Maschinensteuerung von heute: intelligent und lernfähig

Details: Veröffentlicht: 08.04.2020; Zuletzt aktualisiert: 26.06.2024; Zugriffe: 7714

Mit Künstlicher Intelligenz (KI) und fortgeschrittene Analytik (AA) kann die Maschinensteuerung heute Daten verarbeiten, daraus lernen und autonome Entscheidungen treffen. Sie erhöht so die Verfügbarkeit von Maschinen und Anlagen. Diese werden effizienter, zuverlässiger und in Summe produktiver. Wie die Einbettung dieser intelligenten Technologien in die Steuerung ein neues Paradigma der Bedienung liefern kann, weiß Nils Knepper von Mitsubishi Electric.

Mitsubishi Electric Maschinensteuerung mit KI

Es ist noch nicht lange her, als Technologien wie PID-Steuerung, modellbasierte Steuerung, feldorientierte Steuerung und Fuzzy-Logik nur hypothetisch waren. Inzwischen sind sie so tief in den Steuerungsarchitekturen eingebettet, dass wir nicht einmal mehr über sie nachdenken.

Bei diesem Tempo werden wir in ein paar Jahren die künstliche Intelligenz (AI) und fortgeschrittene Analytik (AA) in der Maschinensteuerung als völlig selbstverständlich erachten. Sie werden eine treibende Kraft für die erhöhte Maschinenverfügbarkeit sein. Diese wird zum Beispiel ein noch effektiveres Predictive Maintenance (vorausschauende Wartung) ermöglichen als wir es heute schon haben.

Maschinensteuerung mit AI und AA Kompetenz

Mittels AI- und AA-Technologien können wir bei Mitsubishi Electric Big Data-Analysen erhalten, indem wir Maschinenzustände in Echtzeit aufzeichnen und analysieren. Sie monitoren den aktuellen Maschinenzustand, erkennen vorausschauend Fehlfunktionen und geben unmittelbar Empfehlungen zum Handeln aus. Maschinenbediener und Instandhalter können entweder reagieren, oder die Maschinensteuerung leitet selbst entsprechende Maßnahmen ein.

Grafische HMI Bedienterminals für die Industrieautomation

Einen Schritt weiter wird mit der KI-Technologie ein Bogen über das ganze Unternehmen gespannt. Käme es beispielsweise zu einem Engpass in der Lieferkette, würde die Maschine selbst reagieren, die Produktion selbstständig verlangsamen und zwar solange, bis die Ersatzteile eintreffen. So lässt sich ein Anhalten der gesamten Produktionslinie verhindern.

In Zunkunft wird die Künstliche Intelligenz zur Optimierung der Produktivität autonome Entscheidungen treffen. Heute arbeitet eine Maschine innerhalb definierter Leistungsgrenzen und berücksichtigt beispielsweise verschiedene Lasten, Sicherheitsbereiche oder Geschwindigkeiten. KI aber verwendet innerhalb der Maschinensteuerung tiefere Lernalgorithmen. Mit ihnen können Maschinen ihre heutigen Grenzen erreichen und darüber hinaus gelangen. Ohne Beeinträchtigung von Zuverlässigkeit und Sicherheit lässt sich so die Produktivität steigern.

Maisart und Edge-Computing sind schon Gegenwart

Bereits heut führen KI-Technologien in einzelnen Maschinenprozessen zu betrieblichen Verbesserungen. Ein Beispiel kommt von Mitsubishi Electric: Der Automatisierer hat eine Diagnosetechnologie auf Grundlage seiner KI-Technologie „Maisart“ (Mitsubishi Electric's AI creates the State-of-the-ART in technology) entwickelt.

Smart Maintenance: Welchen Einfluss hat die Industrie 4.0?

Diese wurde in Produkte implementiert wie der Edge Computing Lösung „Melipc“, die das maschinelle Lernen zur Analyse gesammelter Daten nutzt. Daraus generiert sie ein Modell der Betriebszustände der Maschine. Dieses Modell erkennt in Echtzeit Anomalien im Maschinenbetrieb und informiert frühzeitig das Wartungspersonal über drohende Probleme.

Die Edge-Computing Melpic von Mitsubishi Electric analysiert durch maschinelles Lernen gesammelte Daten und generiert daraus ein Modell der Betriebszustände der Maschine.

Auch die intelligente vorausschauende Wartungsfunktion „Smartplus“ im „Melfa“-Roboter ist ein Beispiel für den Einsatz von Künstlicher Intelligenz. Die Smartplus analysiert primäre Antriebskomponenten anhand der vorliegenden Betriebsbedingungen und warnt frühzeitig vor Ausfall oder Verschleiß. So lässt sich die Wartung effizient planen. Die Technologie bietet aber noch mehr: Während der Konstruktionsphase der Anwendungen lassen sich über Simulation die Lebensdauer des Roboters vorhersagen und der jährliche Wartungsaufwand schätzen. So können Entwickler den Betrieb des Roboters modifizieren, um die Lebensdauer zu verlängern.

Diese beiden Beispiele führen bereits heute zu einer erheblichen Verbesserung der Maschinen-Verfügbarkeit und zur Senkung der Wartungskosten. Doch diese anfänglichen Einsatzfälle von AA und AI weisen lediglich auf ihr Potenzial hin.