VDI-Kongress Automation 2019

VDI-Kongress Automation 2019

Auf dem Weg zur
autonomen Produktion

Bild: VDI Wissensforum GmbH

Bricht demnächst das Zeitalter der komplett autonomen Anlagen an? Und wenn ja: Wie lässt sich die Anzahl der Bedienereingriffe in der Prozessleittechnik auf null reduzieren? Darüber diskutieren die Teilnehmer der diesjährigen VDI-Konferenz Automation 2019 am 2. und 3. Juli in Baden-Baden.
Mit Blick auf eine autonome Produktion lassen sich zwei Trends identifizieren: Trotz des immer höheren Automatisierungsgrades werden die Prozesse komplexer. Zudem muss eine exponential zunehmende Datenmenge berücksichtigt werden. Künstliche Intelligenz wird hier oft als das noch fehlende Stück zur Lösung angesehen: „KI wird oft als Synonym für Regressionsmodelle und maschinelles Lernen verwendet. Die Erwartungen sind groß, ebenso wie die möglichen Enttäuschungen“, erklärt Dr. Sven Lohmann, Automation Solution Architect bei Emerson Process Management.

Maschinelle Kognition

Tatsächlich geht es bei künstlicher Intelligenz nicht mehr nur um tiefes Lernen oder adaptive Modelle, sondern vielmehr um die Nachahmung von menschlicher Kognition, die z.B. auf Expertenwissen basiert – deterministisch, getestet, validiert und bewährt. „Die Erfassung und algorithmische Bereitstellung des Wissens ist ein Schlüsselfaktor für autonome Anlagen“, bringt es Lohmann auf den Punkt. „Der Einsatz von Expertenwissen online ist so, als ob man den erfahrensten und kenntnisreichsten Mitarbeiter einsetzt, der den Betrieb rund um die Uhr mit der Reaktionszeit eines Computers betreut, ohne müde oder krank zu werden, ohne in Urlaub oder in Rente zu gehen.“

Modelle für Vorhersage und Optimierung

Schon heute gibt es Lösungen wie KnowledgeNet (KNet), mit denen sich solches Expertenwissen erfassen lässt. Daraus lassen sich direkt ausführbare Anwendungen umsetzen. „Machine Learning and Advanced Modeling and Analytics, die in KNet zur Verfügung stehen, ermöglichen es, ein tieferes Verständnis der Prozesse zu entwickeln und Modelle für die Vorhersage und Optimierung einzusetzen“, beschreibt Lohmann die Vorteile: Die Kombination beider Ansätze biete somit ein leistungsfähiges Hybridmodell. Der selbstlernende Algorithmus im Sinne von Deep Learning biete somit viele Chancen auf dem Weg zur autonomen Produktion. Durch die Anwendung der Analytik ist KNet in der Lage, abnormales Prozessverhalten zu erkennen und Gegenmaßnahmen einzuleiten. Das System wurde unter anderem bereits am Standort Abqaiq von Saudi Aramco zur Optimierung des Energieverbrauchs mit Erfolg eingesetzt.

Seiten: 1 2Auf einer Seite lesen

VDI Wissensforum GmbH
www.vdi-wissensforum.de

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.