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.

Welche Daten sind zielführend?

Die Daten sind längst da – sie müssen für eine vorausschauende Wartung nur zielgerichtet genutzt und verarbeitet werden. Das betont Wilfried Grote, Director Industry Management – Chemicals and Pharmaceuticals bei Phoenix Contact Electronics. „Wir steuern auf selbstlernende Systeme zu, die den Weg von der präventiven zur prädiktiven Wartung ermöglichen.“ Doch dabei müssten neue Konzepte die Automatisierungspyramide erweitern. „Hier kommt Namur Open Architecture, kurz NOA, ins Spiel“, so Grote weiter. Ohne Einfluss auf den eigentlichen Prozess zu nehmen, werden Daten der smarten Sensoren und Aktoren in einer Art Datendiode ausgelesen und ausgewertet. NOA sieht vor, offene, sichere und skalierbare Systeme in der Prozessindustrie einzusetzen. Eine Herausforderung werde es sein, die enormen, vorhandenen Datenmengen zu reduzieren auf die tatsächlich relevanten, sinnvollen und für den Prozess wertvollen Informationen. „Wir haben genug Daten – die Anforderung lautet, zu erkennen, welche Daten wirklich zielführend sind“, erklärt Grote. Eine offene Steuerungsplattform, wie die PLCnext Technology von Phoenix Contact, soll es ermöglichen, Sensoren auf Basis unterschiedlicher Protokolle parallel zur Prozesssteuerung auszulesen. Diese Daten können dann als Rohdaten, oder vorverarbeitet durch die Steuerung, weiter an eine Cloud gesendet werden. Dort können die erfassten Prozessdaten auf unterschiedliche Art weiterverarbeitet werden. Durch die Offenheit des Systems können auch Apps von Drittanbietern integriert werden.