Dank gesteigerter Rechenleistung und der Verfügbarkeit von immer mehr Daten („Sensorisierung“ der Industrie) nimmt die Diskussion um „Künstliche Intelligenz“ (KI) im Maschinen- und Anlagenbau zunehmend an Fahrt auf. Gerade für die im Kontext von Industrie 4.0 geforderten Fortschritte wie vorausschauende Wartung und vernetzte, effiziente Fertigung bietet der Einsatz von adaptiven Algorithmen großes Potential. Viele produzierende Unternehmen erkennen die Gelegenheit, mit Hilfe von KI die Gesamtanlageneffektivität (Overall Equipment Effectiveness – OEE) erhöhen und damit sinkende Kosten bei höherer Produktivität realisieren zu können.

Es besteht nach wie vor eine gewisse Kluft zwischen Wunsch und Wirklichkeit: Viele der auf dem Markt angepriesenen, häufig cloudbasierten KI-Lösungen erfordern erhebliche Voraussetzungen an Infrastruktur und IT. Zudem arbeiten sie mit einer Unmenge von Daten, die aufwendig aufbereitet und langwierig prozessiert werden müssen. Der Mehrwert bleibt für den Anbieter oft wolkig. Er versteht nicht, ob und wie sich die Investition in KI rentieren wird. Das hat auch darin seinen Grund, dass man es im Maschinen- und Anlagenbau nicht nur mit komplexen, sondern meist einzigartigen Konstruktionen zu tun hat. Lernerfahrungen sind daher nicht ohne Weiteres von anderen Maschinen übertragbar, wie dies bei Massenprodukten der Konsumgüterindustrie der Fall ist. Die Komplexität der meisten Anlagen ist meist so hoch, dass es nicht möglich ist, mit vertretbarem Aufwand das gesamte System mathematisch zu beschreiben (als sogenannte „White Box“). Es handelt sich, in der Betrachtungsweise von Omron, also um sogenannte „black boxes“, deren verfügbare Daten für üblicherweise genutzte KI-Algorithmen unterbestimmt sind und deren zuverlässiger Betrieb nur durch Tests, Optimierung und häufig auch Überdimensionierung zu sichern ist. Wie lässt sich unter diesen Bedingungen eine KI konzipieren und integrieren, die konkreten Mehrwert im Produktionsprozess schafft?

KI in der Maschinensteuerung
Anstatt eine riesige Menge an Daten abseits der laufenden Prozesse langwierig nach Mustern zu durchsuchen, geht Omron den umgekehrten Weg: Die benötigten Algorithmen werden in die Maschinensteuerung integriert und schaffen so die Voraussetzung für eine Optimierung in Echtzeit – auf der Maschine für die Maschine. Im Unterschied zum Edge Computing, wo mit limitierten Ressourcen an Rechenleistung einzelne Fertigungslinien oder Standorte analysiert werden, ist der AI-Controller von Omron mit seiner adaptiven Intelligenz noch näher am Geschehen und lernt für die einzelne Maschine, normale von abnormalen Mustern zu unterscheiden. Der in die Sysmac Plattform, einer Komplettlösung für die Fabrikautomatisierung mit den Bausteinen Steuerung, Motion und Robotik, Bildverarbeitung und Maschinensicherheit, integrierte AI-Controller wird zunächst vor allem da eingesetzt, wo im Fertigungsprozess des Kunden die größten Effizienzprobleme bestehen („Flaschenhals“). Aufbauend auf den gewonnenen Erkenntnissen und Verbesserungen werden die Prozesse intelligent und dienen anschließend einer ganzheitlichen Optimierung der gesamten Fertigung. Auch wenn im Einzelfall und besonders in der Automobilindustrie OEE-Werte von 80 Prozent und mehr erreicht werden, bewegen sich bis dato viele der im Feld installierten Anlagen im Bereich von 50 Prozent. Durch die Erhöhung der Qualität und die Vermeidung von Maschinenstillstand dank vorausschauender Wartung sind signifikante Effizienzgewinne möglich. Der AI-Controller optimiert genau an diesen Stellen und zielt, geführt durch die Bedürfnisse der Praxis, auf eine merkliche Erhöhung des OEE ab – zu beachten ist, dass bereits eine Verbesserung um wenige Prozent deutliche Effizienzsteigerungen und Kostensenkungen bedeuten kann. Mit seiner neuen KI-Lösung, die sich gerade in der Testphase mit Pilotkunden befindet, will Omron einen mehrwert- und praxisorientierten Beitrag zu einer intelligenteren Industrie leisten.