Prozessprognose mit FactoryTalk Analytics LogixAI

KI-Modul einstecken und per Mausklick anlernen

Maschinelles Lernen und KI können einen wertvollen Beitrag zur kontinuierlichen Verbesserung der Produktion leisten. Jetzt will es Rockwell Automation seinen Anwendern mit der Lösung LogixAI besonders leicht machen, Modelle zu entwickeln, auszuführen und laufend durch ausgefeiltere Versionen zu ersetzen.

Bild: ©Grispb/stock.adobe.com

Was der Anwendung künstlicher Intelligenz (KI) in industriellen Umgebungen einen mächtigen Schub gegeben hat, mehr noch als Kosten- und Effizienzaspekte, ist das altersbedingte Ausscheiden erfahrener Mitarbeiter. Ersatz für diese fachlich versierten Angestellten zu finden, ist eine große Herausforderung. Und weil hochqualifizierte Mitarbeiter besonders wertvoll für Unternehmen sind, wird hart um sie gekämpft. Diese Mitarbeiter sollen sich zudem hauptsächlich auf strategischere Aufgaben konzentrieren und nicht etwa Maschinendaten analysieren, um Probleme vorherzusagen oder das nächste Wartungszeitfensters zu definieren. Viel wichtiger ist es, dass die Mitarbeiter mit den gewonnenen Daten arbeiten und darauf basierend betriebliche Entscheidungen treffen.

Prozessoptimierung durch Datenanalyse

Genau hier kommt die Datenanalyse ins Spiel. Diese – also die Erkennung, Interpretation und Kommunikation von aussagekräftigen Datenmustern – verbindet Statistik, Programmierung und Operations Research. Dabei handelt es sich um die Grundlage zur Messung der Leistung einer Maschine und der Erstellung fundierter Handlungsempfehlungen. Auf Grundlage dieser ausführlichen Informationen können Hersteller Konfigurationen oder Parameter anpassen und so die Maschineneffizienz und -leistung sowie andere Performance-Kennzahlen verbessern. In Industrieumgebungen fällt die Aufgabe diese Informationen zu liefern häufig Datenwissenschaftlern zu. Um Zusammenhänge und Anomalien zu erkennen, die Rückschlüsse und Erkenntnisse auf die Produktion zulassen, setzen Datenwissenschaftler und Produktionsspezialisten immer mehr auf lokale Module zur Datenanalyse. Die Spezialisten können sich dann darauf konzentrieren, auf den Daten basierende Entscheidungen zu treffen und so Prozesse optimieren.

In Steuerungstools integriert

Ein lokales KI-basiertes Modul zur Datenanalyse kann die Erfassung und Verarbeitung von Leistungsdaten, insbesondere für wichtige Systeme, unterstützen. Ein Beispiel hierfür ist Rockwell Automation FactoryTalk Analytics LogixAI. Diese Lösung ist eine eigenständige Anwendung, die in ein ControlLogix-Steuerungschassis eingesteckt wird und dann Steuerungsdaten in hoher Geschwindigkeit über die Backplane streamt. Das Modul fügt der Logix-Steuerungsanwendung Embedded-Analytics-Funktionen hinzu: ein neuer Ansatz bei der Prozessoptimierung. Die Produktionsumgebung kann so fortlaufend überwacht werden und Anomalien werden basierend auf den mit maschinellen Lernverfahren gewonnenen Informationen identifiziert.

Dauerhaftes Monitoring

Das FactoryTalk Analytics LogixAI-Modul nutzt die Möglichkeiten des maschinellen Lernens, um Maschinen oder Geräte über mehrere Produktionszyklen hinweg zu überwachen. Daraufhin lässt sich feststellen, welche Eigenschaften – wie Geschwindigkeit oder Druck – im Normalbereich liegen und welche möglicherweise Anomalien aufweisen, die es zu beheben gilt. Abhängig von den jeweiligen Ergebnissen kann FactoryTalk Analytics LogixAI Prognosen erstellen, etwa wann eine bestimmte Komponente wahrscheinlich ausfallen wird, und den Bediener entsprechend warnen. So lassen sich Qualitätsprobleme sowie mögliche Ausfälle vermeiden. Zudem können Betreiber von Empfehlungen zur Prozessoptimierung profitieren. Angenommen, ein Bediener richtet eine neue Produktionscharge bei einer Maschine ein. Die KI kann etwa die Abschaltung der Kühlung empfehlen, wenn die vorherige Charge hierauf angewiesen war, aber die neue Charge nicht.

Screenshots von LogixAI: Modellentwicklung und Applikationsausführung lassen sich per Mausklick anstoßen. Voraussetzung sind richtig platzierte Datenpunkte bei den Maschinen und Anlagen.
Screenshots von LogixAI: Modellentwicklung und Applikationsausführung lassen sich per Mausklick anstoßen. Voraussetzung sind richtig platzierte Datenpunkte bei den Maschinen und Anlagen.Bild: Rockwell Automation GmbH

Seiten: 1 2 3Auf einer Seite lesen

Thematik: Technologie
Rockwell Automation GmbH

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.