KEM Konstruktion: Welche Aspekte vorausschauender Wartung (Predictive Maintenance) können aus Engineering-Sicht als „State of the Art“ angesehen werden?
Dr. Christian Liedtke (Kuka): Durch die Cloud-Anbindung von Robotern und anderen Geräten ist es möglich, die erzeugten Zustände der Maschinen aufzuzeichnen und auszuwerten. So können Grenzwerte überwacht und sogenannte Drifts, also Werte, die sich über einen längeren Zeitraum verändern, erkannt werden. Das ist vor allem bei an der Leistungsgrenze betriebenen Maschinen vorteilhaft. Beispielsweise wird eine bessere Auslastung des Roboters möglich. Gleichzeitig wird transparent, welche Komponenten wie stark ausgelastet sind, sodass eine gezielte Wartung möglich wird.
Marco Holzer (Trumpf): Um sowohl die Maschinen und Anlagen in ihrer Verfügbarkeit und der Produktqualität zu optimieren als auch um die Kundenzufriedenheit zu steigern, befassen sich die Hersteller mit Predictive Maintenance und erzielen wichtige Ergebnisse.
Enrico De Carolis (Emerson): Vorausschauende Wartung ermöglicht es, Ausfallzeiten zu planen, um Probleme wie drohende Komponentenausfälle, Prozessinkonsistenzen, die zu Qualitätsproblemen führen, oder Durchsatzprobleme der Maschine zu beheben und die OEE-Auswirkungen (Overall Equipment Effectiveness) zu minimieren. Probleme können vorhergesagt werden, indem verschiedene Parameter des Maschinenprozesses oder verschiedener Komponentenfunktionalitäten innerhalb der Maschinenarchitektur überwacht werden.
Über die bloße Überwachung dieser Daten geht es allerdings hinaus: State of the Art sind Analysewerkzeuge, die die Rohdaten in verwertbare Informationen wandeln, die zu schnellen Reparaturen, minimalen Ausfallzeiten und hoher Maschinenverfügbarkeit führen. Diese Analysewerkzeuge können innerhalb bestimmter intelligenter Komponenten wie Edge-Computern, Smart Gateways, Cloud-Anwendungen oder einer Kombination aller drei Optionen vorhanden sein.
KEM Konstruktion: Welchen Stellenwert hat vorausschauend-proaktive Wartung im Maschinen- und Anlagenbau?
Liedtke (Kuka): Gerade im internationalen Vergleich arbeitet der Maschinen- und Anlagenbau bereits auf hohem Niveau. Eine signifikante Steigerung der Leistung zum Erhalt der Wettbewerbsfähigkeit ist daher meist nur mit großem Aufwand, neuen Technologien oder neuen Strategien möglich. Durch Predictive Maintenance lässt sich die Verfügbarkeit der Anlagen mit vertretbarem Aufwand deutlich steigern und die Overall Equipment Effectiveness weiter verbessern, wobei die Grenzen zu Preventive Maintenance im Sinne einer Gesamtoptimierung fließend sind. Dadurch, dass Ausfallzeiten frühzeitig vermieden werden können, ist Predictive Maintenance ein hoher Stellenwert zuzuschreiben.
Holzer (Trumpf): Der Stellenwert vorausschauend-proaktiver Wartung nimmt kontinuierlich zu. Dies hängt zum einen mit der Erwartungshaltung der Kunden zusammen. Am besten lässt sich das am Beispiel von Anwendungen in der Elektromobilität erklären: Unsere Kunden haben teilweise eine sehr steile Hochlaufkurve ihrer Produkte. Da ist es essenziell, eine möglichst hohe Verfügbarkeit der Maschinen und Anlagen sicherzustellen, um die Lieferverpflichtungen einzuhalten. Zum anderen kann die Produktqualität der Maschinen und Anlagen durch Erkenntnisse proaktiver Wartung nachhaltig verbessert und die Kundenzufriedenheit gesteigert werden.
De Carolis (Emerson): Kosteneinsparungen machen die Bedeutung proaktiver Wartung klarer. Proaktive Wartung optimiert nicht nur die Maschinenverfügbarkeit, sie senkt auch die Herstellungskosten drastisch. Die Herstellungskosten sind leicht in Bezug auf die OEE oder einen minimierten Ausschuss quantifizierbar.
Außerdem beeinflusst proaktive Wartung stark die Kosten der Komponenteninventur, denn wenn man bereits weiß, welche Teile ausfallen, bevor sie ausfallen, können die Ersatzteile rechtzeitig beschafft werden. Ersatzteile müssen nicht mehr vorgehalten werden. Ein weiterer Aspekt: Zu wissen, welche Teile ein Problem verursachen und somit ausgetauscht werden müssen, hilft bei der erforderlichen Fehlersuche. So muss ein Ingenieur nicht unbedingt Zeit mit der Diagnose schwieriger Probleme verbringen. Vielmehr können Techniker komplexe Probleme leichter lösen.
KEM Konstruktion: Was wird am Markt nachgefragt und in Produktentwicklungen schwerpunktmäßig umgesetzt?
Liedtke (Kuka): Neben der einfachen Verbesserung der Verfügbarkeit durch vorausschauende Instandhaltungsplanung fragt der Markt besonders intelligente Verfahren nach. Während für Planungsverfahren in erster Linie vergleichsweise einfache Daten wie die Zyklenanzahl oder verschiedene Laufzeiten benötigt werden, sind im Fall der intelligenten Verfahren tiefgreifende Informationen – verbunden mit entsprechendem Wirkungsverständnis – gefragt.
Als Beispiel: Erhöht sich die Motortemperatur, deutet das auf einen Wechsel des Getriebeöls hin. Dieses Domänenwissen kann entweder aufwendig in das System gebracht werden oder über eine Mischung verschiedener Machine-Learning-Verfahren, also Supervised/Unsupervised und Reinforcement Learning, antrainiert werden. Am Markt erhältliche Systeme arbeiten im Grunde alle mit vergleichbaren Verfahren. Grundlage dafür sind jeweils große, verfügbare Datenmenge. Hierzu sind zwei Bedingungen zu erfüllen: Konnektivität und Nutzbarkeit der Daten. In der Produktentwicklung können bereits die Weichen gestellt werden, indem beispielsweise eine grundsätzliche Lösung für die Konnektivität vorgesehen wird.
Holzer (Trumpf): Die grundlegenden Anforderungen an Verfügbarkeit, Produktivität und Qualität haben sich nicht verändert. Mit den neuen digitalen Möglichkeiten entstehenden aber Werkzeuge, um möglichst ungeplante Stillstände zu vermeiden beziehungsweise das Risiko soweit wie möglich zu reduzieren. Zudem sollen die Prozesse rund um die Instandhaltung optimiert werden.
Dies bedarf einer entsprechenden Datenerzeugung in den Geräten, aber auch einer entsprechenden Datenqualität der Gerätedaten sowie weiterer Daten aus Serviceinformationssystemen oder Kundeninstandhaltungssystemen. Dabei ist es wichtig, die Daten und Datenaufzeichnungen möglichst intelligent auszuwählen, sodass möglichst geringe Datenmengen transportiert werden müssen, denn die Bandbreiten sind in der Realität begrenzt.
De Carolis (Emerson): Da verwertbare Informationen der Schlüssel zur vorausschauenden Instandhaltung sind, sind analytische Werkzeuge notwendig, um die Rohdaten aus Komponenten und Systeme zu untersuchen. Daher sind intelligente Komponenten ein notwendiger Bestandteil vorausschauender Instandhaltung.
Dazu gehören intelligente Sensoren, intelligente I/Os, intelligente Ventilinseln oder Smart Edge Gateways. Hinzu kommt eine offene Backbone-Kommunikationsarchitektur, die es Produkten verschiedener Hersteller ermöglicht, ihre relevanten Daten auszutauschen. Daher konzentrieren wir uns darauf, das Angebot an intelligenten Komponenten zu erweitern und verstärkt lokale Analysefähigkeiten, erweiterte Edge-Computing-Funktionen sowie Cloud-Konnektivität in die Komponenten zu integrieren.
KEM Konstruktion: Wie viel KI respektive Machine Learning nutzt Predictive Maintenance derweil?
Liedtke (Kuka): KI ermöglicht eine flexible, jedoch individuelle Produktion. Großes Potenzial hat Machine Learning als Teilgebiet der KI. Mit maschinellem Lernen können anhand großer ausgewerteter Datenmengen Vorhersagen getroffen werden. Das am häufigsten verwendete Lernverfahren – allerdings außerhalb der Industrie – ist aktuell die Bilderkennung. Andere Anwendungen sind intelligente Bots, Gesichts- oder Spracherkennung, automatisierte Übersetzung oder autonomes Fahren. Allerdings fehlt in der Industrie die Datenmenge, die eine KI benötigt. Daten werden aus Prozessen gewonnen und analysiert, wodurch die Möglichkeit eröffnet wird, die Prozesse zu verbessern. Diese Analyse kann durch KI beziehungsweise selbstlernende Systeme auch automatisiert erfolgen. Sieger wird sein, wer über die besten Algorithmen und die beste Infrastruktur verfügt. Das hilft jedoch nichts, wenn die Prozesse nicht beherrscht werden. Dazu zählen leistungsfähige Roboter, Sensoren und Aktoren fürs Greifen, Kleben oder Schweißen, also mit jeweiligem Prozess-Know-how. Allein Roboter zu verkaufen, wird in Zukunft also nicht mehr zielführend sein, weil zunehmend Lösungen verlangt werden, die nur mit dem erwähnten Know-how realisierbar sind.
Holzer (Trumpf): Es gibt erste Anwendungsfälle, in denen sich Machine-Learning-Algorithmen als sinnvoll herauskristallisieren. Stand heute sind es oft hypothesenbasierte Algorithmen, sodass ein Grundverständnis für Ursachen und daraus abgeleitet Handlungsempfehlungen entstehen können. Entscheidend sind korrekte Analyseergebnisse und Handlungsempfehlungen, da sich daraus Serviceeinsätze ergeben können oder der Austausch eines Ersatzteils folgt.
De Carolis (Emerson): Wenn wir unter KI das reine Erfassen von Trends und deren Anwendung auf eine Regel-Engine verstehen, um Diagnosedaten in prognostische Informationen umzuwandeln, nutzt Predictive Maintenance etwas KI. Es wird weitaus weniger KI genutzt, wenn wir KI oder Machine Learning als Werkzeug definieren, das es ermöglicht, Maschinenprozesse ohne menschliches Zutun – als Ergebnis eines bestimmten Ereignisses, das erfasst und analysiert wurde – zu optimieren oder dynamisch zu verändern.
KEM Konstruktion: Welche nächsten KI-Entwicklungsschritte werden Predictive-Maintenance-Technologien nachhaltig vorantreiben?
Liedtke (Kuka): Augmented und Virtual Reality (AR, VR) werden künftig helfen, automatisierte Systeme zu durchdringen, sie also in Prozessdetails zu verstehen und weiteren Personen zu erklären. Anlagen, die nicht zugänglich sind, können so anhand in der Cloud gespeicherter Informationen während des laufenden Betriebs eingesehen werden. Hier eingesetzte AR-Brillen ermöglichen eine ortsunabhängige Transparenz über die OEE, also den Prozentsatz, zu der eine Anlage in einer vorgegebenen Geschwindigkeit Qualitätsprodukte produziert. Service-Einsätze werden damit effizienter. Als Erweiterung der AR-Brille ist es denkbar, Service-Tickets direkt über ein Spracherkennungssystem einzusprechen – ein Szenario, das in naher Zukunft liegt. Nach Smartphones und Tablets als Computing-Interfaces zeichnen sich Mixed-Reality-Anwendungen als Trend bei Human-Machine-Interfaces ab. Im Industrieumfeld bieten sich interessante Smart Services mithilfe von Mixed Reality an. Aus IIoT-Sicht sind vor allem Anwendungen interessant, die aufgezeichnete Maschinen- und Anlagendaten aus der IIoT-Plattform mit vor Ort erhältlichen Daten wie Ton- und Bildinformationen kombinieren. Speziell im Remote-Service-Umfeld lassen sich mithilfe von AR Smart-Service-Angebote für Datenbrillen und Smart Devices konzipieren.
Holzer (Trumpf): Viele der KI-Technologien sind bereits verfügbar, oft sogar als sogenannte Open-Source-Komponenten. Man muss sich dabei die Frage beantworten, wo der Einsatz des Werkzeugs KI sinnvoll ist und im Gegensatz zu hypothesenbasierten Verfahren Vorteile bietet. Beide Verfahren werden zukünftig teilweise ergänzend eingesetzt werden – mit dem Ziel, die Maschinen und Anlagen zu verbessern und selbstoptimierende Ansätze direkt auf die Maschinen und Anlagen zu bringen.
De Carolis (Emerson): Heute kann die KI verschiedene vereinfachte Algorithmen wie Expertensysteme, Wissensgrafiken, Regel-Engines und dergleichen verwenden, um eine Vielzahl an Wenn-dann-Anweisungen zu entwickeln. Mit steigender Rechenleistung bei sinkenden Kosten werden kompliziertere KI-Algorithmen, die eine sukzessive Approximation (schrittweise Annäherung; Anm. d. Red.) und neuronale Netze nutzen, eingesetzt werden – und zwar in der Cloud, im Edge-Bereich und bis hin zu intelligenten Komponenten. Dies wird eine detailliertere Menge verwertbarer Informationen am Fehlerort ermöglichen und zu stabileren und umfassenderen prädiktiven Instandhaltungsalgorithmen führen – zu echtem Machine Learning.
KUKA Aktiengesellschaft
Zugspitzstraße 140
86165 Augsburg, Deutschland
Telefon: +49 821 797-50
Fax: +49 821 797-5252
E-Mail: kontakt@kuka.com
Vorstand: Peter Mohnen
TRUMPF GmbH + Co. KG (Holding)
Johann-Maus-Straße 2
71254 Ditzingen
Telefon +49 7156 303-0
Telefax +49 7156 303-930309
E-Mail info@trumpf.com
Geschäftsführung: Dr. phil. Nicola Leibinger-Kammüller (Vorsitzende)
Emerson Electric Co
8000 West Florissant Avenue
P.O. Box 4100 Saint Louis Missouri
63136 United States
Phone: +1.314.679.8984
Authorized Representative: Sara Yang Bosco
Mehr zu den Trend-Themen „Smart Factory und KI“:
hier.pro/E80dt
Dr. Christian Liedtke, Principal Consultant bei KukaBild: Kuka
„KI ermöglicht eine flexible, jedoch individuelle Produktion. Großes Potenzial hat Machine Learning als Teilgebiet der KI. Mit maschinellem Lernen können anhand großer ausgewerteter Datenmengen Vorhersagen getroffen werden.“
Marco Holzer, Leitung Produktmanagement und Logistik Services bei TrumpfBild: Trumpf
„Die grundlegenden Anforderungen an Verfügbarkeit, Produktivität und Qualität sind unverändert. Mit den neuen digitalen Möglichkeiten entstehenden aber Werkzeuge, um ungeplante Stillstände möglichst zu vermeiden beziehungsweise das Risiko zu reduzieren.“
Enrico De Carolis, Vice President Global Technology bei EmersonBild: Emerson
„Wir konzentrieren uns besonders darauf, das Angebot an intelligenten Komponenten zu erweitern und verstärkt lokale Analysefähigkeiten, erweiterte Edge-Computing-Funktionen sowie Cloud-Konnektivität in die Komponenten zu integrieren.“
Hier finden Sie mehr über:
