Prozessprognose mit FactoryTalk Analytics LogixAI
KI-Modul einstecken und per Mausklick anlernen
Maschinelles Lernen und KI können einen wertvollen Beitrag zur kontinuierlichen Verbesserung der Produktion leisten. Jetzt will es Rockwell Automation seinen Anwendern mit der Lösung LogixAI besonders leicht machen, Modelle zu entwickeln, auszuführen und laufend durch ausgefeiltere Versionen zu ersetzen.
Was der Anwendung künstlicher Intelligenz (KI) in industriellen Umgebungen einen mächtigen Schub gegeben hat, mehr noch als Kosten- und Effizienzaspekte, ist das altersbedingte Ausscheiden erfahrener Mitarbeiter. Ersatz für diese fachlich versierten Angestellten zu finden, ist eine große Herausforderung. Und weil hochqualifizierte Mitarbeiter besonders wertvoll für Unternehmen sind, wird hart um sie gekämpft. Diese Mitarbeiter sollen sich zudem hauptsächlich auf strategischere Aufgaben konzentrieren und nicht etwa Maschinendaten analysieren, um Probleme vorherzusagen oder das nächste Wartungszeitfensters zu definieren. Viel wichtiger ist es, dass die Mitarbeiter mit den gewonnenen Daten arbeiten und darauf basierend betriebliche Entscheidungen treffen.
Prozessoptimierung durch Datenanalyse
Genau hier kommt die Datenanalyse ins Spiel. Diese – also die Erkennung, Interpretation und Kommunikation von aussagekräftigen Datenmustern – verbindet Statistik, Programmierung und Operations Research. Dabei handelt es sich um die Grundlage zur Messung der Leistung einer Maschine und der Erstellung fundierter Handlungsempfehlungen. Auf Grundlage dieser ausführlichen Informationen können Hersteller Konfigurationen oder Parameter anpassen und so die Maschineneffizienz und -leistung sowie andere Performance-Kennzahlen verbessern. In Industrieumgebungen fällt die Aufgabe diese Informationen zu liefern häufig Datenwissenschaftlern zu. Um Zusammenhänge und Anomalien zu erkennen, die Rückschlüsse und Erkenntnisse auf die Produktion zulassen, setzen Datenwissenschaftler und Produktionsspezialisten immer mehr auf lokale Module zur Datenanalyse. Die Spezialisten können sich dann darauf konzentrieren, auf den Daten basierende Entscheidungen zu treffen und so Prozesse optimieren. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
In Steuerungstools integriert
Ein lokales KI-basiertes Modul zur Datenanalyse kann die Erfassung und Verarbeitung von Leistungsdaten, insbesondere für wichtige Systeme, unterstützen. Ein Beispiel hierfür ist Rockwell Automation FactoryTalk Analytics LogixAI. Diese Lösung ist eine eigenständige Anwendung, die in ein ControlLogix-Steuerungschassis eingesteckt wird und dann Steuerungsdaten in hoher Geschwindigkeit über die Backplane streamt. Das Modul fügt der Logix-Steuerungsanwendung Embedded-Analytics-Funktionen hinzu: ein neuer Ansatz bei der Prozessoptimierung. Die Produktionsumgebung kann so fortlaufend überwacht werden und Anomalien werden basierend auf den mit maschinellen Lernverfahren gewonnenen Informationen identifiziert.
Dauerhaftes Monitoring
Das FactoryTalk Analytics LogixAI-Modul nutzt die Möglichkeiten des maschinellen Lernens, um Maschinen oder Geräte über mehrere Produktionszyklen hinweg zu überwachen. Daraufhin lässt sich feststellen, welche Eigenschaften – wie Geschwindigkeit oder Druck – im Normalbereich liegen und welche möglicherweise Anomalien aufweisen, die es zu beheben gilt. Abhängig von den jeweiligen Ergebnissen kann FactoryTalk Analytics LogixAI Prognosen erstellen, etwa wann eine bestimmte Komponente wahrscheinlich ausfallen wird, und den Bediener entsprechend warnen. So lassen sich Qualitätsprobleme sowie mögliche Ausfälle vermeiden. Zudem können Betreiber von Empfehlungen zur Prozessoptimierung profitieren. Angenommen, ein Bediener richtet eine neue Produktionscharge bei einer Maschine ein. Die KI kann etwa die Abschaltung der Kühlung empfehlen, wenn die vorherige Charge hierauf angewiesen war, aber die neue Charge nicht.
