Automatisierte Fertigung: Investitionen in künstliche Intelligenz
Fortschrittliche Tools für die prädiktive Instandhaltung sind bei vielen Automatisierungsherstellern der Wegbereiter für Investitionen. Diese Tools nutzen künstliche Intelligenz, um Fehler frühzeitig zu erkennen und rechtzeitig zu reparieren. Dadurch werden die Gesamtbetriebskosten von Automatisierungslösungen gesenkt und gleichzeitig ihre Verfügbarkeit erhöht.
Auch Plattformen für die Einführung von maßgeschneiderten Modellen für maschinelles Lernen werden immer häufiger eingesetzt. Diese Modelle verwalten bestimmte Produktionsprozesse. Vom Laserschneiden bis zum Eisenguss gibt es viele Prozesse, die erforderlich sind. Prozesse, die sowohl schneller als auch effektiver sind und weniger fachliche Betreuung erfordern.
ABB und Viking Analytics
ABB gehört zu den Marktführern im Bereich der Industrieautomatisierung und Elektrotechnik. Das Unternehmen hat eine steigende Nachfrage nach Tools für die prädiktive Instandhaltung bei seinen bestehenden und potenziellen Kunden festgestellt. Als Reaktion darauf hat das Unternehmen eine Beteiligung am schwedischen Startup-Unternehmen Viking Analytics erworben, das Software zur Zustandsüberwachung anbietet.
Viking hat eine durch künstliche Intelligenz unterstützte Anwendung zur Schwingungsüberwachung namens MultiViz Vibration entwickelt. ABB hat die Predictive Analytics Engine von Viking in seinen eigenen Ability Asset Manager integriert. Die kombinierte Lösung ist in der Lage, Fehler in den Maschinen vorherzusagen und zu verhindern.
Im Jahr 2020 hat Viking Analytics die ABB Electrification Startup Challenge gewonnen. Seitdem haben die beiden Unternehmen gemeinsam an Anwendungen und der Visualisierung von Daten aus Zustandsüberwachungssensoren gearbeitet.
In der Vergangenheit hat Viking Analytics an anderen Anwendungen von künstlicher Intelligenz in der industriellen Automatisierung gearbeitet. Um dies zu erreichen, müssen Eisengießereien in der Lage sein, automatisierte Gießverfahren zu implementieren. Das Unternehmen hat maschinelle Lernalgorithmen entwickelt, um schnelle Anpassungen vorzunehmen, die andernfalls den Eingriff eines erfahrenen Bedieners erfordern würden.
Siemens Xcelerator
Xcelerator ist eine Softwareplattform, auf der Siemens viele verschiedene Anwendungen der künstlichen Intelligenz einsetzt, darunter MindSphere und Predictive Services.
MindSphere ist die Hauptlösung von Siemens für die industrielle Automatisierung und das Internet der Dinge. Es setzt eine breite Palette intelligenter Lösungen um, von der prädiktiven Instandhaltung bis hin zur Ortung von Hindernissen in Abwasserkanälen.
Siemens hat die Machine-Learning-Modelle von MindSphere in vielen seiner eigenen Produktionsstätten eingesetzt, um entstehende Fehler zu erkennen, die Instandhaltung zu planen, die Prozessstabilität zu bewerten und die Produktqualität vorherzusagen.
Außerdem ist ein von MindSphere trainiertes KI-Modell in der Lage, Verstopfungen in der Kanalisation vorherzusehen. Es überwacht, wie sich Kanalisationsabflüsse bei starken Regenfällen verhalten, und warnt die Betreiber vor ungewöhnlichen Verhaltensmustern.
Predictive Services ist die Lösung von Siemens zur Überwachung des Zustands von Antriebssystemen, Pressen und Nutzentrennmaschinen. Sie nutzt künstliche Intelligenz, um den Betriebszustand einer Maschine zu analysieren und hilft bei der Planung von Instandhaltungsarbeiten. In einem Unternehmen, das Hygienepapier herstellt, konnte die Verfügbarkeit der Produktionslinien um 10 % verbessert werden, indem Motorausfälle vorhergesagt werden konnten und die Instandhaltung bei Produktionsausfällen priorisiert wurde.
Mitsubishi Maisart
Maisart ist der Markenname, unter dem Mitsubishi seine Anwendungen für künstliche Intelligenz vermarktet. Dazu gehören Compact AI, Automated Design Deep Learning und KI mit Smart-Lernfunktionen.
Compact AI ist eine KI-basierte Anwendung für die prädiktive Instandhaltung. Es reduziert Instandhaltungskosten und vorzeitige Ausfälle in Mitsubishis Servosystemen und Antrieben mit variabler Frequenz. Die Anwendung nutzt künstliche Intelligenz, um sowohl mechanischen Verschleiß als auch Anzeichen von Korrosion an elektronischen Schaltkreisen zu erkennen.
Mitsubishi hat weitere Lösungen entwickelt, die künstliche Intelligenz in Anwendungen der industriellen Automatisierung einbeziehen. In seinen Produkten für die Funkenerosion und das Laserschneiden hat das Unternehmen vorab trainierte Algorithmen des maschinellen Lernens eingesetzt. Die Algorithmen optimieren die Bearbeitungsstrategien und passen die Bearbeitungsparameter kontinuierlich an. Das Unternehmen hat auch Modelle für natürliche Sprache entwickelt, damit seine Mensch-Maschine-Schnittstellen auch undeutliche Benutzeranweisungen interpretieren können.
Mit Blick auf die Zukunft hat Mitsubishi an einem Prototyp für eine Anwendung gearbeitet, die auf dem Quantum Machine Learning basiert. Dies geschieht durch die Erkennung von Merkmalen, die von berührungslosen, bildgebenden Ultrahochfrequenzsensoren erfasst werden. Die Modelle des maschinellen Lernens auf Quantenbasis sind schneller und effizienter als herkömmliche Modelle.
Schneider EcoStruxure
EcoStruxure, die Software für Gebäude- und Industrieautomatisierung von Schneider Electric, bildet die Grundlage für das Angebot an Lösungen für die künstliche Intelligenz. Es ermöglicht Anwendern von Industrieautomatisierung, ihre eigenen KI-Anwendungen zu entwickeln und umzusetzen. Mithilfe einer Edge-Computing -Plattform, auf der Linux läuft, werden intelligente Algorithmen direkt neben den verwalteten Geräten ausgeführt. Damit ist sie ideal für die verteilte Automatisierung und für Umgebungen, die eine ältere Automatisierungsinfrastruktur verwenden.
Schneider Electric hat diese Lösung der künstlichen Intelligenz an Öl-Förderpumpen getestet. Jede Förderpumpe verfügt über ein Überwachungsgerät, ein sogenanntes Dynamometer, das die Lastschwankungen während eines jeden Pumpvorgangs misst. Fachleute analysieren die Daten des Prüfstands, um den Zustand und die Leistung der Förderpumpe zu ermitteln.
Dies erfordert erhebliche Investitionen in Zeit und Personalressourcen. Schneider Electric setzt künstliche Intelligenz ein, um automatisch Muster in den Daten zu erkennen, die auf Fehler, Lecks und verschlissene Komponenten hinweisen könnten. Die Methode verringert die Wahrscheinlichkeit unerwarteter Geräteausfälle und Instandhaltungskosten.
