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

Der Nutzen neuer Technologien kommt nur dann zum Tragen, wenn diese von den Menschen mindestens toleriert, besser aber gesamtgesellschaftlich angenommen werden. Dafür braucht es Dialog und Möglichkeiten für gemeinsame Gestaltung. Welche Kommunikationsformate sich hierfür eignen und welche Wirkung sie bei den Beteiligten erzielen, das hat das Acatech-Projekt 'Technologischen Wandel gestalten' bei den Themen elektronische Patientenakte, digitale Verwaltung und Katastrophenschutz untersucht. Jetzt hat das Projektteam die Ergebnisse vorgelegt.‣ weiterlesen

Der Fachkräftemangel erfordert einen möglichst intelligenten und flexiblen Personaleinsatz. KI spielt dabei eine wichtige Rolle. Der Industriesoftware-Spezialist Augmentir zeigt sechs Ansatzmöglichkeiten auf.‣ weiterlesen

Eine aktuelle Studie von Reichelt Elektronik betrachtet den aktuellen Stand der Digitalisierung und stellt die Frage, wie Deutschland im Vergleich zu anderen europäischen Ländern abschneidet.‣ weiterlesen

Können Roboter dabei helfen, dem Fachkräftemangel in der Logistik-Branche Herr zu werden? Der Branchenverband IFR meint ja - und zwar mit Hilfe von Robotik, die durch künstliche Intelligenz unterstützt wird.‣ weiterlesen

Nach Angaben der Eclipse Foundation verzeichnete die IoT-Einführung im Jahr 2023 einen sprunghaften Anstieg. 64 Prozent der Befragten setzen mittlerweile entsprechende Lösungen ein - ein Plus von 11 Prozentpunkten.‣ weiterlesen

2023 blockierte Trend Micro mehr als 161 Milliarden Cyberbedrohungen weltweit - 10 Prozent mehr als im Jahr zuvor und fast 107 Milliarden mehr als noch vor fünf Jahren. Der Security-Spezialist berichtet zudem davon, dass Cyberkriminelle gezieltere Attacken setzen. Auch Cloud-Umgebungen rücken zunehmend in den Fokus.‣ weiterlesen

Künstliche Intelligenz (KI) lässt sich auch für die automatische Qualitätsüberwachung in Roboterschweißzellen nutzen. Oft fehlen hier jedoch Daten zum Trainieren und Ausführen der Algorithmen. Insbesondere für Bestandsanlagen existieren meist keine passenden Standardsysteme, da Geräte über uneinheitliche Datenmodelle und Schnittstellen verfügen. IoT-Baukästen können helfen.‣ weiterlesen

Ein Forschungsteam vom Fraunhofer IPA und vom Campus Schwarzwald hat eine Roboterzelle aufgebaut, die Brennstoffzellen in Sekundenschnelle und automatisiert stecken kann. Brennstoffzellensysteme könnten so günstiger werden und den Verbrenner im Schwerlastverkehr ablösen.‣ weiterlesen

Das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA und das Technologieunternehmen Q.ANT haben einen Vertrag zur Gründung des Kompetenz-Zentrums Mensch-Maschine-Schnittstelle unterzeichnet.‣ weiterlesen

Der Digitale Zwilling einer Produktionsanlage ermöglicht die Simulation des Verhaltens aktueller Konfigurationen. Die Implementierung neuer Produktionskonfigurationen kann so bereits im Vorfeld getestet werden. Die Integration der benötigten Simulationsmodelle einzelner Komponenten ist jedoch mit Aufwand verbunden. Hier kann die Verwaltungsschale helfen.‣ weiterlesen

Logicalis veröffentlicht seinen zehnten Jahresbericht, basierend auf den Erfahrungen von 1.000 CIOs weltweit. Technologien wie Künstliche Intelligenz (KI) und neue Cyberbedrohungen dominieren darin die Prioritäten der CIOs.‣ weiterlesen