PSI Blog

Anwendungsszenarien für datenbasierte Wartung: KI trifft Edge Computing

22.09.2021 - Industrie 4.0, Künstliche Intelligenz, Produktion

Quelle: AdobeStock/Siarhei, bearbeitet durch PSI

Weder zu früh noch zu spät eingreifen: Das ist die Quintessenz einer bedarfsorientierten Instandhaltungsstrategie. Grundlage ist die Erhebung und zeitnahe Verarbeitung von Zustandsdaten. Diese stehen dank einer zunehmenden Vernetzung der Maschinen und Anlagen im Industrial Internet of Things (IIoT) in immer größeren Mengen zur Verfügung. Weil die zentrale Verarbeitung und Speicherung der Daten entscheidende Schwächen haben, rückt zudem die Edge – der Rand der Produktionssysteme und der Entstehungsort der Informationen – immer stärker in den Fokus. Genau hier kommt Künstliche Intelligenz ins Spiel.

Die Vorteile einer vorausschauenden gegenüber einer vorbeugenden Wartung sind:

  • Hohe Anlagenverfügbarkeit,
  • planbare Ausfallzeiten und Serviceeinsätze,
  • sinkende Wartungskosten.

Echtzeitdaten aus dem Produktionsprozess und seinem Umfeld sowie leistungsfähige, produktionsnahe IT-Systeme stehen bereits zur Verfügung. Vorteilhaft ist die Nutzung von Ansätzen aus den Bereichen Maschinelles Lernen (ML) und Künstliche Intelligenz (KI), z. B. in folgenden Einsatzszenarien:

  • optimierte zustandsbasierte Wartung (statt lauf- und kalenderzeitbasierter Wartung)
  • rechtzeitige automatisierte Verschleißerkennung
  • Vorhersage von Werkzeugstandzeiten
  • Berechnung der zu erwartenden Zählerstände (z. B. Betriebsstunden) zur Planung der Instandhaltungsmaßnahmen
  • datenbasierte Selektion entsprechender Instandhaltungsstrategien und kontinuierliche Prüfung der Voraussetzungen (Strategy Assistant)
  • Vermeidung von Fehlbedienung und Rüstfehlern (Setup and Operation Assistance)
  • Management und Klassifizierung von Wartungsvorfällen (Incidents)

Video Industrial Intelligence: Wie Sie Künstliche Intelligenz in der Industrie gewinnbringend einsetzen

Mit den technischen Mitteln der Industrial Intelligence lassen sich zudem weitere Anwendungsfälle umsetzen, die nicht auf KI aufbauen. Dazu zählen z. B.:

  • automatisiertes Verfolgen und Anzeigen der Fälligkeit von regelmäßigen Wartungsarbeiten / Wartungskalender
  • Führen von Wartungs- und Instandhaltungsstatistiken

Hohe Rechenleistung allein reicht nicht aus

Die Möglichkeiten für eine optimierte Wartung und Instandhaltung auf Basis von Daten sind vielfältig. Für Unternehmen kommt es darauf an, passende Einstiegsszenarien zu konzipieren, mit denen sie Schritt für Schritt die erforderlichen Prozesse etablieren können.

Als Datenquellen kommen sowohl lokal als auch aus der Ferne betriebene Maschinen und Anlagen in Frage, aber auch mit ihnen verbundene oder in ihre Umgebung integrierte IoT-Geräte sowie Kommunikationstechnik. Dabei ist unerheblich, ob es sich um die eigene Produktionstechnik – auch an anderen Standorten – oder den Betrieb der eigenen Anlagen am Standort eines Kunden handelt.

Der neue Kommunikationsstandard 5G wird in naher Zukunft große Datenraten bei sehr geringer Latenz erlauben, die für eine verlässliche, zustandsbasierte Wartung erforderlich sind.

Für die gleichzeitig notwendige, zeitnahe Verarbeitung der Daten wiederum heißt das: Je mehr Daten zur Verfügung stehen, desto höher sind auch die Anforderungen an die Infrastruktur, diese in angemessener Zeit zu verwerten. Das gilt erst recht, wenn besonders hohe Anforderungen an das Zeitverhalten der Anwendungen gestellt werden (z. B. aufgrund der Kritikalität einer Anlage). Denn in diesen Fällen sind neben der Rechenleistung an sich eben auch Bandbreite, Laufzeiten und Latenzen des Netzwerkes kritische Stellgrößen.

Die Edge muss KI-fähig werden (Edge-KI)

Weil eine zentrale Datenverarbeitung und -speicherung hier schnell an ihre Grenzen stößt, rückt der Entstehungsort der Daten in den Fokus – die „Edge“. Die Idee: Die verschiedenen Edge Devices selbst, z. B. Bewegungssensoren, übernehmen die Datenvorverarbeitung und möglicherweise sogar den Betrieb von zeitkritischen oder datenintensiven Anwendungen. Weil viele dieser Systeme mit Methoden der Künstlichen Intelligenz oder des Maschinellen Lernens arbeiten, müssen diese künftig auch mit entsprechenden Fähigkeiten ausgestattet werden. Oder anders gesagt: Die Edge muss KI-fähig werden.

Was ist Edge Computing?

Beim Edge Computing handelt es sich um die dezentrale Datenverarbeitung, die am Rand des Netzwerkes stattfindet. Das heißt die Daten werden direkt an der Netzwerkperipherie, also dort, wo sie generiert werden, verarbeitet. Das Prinzip des Edge Computing beschleunigt die Datenströme, sodass eine Datenverarbeitung in Echtzeit ermöglicht wird.

Für eine dezentrale Verarbeitung und Speicherung der Daten sprechen noch weitere Gründe: In internationalen Unternehmen bspw. dürfen im Rahmen von Compliance-Anforderungen Daten oftmals nur lokal verfügbar sein und auch nur dort verarbeitet werden. Auch die Sicherheit der Kommunikation hinsichtlich der Übertragungs­geschwindigkeit und der Stand-Alone-Betrieb der Anwendungen bei instabilen Datenverbindungen spricht für die Verlagerung von Funktionalitäten an den Rand des Produktionssystems.

Vorteile von Edge-KI

  • kurze Latenzzeiten
  • Echtzeit-Reaktion
  • schnelle Vorverarbeitung von Daten
  • höhere Ausfallsicherheit durch Dezentralisierung
  • Erfüllung von Compliance-Anforderungen (z. B. Datensicherung)
  • weniger Datenlast in den Netzen
  • Offline-Verfügbarkeit

Leistungssteigerung des Gesamtsystems

Eine optimierte Instandhaltung gewährleistet die Verfügbarkeit und Zuverlässigkeit der Maschinen und erhöht so die Leistungsfähigkeit der Industrieproduktion. Künftig werden datengetriebene Instandhaltungskonzepte dazu beitragen, die Anlagenverfügbarkeit weiter zu erhöhen.

Eine zentrale Rolle wird dabei die Datenverarbeitung am Netzwerkrand spielen. Durch sie ist eine Entscheidungsfindung nahezu in Echtzeit möglich, was zu einer deutlichen Leistungssteigerung des gesamten Systems führt. Denn gleichzeitig entstehen durch die Verlagerung dieser Prozesse an die Edge freie Kapazitäten im Zentralsystem, das sich komplexeren Aufgaben widmen kann.

Wie KI-fähig ist Ihr Edge Computing?

Karl Tröger

Business Development Manager PSI Automotive & Industry GmbH

Seit mehr als 20 Jahren ist Karl Tröger bei der PSI Automotive & Industry. In dieser Zeit hat er sich mit allen Aspekten von ERP-Software befasst und war in führenden Positionen in Entwicklung, Beratung und Marketing tätig. Heute versteht er sich als Bindeglied zwischen Kunden, Markt, Wissenschaft sowie Software-Entwicklung und Marketing. Der Diplom-Ingenieur der Elektronik und Nachrichtentechnik ist an der von der Bundesregierung initiierten Plattform Industrie 4.0 beteiligt und veröffentlicht regelmäßig vielbeachtete Publikationen über die Zukunft von fertigungsnaher Software.

+49 30 2801-2003
ktroeger@psi.de

Dr. Ing. Thomas Müller

Seit mehr als 25 Jahren ist Dr.-Ing. Thomas Müller in der Entwicklung von Software und Systemen für die Fertigungssteuerung tätig. Nach vielen Jahren in der Halbleiter- und High-Tech-Industrie entwickelt er seit 2017 für die PSI Automotive & Industry GmbH im Rahmen der MES-Entwicklung tragfähige Visionen für die Produktion von morgen. Der Doktor der Ingenieurwissenschaften nimmt an verschiedenen Forschungsprojekten teil und beschäftigt sich mit Themen rund um Künstliche Intelligenz, Maschinelles Lernen, Leading-Edge-Technologien sowie Industrie 4.0.

tmueller@psi.de