Daten analysieren, Produktion verbessern
Welche Wege schlägt die Industrie 4.0 als nächstes ein? Frans Cronje, Geschäftsführer des Machine-Learning-Spezialisten Data Prophet, ist der Ansicht, dass künstliche Intelligenz der nächste bedeutende Schritt für Hersteller sein wird und dieser bereits unmittelbar bevorsteht.
Aus dem Schlagwort Industrie 4.0 ist inzwischen ein Industriestandard geworden. Wenn man nicht einmal darüber nachdenkt, wie man seine Daten zur Optimierung der Produktionsverfahren nutzen kann, riskiert man es, auf der Strecke zu bleiben. Die Umsetzung von Industrie 4.0 in einer Anlage oder Fabrik ist jedoch längst nicht das Ende der Fahnenstange oder gar eine einfache Rechenaufgabe. Vielmehr ist es eine sich weitere entwickelnde Philosophie, in die fortwährend innovative Ideen integriert werden und die ständig unerwartete Wendungen nehmen wird. Was also wird als nächstes passieren? Zunächst einmal befindet sich jedes Unternehmen in einer anderen Phase. Jedoch haben alle Firmen, die auf Industrie-4.0-Technologien umstellen, etwas gemeinsam: Sie alle versuchen die Daten ihrer Fertigungslinien zu sichten, zu sortieren, zu löschen, einzustufen und vor allem auch zu analysieren.
75690819 – close up of engineer using computer controlled probe to scan engine block (Bild: ©industrieblick/Fotolia.de)
Expertise erhöhen
In einer Prozesssteuerungsumgebung wird dabei eine riesige Datenmenge generiert. Diese ist so umfangreich, dass sie nicht von einer Person allein interpretiert werden kann. Daher besteht die Gefahr, dass die Bediener von der Informationsflut überwältigt werden und wichtige Möglichkeiten der Prozess- und Qualitätsoptimierung ungenutzt bleiben. Die Antwort lautet, menschliche Expertise durch künstliche Intelligenz (KI) zu erhöhen – nicht nur zu Analysezwecken, sondern um Maßnahmen vorherzusagen und einzuleiten. Eine korrekte Vorhersage der nächsten Schritte in einer bestimmten Situation und präventive Korrekturmaßnahmen erweisen sich als überaus nützlich, wenn dies auf kostengünstige Weise, im angemessenen Umfang und früh genug erfolgen kann, um Ergebnisse sinnvoll zu verändern, beispielsweise um Ausschuss zu vermeiden. Kurz gesagt, der KI-Einsatz hat das Ziel, große Datenmengen so zu nutzen, dass die Kosten von Qualitätsmängeln drastisch gesenkt werden, indem den Bedienern optimale Parametereinstellungen vorgegeben werden. Wenn künftige Ereignisse in vollem Umfang vorhergesagt werden können und dies zum Standard wird, können dadurch sämtliche Disziplinen revolutioniert werden. Die offensichtlichsten Beispiele dafür sind Google, Facebook oder Amazon. Dort wurden Anwendung und Effizienz von Plattformen und Massenwerbung durch KI radikal verbessert. Beispielsweise werden riesige Mengen von scheinbar zusammenhangslosen Online-Verhaltensdaten, die von Milliarden von Google- und Facebook-Nutzern generiert werden, mithilfe von KI gesichtet. Durch den Einsatz der Technologie können dann in Echtzeit die besten Antworten auf Suchabfragen oder die nützlichsten Werbeanzeigen ausgewählt werden, die den einzelnen Benutzern angezeigt werden sollen.
Komplexe Umgebungen
Warum sollte dieser Prozess also nicht auch für Produktionsdaten geeignet sein? Ob in der Automobilbranche, im Bergbau oder in anderen Schwerindustriezweigen – zu Fertigungslinien aus der realen Arbeitswelt gehören immer mehrere Prozessabläufe. Manche laufen parallel, andere sequenziell, aber alle beeinflussen sich gegenseitig und erfordern eine bestimmte Kombination aus Produktionsvariablen, damit die optimale Effizienz und der geringste Verlust gewährleistet sind. KI-Lösungen werden in komplexen Produktionsumgebungen wie Gießereien, Mineralaufbereitungswerken, Langstahlwalzwerken und bei der Automobilherstellung sowie in Montageanlagen eingesetzt. Dort werden aus verschiedenen Quellen Verlaufsdaten zu Produktion und Qualität gesammelt und in einer übersichtlichen Ansicht dargestellt. Anschließend können die Daten in Echtzeit mit Algorithmen verarbeitet werden, um potenziellen Qualitätsproblemen bei nachgelagerten Prozessen vorzugreifen. Darüber hinaus können proaktiv Korrekturmaßnahmen vorgegeben werden, um Qualitätsabweichungen zu vermeiden. Und das ist längst keine Theorie mehr. Es ist bereits möglich, mithilfe von maschinellen Lernmethoden, digitale Kopien von Anlagen zu erstellen, um die optimale Betriebsweise von komplexen mehrstufigen industriellen Prozessen zu ermitteln.