KI in der Automatisierung: Forschung, Produkte, Anwendungen

Unter diesem Motto veranstaltete der VDI Arbeitskreis Mess- und Automatisierungstechnik am 15. Oktober mit Unterstützung der iMES Solutions GmbH und dem Fraunhofer ESK einen abwechslungsreichen Seminarabend, an dem vier Redner das Thema Künstliche Intelligenz (KI) in der Automatisierung aus unterschiedlichen Blickwinkeln beleuchteten.

Von Big Data zu Smart Data

Dr. Michael Winterstein, Bild: Fraunhofer ESK

Als erster Redner gab Dr. Michael Winterstein von der iMes Solutions GmbH eine Einführung in die Themen Künstliche Intelligenz (KI), Maschinelles Lernen und Big Data. Den Rohstoff für KI bilden Daten, deren Charaktereigenschaften mit Volumen, Verschiedenheit, Wahrhaftigkeit, Zuwachs oder Veränderbarkeit beschrieben werden können.

Im Gegensatz zur menschlichen Intelligenz kann die KI jedoch riesige Datenmengen (Big Data) zeitnah zur Entscheidungsfindung heranziehen. Laut Dr. Winterstein funktionieren im Prinzip alle Methoden des maschinellen Lernens nach demselben Muster: Aus Big Data werden mit Hilfe von Filtermethoden Smart Data, woraus dann neues Wissen generiert wird. Der Redner stellte exemplarisch die drei KI-Methoden Neuronale Netze, Support Vector Machines und Entscheidungsbäume sowie deren Funktionsweise vor.

Anhand verschiedener Anwendungsbeispiele aus der Industrie zeigte Dr. Winterstein anschaulich wie mit Hilfe von KI-Methoden Fehlerursachen in Anlagen und Produktionsprozessen aufgedeckt werden können. Abschließend berichtet der Redner über seine Erfahrungen in der Umsetzung von KI-basierten Data-Mining-Projekten bei Kunden. Sein Fazit: Ohne die nötige Offenheit des Kunden in Bezug auf seine Problemstellung und dem Willen zur Problemlösung können auch die umfangreichsten KI-Methoden nur wenig bezwecken.

Aus der Praxis: Lösung für komplexe Wirkzusammenhänge

Frank Thurner, Bild: Fraunhofer ESK

Im Anschluss stellte Frank Thurner von der Contech Software & Engineering GmbH das Produkt „Analyser“ vor, dessen Basis im Rahmen eines Forschungsprojektes des Bundesministeriums für Wirtschaft und Energie (BMWI) entstanden ist. Der „Analyser“ kann sowohl als eigenständige Clientanwendung als auch als Komponente in einem Prozessdaten-Management-System genutzt werden.

Den Kern bilden statistische und selbstlernende Algorithmen, um aus Fehlerbildern auf Wirkmechanismen und deren Ursachen zu schließen. Daraus können wiederum Maßnahmen und Handlungsempfehlungen abgeleitet werden. Die Anwendung kann in verschiedenen Bereichen des Unternehmens eingesetzt werden, wie z.B. in der Entwicklung, in der Produktion oder im Einkauf. Der „Analyzer“ eignet sich laut Thurner sowohl für Produkte als auch Prozesse, zur Absicherung als auch zur Optimierung, wobei als Datenbasis Einzelwerte und Kurven dienen.

Anhand mehrerer Beispiele wie der Verschraubung von Produkten in der Montage oder im Prototypenbau wurden die Vorgehensweise und das mit der Anwendung erreichte Ergebnis vorgestellt. Der Einsatz der Anwendung sei vor allem dann zielführend, wenn kausale Zusammenhänge nur teilweise bekannt sind oder komplexe Wirkzusammenhänge vorliegen.

Einblicke in die jüngste Forschung

Aniket Salvi, Bild: Fraunhofer ESK

Als dritter Redner des Abends präsentierte Aniket Salvi vom Fraunhofer ESK den Einsatz von KI-Methoden im Rahmen seiner Forschungsarbeit „Semi-automated unsupervised learning from system traces“. Als wichtigste Einsatzmöglichkeiten von KI in der industriellen Automatisierung sieht er vor allem Predictive Maintainance und automatisierte Fehlererkennung bzw. Fehleranalyse.

Salvi hat ein System entwickelt, das auf sogenannten Traces basiert. Darunter versteht man einen zusammenhängenden Strom an verteilt aufgezeichneten und zeitlich sortierten Daten aus einer Produktionsanlage bzw. deren Komponenten. Anhand dieser Traces kann mit Hilfe von unsupervised-Methoden automatisch ein Zustandsautomat erzeugt werden, der das Verhalten der Anlage bzw. Maschine abbildet.

Mit Hilfe des ebenfalls vom Fraunhofer ESK entwickelten Softwareanalysetools DANA können dann auf Basis des gelernten Verhaltens Anomalien während des Betriebs der Anlage festgestellt werden. Dazu wird das gelernte Modell wiederum mit Traces konfrontiert. Eine Semantik-Engine vergleicht die Traces mit dem Zustandsmodell und gibt bei Abweichungen Warnungen aus. Anhand einer Modellfabrik und eines Industrieroboterszenarios hat Salvi den Vorgang der automatisierten Modellbildung und Anomalieerkennung veranschaulicht.

Die Suche nach dem Golden Batch

Matthias Kreil, Bild: Fraunhofer ESK

Zum Abschluss des Abends ging Matthias Kreil von der iMes Solutions GmbH auf verschiedene KI-basierte Anwendungen ein. Dabei beschrieb er zunächst seine laufende Promotion, die sich mit der Aktivitätserkennung von Personen im Werkstatteinsatz beschäftigt. Anhand eines mit Sensoren ausgestatteten Kleidungsstücks und mit Hilfe von Erkennungsalgorithmen können daraus Verhaltensmodelle generiert werden.

Weitere vorgestellte Anwendungen waren Predictive Maintainance (Ableitung von Wartungstendenzen auf Basis historischer Daten), Alarmmanagement (Erkennen von Alarmmustern, Root-Cause-Alarm) oder das Finden der optimalen Batch (Golden Batch) in der Prozessindustrie. Hr. Kreil beendete seinen Vortrag mit der Vorstellung zweier Forschungsprojekte „Das intelligente Werkzeug“ und „Innovative Produktionskreisläufe“.

Die mit 60 Teilnehmern bisher erfolgreichste Veranstaltung des VDI Arbeitskreises Mess- und Automatisierungstechnik motivierte das Organisationsteam dazu, im nächsten Jahr eine Folgeveranstaltung zum gleichen Thema anzubieten.