Künstliche Intelligenz im PLM
Ein Begleiter für Ingenieure
Augmented Reality
Auch im Kontext von Augmented Reality (AR) und Bildverarbeitung spielt KI eine Rolle. Bei AR werden wirkliche Objekte oder Areale in berechenbare Fakten umgewandelt. Das läuft nach dem Prinzip der Mustererkennung ab: ein diffuses Bild wird mit bekannten Mustern verglichen. Wenn eine hinreichende Ähnlichkeit gefunden wird, gilt das Bild als erkannt, andernfalls wird entweder gelernt (das diffuse Bild wird mit einem neuen Begriff versehen, der benennt, was es darstellt), erneut probiert oder aufgegeben. Mit dem sogenannten Deep Learning-Verfahren können digitale Objekte analysiert und erlernt werden, um sie später wiederzuerkennen. Das ist jedoch ein äußerst rechenintensiver Prozess. Dieses Verfahren nutzt beispielsweise ein Hersteller von E-Autos, um angelieferte oder in der Werkshalle herumliegende Bauteile zu identifizieren und ad hoc Informationen aus dem Warenwirtschaftssystem zu ihnen zu erhalten oder diese Bauteile direkt nachzubestellen. Zum Trainieren der KI reicht das digitale CAD-Modell. Dadurch lässt sich der Prozess vollständig automatisieren und auf das gesamte Ersatzteillager anwenden.
Predictive Maintenance
Auch bei der Vorhersage von Ereignissen kommt KI zum Einsatz – Stichwort Predictive Maintenance. Durch das sogenannte Machine Learning können Störfälle im Voraus erkannt und die Planung von Wartungsbesuchen verbessert werden. KI schützt hier also vor dem Maschinenausfall, dessen Kosten hoch sein können. Mit Hilfe von KI, verbaut in der Industrial Internet of Things-Plattform ThingWorx von PTC, wurde bei einem Chemieunternehmen beispielsweise ein Vorhersagemodell entwickelt, das Ausfälle prognostiziert. 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
Digitaler Zwilling
Werden solche Technologien tiefer integriert, können Anwender begleitende digitale Zwillinge erstellen. Dabei werden letztendlich die Methoden aus Design, Vorhersage und AR zusammengeführt und auf das ganze System angewandt, beispielsweise die Entwicklung eines Fahrzeuges. Sensoren beobachten dabei das Verhalten eines Produkts im Betrieb. Das System vergleicht dieses Verhalten mit dem, was nach internen Berechnungen geschehen sollte. Aus dem Unterschied lernt das System – so lange bis das berechnete mit dem tatsächlichen Verhalten übereinstimmt. Ein solches Vorgehen bietet sich beispielsweise bei Produkttests an, die zeitaufwendig oder teuer sind. Damit das jedoch funktioniert, muss der gesamte Produktlebenszyklus in Form von Daten aufgenommen werden. Diese Informationen zum Produktlebenszyklus nennt man auch Digital Thread. Dieser wurde beispielsweise vom Fahrzeughersteller Polaris umgesetzt, der nun über ein holistisches Verständnis des gesamten Fahrzeuglebens verfügt.
Begleiter der Ingenieure
So in Entwicklungsprozesse integriert, kann KI als täglicher Begleiter für Ingenieure zum Entscheidungshelfer aufsteigen. In der PTC-Lösung Windchill etwa können Anwender schon heute KI-gestützt herausfinden, an welcher Stelle der Prozess einen zeitlichen Bottleneck entwickelt, welche Ursache dahinterstecken und welche Gegenmaßnahmen zu ergreifen sind. Wer künstliche Intelligenz als Werkzeug nutzt, muss wissen, wie und warum es eingesetzt wird. Die genannten Anwendungsfälle zeigen, dass die Technologie keine Vision, sondern Bestandteil zahlreicher industrieller Lösungen ist.
