Suchen

Steuerung Wenn Steuerungen künstlich intelligent werden

Autor / Redakteur: Nils Knepper* / Jan Vollmuth

Das Einbetten von Technologien der Künstlichen Intelligenz und der Datenanalyse in die Maschinensteuerung kann die Verfügbarkeit, Effizienz und Zuverlässigkeit von Maschinen deutlich steigern.

Firmen zum Thema

Maschinensteuerungssysteme können durch den Einsatz von KI-Technologie die Produktivität erheblich steigern, ohne die Zuverlässigkeit oder Sicherheit zu beeinträchtigen.
Maschinensteuerungssysteme können durch den Einsatz von KI-Technologie die Produktivität erheblich steigern, ohne die Zuverlässigkeit oder Sicherheit zu beeinträchtigen.
(Bild: Mitsubishi Electric Europe B.V.)

Alles eine Frage der Zeit: Technologien wie modell-basierte Steuerungen, PID- oder feldorientierte Steuerungen sowie Fuzzy-Logik schienen noch vor einigen Jahren rein hypothetisch. Heute sind sie so tief in den Steuerungsarchitekturen eingebettet, dass wir nicht einmal mehr über sie nachdenken.

KI als treibende Kraft für erhöhte Maschinenverfügbarkeit

Und das Rad dreht sich weiter: Inzwischen stehen weitere neue Technologien in den Startlöchern und warten darauf, in Industriesteuerungen eingesetzt zu werden. Wie werden wir dann in ein paar Jahren etwa über fortgeschrittene Analytik (AA – Advanced Analytics) oder künstliche Intelligenz (AI – Artificial Intelligence) in Maschinensteuerungen sprechen? In Analogie zu den oben genannten Technologien wahrscheinlich völlig selbstverständlich. Denn sowohl fortgeschrittene Analytik als auch künstliche Intelligenz werden eine treibende Kraft für erhöhte Maschinenverfügbarkeit sein, indem sie beispielsweise eine noch effektivere vorausschauende Wartung erlauben, als heute bereits möglich ist.

Denn AA- und AI-Technologien versetzen einen Maschinenbetreiber in die Lage, verschiedene Maschinenzustände in Echtzeit aufzuzeichnen und große Datenmengen zu analysieren. Sie monitoren den aktuellen Maschinenzustand, erkennen anstehende Fehlfunktionen und geben unverzüglich Handlungsempfehlungen an den Maschinenbediener oder Wartungsdienst weiter. Ebenso könnte ein System selbstständig Abhilfemaßnahmen einleiten.

KI regelt eigenständig die Produktivität

Wie könnte dies in der Praxis aussehen? Ein Beispiel wäre ein Szenario für die Lieferkette: In einem Unternehmen treten Engpässe auf bei der Lieferung. Dank künstlicher Intelligenz reagiert die Steuerung einer Maschine auf diesen Mangel selbstständig und verlangsamt die Produktion, bis der Nachschub eintrifft. Auf diese Weise kann ein Anhalten der gesamten Produktionslinie verhindert werden.

Künftig wird die KI autonome Entscheidungen treffen, um die Produktivität einer Maschine oder Anlage zu optimieren. Aktuell ist eine Maschine so konstruiert, dass sie innerhalb definierter Leistungsgrenzen arbeitet, etwa um unterschiedliche Lasten, Geschwindigkeiten oder Sicherheitsbereiche zu berücksichtigen. Die KI-Technologie aber verwendet innerhalb der Steuerung Lernalgorithmen, die ermöglichen könnten, Maschinen bis an die heutigen Grenzen und darüber hinaus zu fahren – und so die Produktivität erheblich zu steigern, ohne die Zuverlässigkeit oder Sicherheit zu beeinträchtigen.

Ki befindet sich bereits im Einsatz

Die Edge-Computing-Lösung MELIPC von Mitsubishi Electric nutzt maschinelles Lernen, um gesammelte Daten zu analysieren und ein Modell der Betriebszustände der Maschine zu generieren.
Die Edge-Computing-Lösung MELIPC von Mitsubishi Electric nutzt maschinelles Lernen, um gesammelte Daten zu analysieren und ein Modell der Betriebszustände der Maschine zu generieren.
(Bild: Mitsubishi Electric Europe B.V.)

Bereits heute führt die Anwendung der KI-Prinzipien auf einzelne Maschinenprozesse zu betrieblichen Verbesserungen. So hat Mitsubishi Electric beispielsweise eine Diagnosetechnologie auf der Grundlage seiner KI-Technologie Maisart (Mitsubishi Electric's AI creates the State-of-the-ART in technology) entwickelt. Eingebettet z.B. in eine Edge-Computing-Lösung nutzt diese maschinelles Lernen zur Analyse gesammelter Daten, um ein Modell der Betriebszustände einer Maschine zu generieren. Dieses Modell kann Anomalien im Betrieb der Maschine in Echtzeit erkennen und so frühzeitig vor drohenden Problemen warnen, so dass das Wartungspersonal umgehend Maßnahmen ergreifen kann.

Ein weiteres Beispiel für den Einsatz von KI ist die intelligente vorausschauende Wartungsfunktion von Robotern aus dem Hause Mitsubishi Electric. Sie analysiert primäre Antriebskomponenten entsprechend den tatsächlichen Betriebsbedingungen und warnt frühzeitig vor dem Ausfall oder den Verschleiß von Teilen. Dadurch werden Ausfallzeiten reduziert und ein effizienter Wartungsplan kann geplant werden.

Verfügbarkeit steigern und Wartungskosten reduzieren

Diese Beispiele zeigen, wie KI bereits heute die Verfügbarkeit einer Maschine erheblich steigern und deren Wartungskosten reduzieren kann – und das ist erst der Anfang: AA und AI bergen noch sehr viel mehr Potenzial. (jv)

* Nils Knepper, Senior Produkt Manager Industrial Automation Central Europe, Mitsubishi Electric Europe B.V.

(ID:46908960)