Künstliche Intelligenz und maschinelles Lernen für die industrielle Fertigung

Wichtiges Kennzeichen von Industrie 4.0 ist die durchgängige Vernetzung und Durchdringung aller Komponenten der Fabrik sowie kompletter Wertschöpfungsketten mit Sensorik, eingebetteten Systemen und Kommunikationstechnik – sog. Cyber-Physische Systeme. Dadurch fallen von der Planung der zu fertigenden Produkte und Produktionsmittel über ihre Herstellung bis zur Nutzung der Produkte große Mengen an Daten an, die meist maschinell erzeugt werden. Diese Daten sind Grundlage für moderne und mächtige Analyse- und Auswerteverfahren, die heute als ‚Künstliche Intelligenz‘ (KI) bezeichnet werden. KI-Verfahren verfügen über „die Fähigkeit, mit neuen Situationen erfolgreich umzugehen, neue Daten oder neue Informationen zu verarbeiten, aus dem verfügbaren Wissen zu schlussfolgern und damit neues Wissen zu generieren (…) oder auch neue Aufgaben zu lösen." [1] Heute geht man allgemein davon aus, dass KI eine Schlüsseltechnologie ist, mit der Anwender in allen Stufen der Wertschöpfung hohe Verbesserungspotenziale ausschöpfen können.

Aktuelle Studien attestieren Deutschland zwar eine gute Position in der KI-Forschung, den USA aber eine wesentlich höhere Wettbewerbsfähigkeit in den KI-Anwendungen. China investiert massiv in Künstliche Intelligenz - seine Unternehmen werden in wenigen Jahren auf den deutschen Markt für KI-Anwendungen in der Produktion drängen. Darum ist es nur richtig, dass die Bundesregierung in ihrer KI-Strategie das Ziel formuliert, Deutschland und Europa zu einem führenden KI-Standort zu machen [2]. Industrielle Produktion ist dabei eines der wichtigsten Anwendungsfelder. In unseren Demo-Fabriken und anhand konkreter und herausfordernder Anwendungsfälle unserer Kunden aus der industriellen Fertigung arbeiten wir schon heute an innovativen KI-Methoden und –Werkzeugen.

[1] PaiCE (Hrsg.): Studie Potenziale der Künstlichen Intelligenz im produzierenden Gewerbe in Deutschland

[2] Strategie Künstliche Intelligenz der Bundesregierung, siehe www.ki-strategie-deutschland.de

Unser Angebot

In Produktionsprozessen setzen wir Maschinelles Lernen ein, um ganz allgemein »Wissen« aus »Erfahrung« zu erzeugen - Lernalgorithmen entwickeln aus möglichst repräsentativen Beispieldaten ein komplexes Modell. Dieses Modell kann anschließend auf neue und unbekannte Daten derselben Art angewendet werden. Immer wenn Prozesse zu kompliziert sind, um sie analytisch zu beschreiben, aber genügend viele Beispieldaten verfügbar sind, z.B. Sensordaten oder Bilder, bietet sich Maschinelles Lernen an [1]. Die Modelle werden mit dem Datenstrom aus dem laufenden Betrieb abgeglichen und erlauben letztlich Vorhersagen oder Empfehlungen und Entscheidungen.

Beispiele, um mit Hilfe Maschinellen Lernens Qualität, Zeit oder Kosten zu verbessern, sind:

  • Anomalien im Verhalten von Maschinen oder Komponenten entdecken, weil die Verfahren zuverlässig Abweichungen vom ‚Normalverhalten‘ eines Prozesses aufdecken und damit letztlich prädiktive Instandhaltung ermöglichen.
  • Bessere Entscheidungen in komplexen Situationen treffen, weil die Modelle die kompletten Zusammenhänge auch über mehrere Fertigungsstufen hinweg erkennen und damit zu Assistenzsystemen ausgebaut werden können.
  • Fertigungs- und Montageprozesse schnell an aktuelle Situationen anpassen, weil klare Korrelationen zwischen Messergebnissen und Prozessparametern eine automatische Regelung ermöglichen.

Weitere Anwendungsgebiete maschinellen Lernens, die wir bearbeiten, sind Mensch-Roboter-Kooperation, autonome Intralogistik und Selbstorganisation in der Fertigung.

Wir unterstützen Sie dabei, die richtigen Lern- und Modellierungsalgorithmen auszuwählen, repräsentative Trainingsdaten zu definieren, aufzubereiten und zu speichern, aus den Trainingsdaten sinnvolle Modelle zu erzeugen und dieses dann mit Laufzeitdaten zu vergleichen. Diese Aufgaben erfordern geeignete Sensorik, Softwarewerkzeuge und -architekturen. Wir unterstützen Sie auch dabei, kommerzielle ML-Werkzeuge zu bewerten und auszuwählen.

[1] Fraunhofer-Gesellschaft (Hrsg.): Maschinelles Lernen – eine Analyse zu Kompetenzen, Forschung und Anwendung. München, 2018

In der Produktion sind Daten immer im Kontext des Produkts oder der Prozesse zu interpretieren – dann sind sie wertvolle Ressourcen, um den Wertschöpfungsprozess zu verbessern oder neue Geschäftsmodelle zu entwickeln [1]. Das heißt auch, dass jeder Anwendungsfall seine spezifischen Daten erfordert. Datengestützte Werkzeuge können aber nur dann Mehrwert liefern, wenn die relevanten Aspekte von den erhobenen Daten abgedeckt werden. Genau darum ist es so wichtig, die richtigen Daten und qualitativ hochwertige Daten aufzunehmen.

Nach unserer Erfahrung liegt heute noch eine maßgebliche Hürde zum Einsatz von KI darin, hochwertige Datensätze in einem heterogenen Umfeld aus Automatisierungstechnik und Unternehmens-IT zu gewinnen. Wir unterstützen Sie dabei, KI-relevante Daten aus Ihren Maschinen und Anlagen sowie deren Komponenten heraus zu holen. Entweder stammen die Daten aus den Maschinensteuerungen, aus der existierenden Sensorik der Maschine und/oder aus nachgerüsteten intelligenten Sensoren [2], die wir gemeinsam mit Ihnen auswählen und installieren. Wir legen gemeinsam mit Ihnen fest, welche Granularität der Daten für eine bestimmte Aufgabe erforderlich ist, wie Daten aus verschiedenen Quellen passgenau zusammengeführt werden können und in welchem Format die Daten übertragen und gespeichert werden. Dabei legen wir Wert darauf, die für den Anwendungsfall richtigen Daten auszuwählen, vorhandene Datensätze zu sortieren und sie für eine nachfolgende Modellbildung aufzubereiten.

 

Mit unseren seit langem bewährten PLUGandWORK-Lösungsbausteinen machen wir auch Komponenten und Maschinen zu Datenlieferanten, die heute noch nicht vernetzt sind.

Außerdem bieten wir Ihnen Know-how zu den Themen Datensicherheit und Datenschutz, denn mehr Vernetzung bedeutet höhere Anfälligkeit gegen Cyberangriffe. Heute sind jedoch viele Technologien bereits verfügbar, deren richtiger Einsatz dafür sorgt, dass Sie die Hoheit über Ihre Daten behalten. Entscheidend ist eine passgenaue und sichere IT-Architektur für das Sammeln, Speichern und Auswerten der Daten.

[1] World Manufacturing Forum: The 2018 World Manufacturing Forum Report – Recommendations for the Future of Manufacturing.

[2] Werthschützky, R. (Hrsg.): Sensor Technologien 2022. AMA Verband für Sensorik und Messtechnik e.V., 2018

Studien zeigen, dass gezielte Kooperationen zwischen Unternehmen und Forschungseinrichtungen schneller zu neuen Produkten, Dienstleistungen und Prozessen führen. Innerhalb unserer ‚Enterprise Labs‘ arbeiten Mitarbeiter aus Ihrem Unternehmen tagtäglich mit Fraunhofer Wissenschaftlern und Entwicklern in einem Team zusammen und schaffen so konkrete Produkt- und Prozessinnovationen. Dabei bringen Ihre Mitarbeiter spezifisches Produkt- und Prozess-Know-how sowie die Kenntnisse über Ihre Märkte ein. Ihre Mitarbeiter erhalten einen Arbeitsplatz am IOSB, können aber definierte Projektaufgaben auch an ihrem ‚Heim-Arbeitsplatz‘ im Unternehmen bearbeiten. So wirken sie gleichzeitig als Know-how-Multiplikatoren an ihrem Stammsitz. Unsere Wissenschaftler verfügen über umfangreiches Technologie-Know-how und Anwendungswissen aus verschiedenen Branchen. So entstehen in Kooperation zielgerichtete Ergebnisse bis hin zu gemeinsam entwickelten Business Cases mit messbarem Kundennutzen. Durch unsere Nähe zum Karlsruher Institut für Technologie (KIT) binden wir auch Masterstudenten oder Doktoranden in Ihre Aufgaben ein.

Eine ideale Umgebung für produktionsnahe KI-Projekte sind unsere Forschungsfabriken und Labore. Sie sind nach dem neuesten Stand der Technik mit industriellen Komponenten von der Sensorik bis zur Cloudinfrastruktur ausgerüstet, so dass spätere Anwendungen und Produkte realitätsnah erprobt und verbessert werden können.

Wenn Sie darüber hinaus an Ihren eigenen Maschinen und Anlagen arbeiten wollen, bieten wir Ihnen ein weiteres KI-bezogenes Highlight: die Karlsruher Forschungsfabrik. Auf rd. 4.500 m² werden wir gemeinsam mit Industriepartnern Fertigungsprozesse instrumentieren, Daten auswerten und neue KI-bezogene Lösungen erarbeiten, z.B. um neue Fertigungs- und Montageprozesse schnell zu Serienreife zu bringen. „Unreife Prozesse“ bezeichnen Fertigungsprozesse, die noch nicht vollständig verstanden und beherrscht werden, weil sie entweder neu sind, neue Werkstoffe verarbeiten oder man nicht genau versteht, welche Prozessparameter eigentlich für die Produktqualität verantwortlich sind. In der Karlsruher Forschungsfabrik erforschen wir gemeinsam mit Ihnen, an welchen Schrauben im Prozess man 'drehen' muss, damit die Qualität der Produkte gleichmäßig hoch ist und bleibt. Basierend auf ML-Verfahren und der Mess- und Regelungstechnik sollen die Maschinen und Anlagen ihre Prozessparameter letztlich selbst einstellen, z.B. wenn die Qualität der Produkte sich schleichend verschlechtert oder sich die Umgebungsbedingungen ändern.

Hier finden Sie eine Auswahl weiterführender Informationen zum Thema:

Projekt-Highlights

 

Leitprojekt ML4P

In dem Fraunhofer-Leitprojekt haben sechs Institute unter der Federführung des Fraunhofer IOSB ein Vorgehensmodell und Softwaretools entwickelt, um ML-Methoden zielgerichtet und systematisch im Bereich industrieller Produktion einzusetzen.

 

CC-KING

Im Karlsruher Kompetenzzentrum für KI-Engineering (CC-KING) treiben wir den systematischen Einsatz von KI- und ML-Methoden in verschiedenen ingenieurwissenschaftlichen Domänen voran - von der Grundlagenforschung bis zur praxisorientierten Beratung.

 

Karlsruher Forschungsfabrik

Die neue Karlsruher Forschungsfabrik® für KI-integrierte Produktion ist ganz der Aufgabe gewidmet, die Potenziale von KI- und ML-Methoden für Produktionsprozess - egal ob etabliert oder neu und "unreif" - zu heben.

Qualifizierung von Data Scientists und Data Analysts

In Zusammenarbeit mit der Fraunhofer Academy und der Fraunhofer Allianz Big Data und KI bieten wir ein zertifiziertes Ausbildungs-Programm sowie methoden- und branchenspezifische Schulungen an.