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

Die Integration von Ergonomie in den Entwicklungsprozess von Maschinen und Arbeitsplätzen spielt eine entscheidende Rolle für die Kosteneffizienz und die Benutzerfreundlichkeit. Virtual Reality (VR) bietet einen modernen Ansatz, um frühzeitige Ergonomieuntersuchungen zu beschleunigen und zu verbessern. Die Integration von VR ermöglicht eine realistische Simulation menschlicher Bewegungen und vermeidet kostspielige spätere Anpassungen. Die Anwendung erfordert jedoch geeignete Hardware und Software sowie geschultes Personal.‣ weiterlesen

Die Innovationstätigkeit in Digitaltechnologien nimmt weiter an Fahrt auf. Und laut Deutschem Patent- und Markenamt dominieren die USA und China in diesen Bereichen. Die deutsche Bilanz ist zwiespältig.‣ weiterlesen

Eine aktuelle Studie von Protolabs, zu der mehr als 700 Ingenieure weltweit befragt und Daten der Industrie ausgewertet wurden, zeigt den aktuellen und künftigen Zustand der additiven Fertigung auf. Demnach wächst der Markt sogar schneller als bisher angenommen.‣ weiterlesen

Eine neue Studie von Reichelt Elektronik beleuchtet den aktuellen Stand sowie das Potenzial bezüglich Technologien wie künstlicher Intelligenz, Machine Learning, Big Data, Robotik sowie IoT und deren Einsatz in deutschen Industrieunternehmen.‣ weiterlesen

Data Sharing birgt großes Potenzial, wird aber kaum genutzt. Rechtssicherheit, gemeinsame Modelle und finanzielle Anreize könnten Unternehmen zum Teilen bewegen, so repräsentative eine ZEW-Studie mit 1.400 Firmen.‣ weiterlesen

Laut der Staufen-Studie 'Performance-Treiber 2024' gehen acht von zehn der mehr als 200 befragten Industrieunternehmen davon aus, dass die Einführung neuer Technologien für einen Produktivitätsschub sorgen wird. Vor allem in der Datenanalyse werden große Potenziale gesehen.‣ weiterlesen

Keine zusätzlichen Server mehr? Das verspricht die Cloud-RAN-Technologie, mit der industrielle Anwendungen und 5G-Funktionalitäten auf gemeinsam genutzter Hardware laufen können. Der 5G-Industry Campus Europe wurde nun um eine solche Technologie erweitert.‣ weiterlesen

Der weltweite Markt für kollaborative Roboter hat im Jahr 2023 die Umsatzmarke von einer Milliarde US$ überschritten, obwohl sich die Gesamtnachfrage nach der Corona-Pandemie langsamer erholt als erwartet, so die neuen Daten von Interact Analysis.‣ weiterlesen

Mehr als 700 Ingenieure und Entwickler geben in aktueller Protolabs-Studie Einblicke zu momentanen und künftigen Herausforderungen der Produktentwicklung. Demnach wissen Unternehmen mit Problemen wie etwa Materialknappheit umzugehen. Andere Einflussfaktoren wirken sich jedoch stärker aus.‣ weiterlesen

Betriebs- und Produktionsleiter müssen sich seit Juli 2023 mit neuen Vorgaben zur Maschinensicherheit befassen. Die EU-Maschinenverordnung 2023/1230 (MVO) ersetzt die bisherige Maschinenrichtlinie (MRL). Sie erweitert den Kreis der Betroffenen, liefert einheitliche Begriffe und passt die Anforderungen an den Stand der Technik an. Zudem erfasst das Gesetz nun auch die Digitalisierung.‣ weiterlesen

Das TCS Thought Leadership Institute hat rund fast 1.300 CEOs und Führungskräfte zum Thema künstliche Intelligenz befragt. Mehr als die Hälfte der Befragten glaubt demnach, dass die Bedeutung von KI größer oder gleich groß sein wird wie die des Internets (54 Prozent) und des Smartphones (59 Prozent). Um von den Effekten durch KI zu profitieren, müssen sich jedoch vielerorts auch Strukturen ändern.‣ weiterlesen