Predictive Maintenance im Automobilbau

KI und Edge als dynamisches Duo

Ob FTS im Werk, automatische Prozessregelung oder bei der Fehlersuche bei Maschinen: All diese Anwendungen nutzen heute künstliche Intelligenz (KI) und Datenverarbeitung vor Ort – das Edge Computing. Mark Kramer von der Edag Group beschreibt, welche Vorteile Edge Computing in die Produktion bringen kann.

(Bild: ©vadimalekcandr/Stock.adobe.com)

Das Internet der Dinge (IoT) wächst. Überall erheben Sensoren die unterschiedlichen Daten, werden Verbrauchswerte registriert, Bilder und Videos angefertigt, um Systeme automatisch zu steuern, die Funktionsfähigkeit zu überwachen oder Entscheidungsgrundlagen zu liefern. Zugleich steigt in vielen Anwendungsfällen die Echtzeit-Relevanz. Die Daten müssen in einer begrenzten Zeit verarbeitet werden und zu einer Reaktion führen, um die gesteckten Ziele zu erreichen. Dies wird durch Edge Computing, als die ortsnahe Verarbeitung der Daten, möglich. Dabei handelt es sich um eine rechenstarke IT-Infrastruktur am ‘Rand’ des Unternehmens. Diese liegt somit näher am Entstehungsort der Daten, als etwa ein zentrales Rechenzentrum. So werden geringere Latenzzeiten erreicht, zudem sinkt die Gefahr von Unterbrechungen der Datenkommunikation. Denn auch Zuverlässigkeit und Verfügbarkeit sind oft relevante Faktoren im IoT. Nicht zuletzt stoßen die wachsenden Datenmengen sowohl an physikalische wie ökonomische Grenzen. Denn zum einen benötigt die Übertragung immer mehr Bandbreite, die bei zentralen Strukturen nicht mehr ausreichen. Zum anderen beruht die Abrechnung von Cloud-Anwendungen auf der Menge der hochgeladenen Daten. Je mehr Sensoren Daten senden, desto mehr Kosten entstehen.

Basis für autonome Systeme

Doch viele Anwendungen beruhen auf der Verarbeitung großer Datenmengen. Technologien wie Advanced Analytics, Machine Learning (ML) und KI ermöglichen es, neue Erkenntnisse aus den Daten abzuleiten. Sie bilden die Basis für Systeme mit größerer Autonomie: Die Verfügbarkeit erschwinglicher, leistungsstarker Lösungen zur Verarbeitung von KI-Funktionen hat dazu geführt, dass künstliche Intelligenz zum größten Workload für Edge Computing geworden ist. Beispiele sind etwa, das Erkennen und Verarbeiten natürlicher Sprache, Texterkennung und -generierung, Erkennen und Verfolgen von Objekten in Bild- und Videodaten, Mustererkennung in großen Datensätzen oder die Vorhersage von Trends aus aktuellen Datenreihen. Anwendungsfälle finden sich über alle Branchen hinweg – von der Landwirtschaft über Gesundheitswesen bis hin zur Fertigung. Maschinen werden flexibler und könenn mehr Varianten produzieren. Zugleich steigern intelligente Maschinen die Anlageneffektivität, da sie weniger manuelle Eingriffe im laufenden Produktionsprozess benötigen, eine gleichbleibende Qualität ermöglichen und durch Selbstüberwachung die Gefahr von ungeplanten Stillständen reduzieren können.

Aus der Praxis

Ein Beispiel für den Einsatz von künstlicher Intelligenz am Edge findet sich im Automobilsektor. Die Edag Group, Entwicklungsdienstleiser, bekam von einem seiner Kunden den Auftrag, eine moderne Predictive-Maintenance-Lösung zu implementieren. Ziel des Projekts war es, Unregelmäßigkeiten in der Fertigungslinie zu erkennen, die Wartung zu optimieren und Ausfallzeiten an den Automobilwartungs- und Produktionslinien zu minimieren. Die Edag Group setzte bei der Realisierung auf eine KI-gesteuerte Edge-Lösung und holte sich dazu Dell Technologies als Entwicklungs- und Technologie-Partner an Bord. Die Edag Group entwarf eine KI-Lösung, die das Rechenzentrum des Kunden in die Fertigungslinie hinein erweitert. Speicherung und Verarbeitung der Daten erfolgt sowohl im zentralen Datacenter als auch in der dezentralen Edge-Computing-Lösung.

Weniger Ausfälle

Durch die Lösung gelang es, die Planung von Wartungs- und Service-Intervallen zu verbessern sowie den Einsatz des Service-Personals zu reduzieren. Zudem gab es weniger ungeplante Maschinenausfälle, das Ersatzteilmanagement konnte optimiert werden und die Analyse der gesammelten Daten verbesserte das Verständnis für die Maschinen. Aufgrund der reduzierten Stillstandszeiten erhöhte sich die Overall Equipment Effectiveness (OEE) um zwei Prozent – ein hoher Wert, da die Prozesse im Automobilsektor bereits auf maximale Effizienz ausgelegt sind. Die Lösung soll nun mit Unterstützung der Edag Group auf andere Werke des Kunden ausgerollt werden. Zugleich arbeitet der Engineering-Spezialist an der Weiterentwicklung des Data Analytics Clusters.

IT nicht komplexer machen

Mit Edge Computing lassen sich die Datenströme im Internet der Dinge nahezu in Echtzeit verarbeiten – da die Analyse nahe der Datenquelle erfolgt, sind die Latenzzeiten gering. Die Rechen- und Speicherkapazitäten der dezentralen Edge-Lösungen eröffnen zudem den Zugang zu innovativen Technologien wie Advanced Analytics, Machine Learning und künstlicher Intelligenz – auch in Umgebungen, die bereits als optimiert gelten. Dem Ertrag stehen jedoch auch Anforderungen gegenüber. So muss die Lösung zunächst in die Unternehmens-IT und sie sollte die Komplexität der Infrastruktur nicht weiter erhöhen. Hinzu kommen Anforderungen an Management- und Wartbarkeit sowie an die Sicherheit der Edge-Infrastruktur. Das benötigte Knowhow für solche Projekte ist nicht immer vorhanden. Externe Partner können jedoch Unterstützung leisten.

Das könnte Sie auch interessieren

Wie können Big-Data- und KI-Anwendungen gewinnbringend genutzt werden, ohne Datenschutz und IT-Sicherheit zu verletzen? Mit dieser Frage beschäftigt sich eine juristische Studie des Nationalen Forschungszentrums für angewandte Cybersicherheit Athene.‣ weiterlesen

Künstliche Intelligenz könnte in Zukunft dabei helfen, die Arbeit in Industriebetrieben sicherer, einfacher und produktiver zu machen. Das ist die Vision des europäischen Forschungsprojekts Perks, an dem auch die Wirtschaftsuniversität Wien (WU) beteiligt ist.‣ weiterlesen

Das kanadische Technologieunternehmen Vention hat ausgewertet, wie Hersteller den 'Do-it-yourself'-Ansatz (DIY) nutzen, um ihre Produktion zu automatisieren. Die Studie basiert auf anonymisierten Daten von weltweit mehr als 4.000 B2B-Nutzern der Manufacturing Automation Platform (MAP) von Vention.‣ weiterlesen

Laut International-Innovation-Barometer des Beratungsunternehmens Ayming ist Deutschland ein beliebter Standort für Investitionen für Forschung und Entwicklung. Die Untersuchung zeigt zudem, dass Expertise wichtiger ist als Geld.‣ weiterlesen

Industriesteuerungen werden durch die Nutzung moderner Technologien zunehmend abstrahiert - und damit kompakter, flexibler und einfacher zu warten. Diese Entwicklung führt schließlich zur virtuellen SPS. Doch wie sieht dies in der Praxis aus, wie lässt sie sich verwenden und kann sie auch noch sicher sein?‣ weiterlesen

Im Rahmen der Initiative ’Mission KI’ der Bundesregierung entstehen zwei KI-Zentren, eines davon in enger Kooperation mit dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) in Kaiserslautern. Gründer, Startups und Unternehmen sollen dort Zugang zur Spitzenforschung erhalten und ihre Anwendungen in Testumgebungen verbessern können.‣ weiterlesen

In sämtlichen Bereichen der Produktion fallen Daten an und auch KMU können daraus einen Nutzen ziehen. Beispiele aus Forschungsprojekten des Technologieprogramms Edge Datenwirtschaft zeigen, wie die Zukunft der sicheren und effizienten Datennutzung und -verarbeitung für Unternehmen aus der Produktion aussehen kann.‣ weiterlesen

In einer aktuellen Studie mahnt der Elektronikkonzern Sharp die Wichtigkeit von IT-Sicherheitsmaßnahmen für Multifunktionsdrucker (MFPs) an. Demnach war bereits jedes fünfte deutsche KMU von einer über MFPs ausgehenden IT-Sicherheitsverletzung betroffen. Dennoch hat mehr als ein Drittel keine druckerspezifischen Sicherheitsvorkehrungen getroffen.‣ weiterlesen

Nachhaltigkeit ja, nur wie? Eine Lünendonk-Studie zeigt, dass viele Industrieunternehmen zwar eine Strategie haben, die Umsetzung dieser allerdings vielerorts noch stockt. Die Erwartungen an die Unternehmen werden jedoch nicht kleiner.‣ weiterlesen

Die vierte industrielle Revolution macht aus Produktionsanlagen ein intelligentes Netz aus Maschinen und Prozessen – theoretisch. Auf dem Weg dorthin scheitern Unternehmen häufig, wenn künstliche Intelligenz und ML-Methoden im Spiel sind. Eine sorgsam geplanten Transformationsstrategie hilft das zu vermeiden.‣ weiterlesen

Lieferkettenstörungen sind eine Belastung für Industrieunternehmen, die bis hin zum Produktionsstillstand führen können. Dies war im vergangenen Jahr an 32 Tagen der Fall. Um sich diesem Problem entgegenzustellen, will die Mehrheit der Unternehmen auf die Diversifizierung der Lieferketten setzen.‣ weiterlesen