Und die industriellen Prozess-Daten, die zur Verfügung stehen, werden mit steigender Komponenten-Intelligenz zunehmen Bild: sdecoret/fotolia.com 34 K|E|M Konstruktion 07/08 2019

Bild: Emerson Enrico De Carolis, Vice President Global Technology bei Emerson Holzer (Trumpf): Viele der KI- Technologien sind bereits verfügbar, oft sogar als sogenannte Open-Source-Komponenten. Man muss sich dabei die Frage beantworten, wo der Einsatz des Werkzeugs KI sinnvoll ist und im Gegensatz zu hypothesenbasierten Verfahren Vorteile bietet. Beide Verfahren werden zukünftig teilweise ergänzend eingesetzt werden – mit dem Ziel, die Maschinen und Anlagen zu verbessern und selbstoptimierende Ansätze direkt auf die Maschinen und Anlagen zu bringen. De Carolis (Emerson): Heute kann die KI verschiedene vereinfachte Algorithmen wie Expertensysteme, Wissensgrafiken, Regel-Engines und dergleichen verwenden, um eine Vielzahl an Wenn-dann-Anweisungen zu entwickeln. Mit steigender Rechenleistung bei sinkenden Kosten werden kompliziertere KI-Algorithmen, die eine sukzessive Approximation (schrittweise Annäherung; Anm. d. Red.) und neuronale Netze nutzen, eingesetzt werden – und zwar in der Cloud, im Edge-Bereich und bis hin zu intelligenten Komponenten. Dies wird eine detailliertere Menge verwertbarer Informationen am Fehlerort ermöglichen und zu stabileren und umfassenderen prädiktiven Instandhaltungsalgorithmen führen – zu echtem Machine Learning. „Wir konzentrieren uns besonders darauf, das Angebot an intelligenten Komponenten zu erweitern und verstärkt lokale Analysefähigkeiten, erweiterte Edge- Computing-Funktionen sowie Cloud-Konnektivität in die Komponenten zu integrieren.“ www.kuka.com www.trumpf.com www.emerson.com Mehr zu den Trend-Themen „Smart Factory und KI“ finden Sie unter: hier.pro/E80dt K|E|M Konstruktion 07/08 2019 35

KEM Konstruktion