Ein großer Vorteil dieser intelligenten Technologien gegenüber traditionellen Maschinensteuerungsarchitekturen sind Ihre Datenverarbeitungs-, Lern- und Entscheidungsfähigkeiten. Denn das bedeutet erhöhte Verfügbarkeit, Effizienz und Zuverlässigkeit durch vorbeugende und vorausschauende Wartung. Dazu kommt eine verbesserte Produktivität mit der Fähigkeit, autonome Entscheidungen zu treffen.
Wie die Einbettung dieser smarten Technologien in Steuerungen ein neues Paradigma der Maschinenbedienung liefern kann, erläutert nachfolgend Nils Knepper von Mitsubishi Electric.
Werden fortgeschrittene Analytik und künstliche Intelligenz selbstverständlich?
Vor nicht allzu langer Zeit waren Technologien wie modell-basierter Steuerung, PID-Steuerung, feldorientierte Steuerung und Fuzzy-Logik rein hypothetisch. Heute sind sie so tief in den Steuerungsarchitekturen eingebettet, dass wir nicht einmal mehr über sie nachdenken. Wie werden wir in ein paar Jahren über fortgeschrittene Analytik (AA) und künstliche Intelligenz (AI) in Maschinensteuerungen denken? Im Zweifel völlig selbstverständlich. Denn sie werden eine treibende Kraft für erhöhte Maschinenverfügbarkeit sein, indem sie beispielsweise eine noch effektivere vorausschauende Wartung ermöglichen, wie sie bereits heute möglich ist.
KI vom Wareneingang bis zur Maschinensteuerung
AA- und AI-Technologien ermöglichen es durch Big Data-Analysen, verschiedene Maschinenzustände in Echtzeit aufzuzeichnen und zu analysieren. Sie monitoren den aktuellen Maschinenzustand, erkennen anstehende Fehlfunktionen und geben unverzüglich Handlungsempfehlungen. Der Maschinenbediener oder der Wartungsdienst kann reagieren, oder das System wird selbstständig Abhilfemaßnahmen einleiten.
Was aber passiert, wenn die KI-Technologie auf ein gesamtes Unternehmen ausgerollt wird? Spannend wäre ein Szenario für die Lieferkette. Es kommt zu Engpässen bei der Lieferung. Die Maschine reagiert und verlangsamt die Produktion selbständig, bis die Ersatzkomponenten eintreffen. So kann ein Anhalten der gesamten Produktionslinie verhindert werden.
Tiefergehende Lernalgorithmen in der Steuerung
Zukünftig wird die KI autonome Entscheidungen treffen, um die Produktivität zu optimieren. Aktuell ist eine Maschine so konstruiert, dass sie innerhalb definierter Leistungsgrenzen arbeitet - vielleicht, um unterschiedliche Lasten oder Geschwindigkeiten oder Sicherheitsbereiche zu berücksichtigen. Die KI-Technologie aber verwendet innerhalb der Steuerung tiefer gehende Lernalgorithmen. Diese könnten es ermöglichen, 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.
Anomalien in Echtzeit erkennen
Wir sehen bereits heute, wie die Anwendung der KI-Prinzipien auf einzelne Maschinenprozesse zu betrieblichen Verbesserungen führen kann. So hat Mitsubishi Electric beispielsweise eine Diagnosetechnologie auf der Grundlage seiner KI-Technologie namens "MAISART" (Mitsubishi Electric's AI creates the State-of-the-ART in technology) entwickelt.
Eingebettet in Produkte wie die MELIPC-Edge-Computing-Lösung von Mitsubishi Electric, nutzt diese maschinelles Lernen zur Analyse gesammelter Daten, um ein Modell der Betriebszustände der 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.
Intelligente vorausschauende Wartung
Ein weiteres Beispiel für den Einsatz von KI ist die intelligente vorausschauende Wartungsfunktion der Melfa-Roboter. Die Melfa-Smartplus-Funktion kann bei den Robotern von Mitsubishi Electric angewendet werden. Sie analysiert genau 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.
Lebensdauer von Robotern verlängern
Darüber hinaus bietet die Technologie während der Konstruktionsphase der Anwendungen Simulationsmöglichkeiten zur Vorhersage der Lebensdauer des Roboters und zur Abschätzung der jährlichen Wartungskosten. Dadurch haben Ingenieure die Möglichkeit, den Betrieb des Roboters zu modifizieren, um die Lebensdauer zu verlängern.
Diese beiden Beispiele führen bereits heute zu einer erheblichen Verbesserung der Verfügbarkeit der Maschine und zur Senkung der Wartungskosten. Und das ist erst der Anfang. Denn sie weisen lediglich auf das Potenzial von AA und AI hin.
