Grundlage für Mensch/Roboter-Kooperation (MRK)
Beim Design von Anwendungen in der Produktion, die auf maschinellem Lernen beruhen, legt Capgemini den Perception-Cognition-Action-Zyklus zugrunde. Die Kognition (Cognition) kann salopp als das betrachtet werden, was zwischen der Wahrnehmung (Perception) und der Aktion (Action) liegt. Beim Menschen handelt es sich also um die geistigen Prozesse, die zur Aktion führen. Das kann man auch auf die Maschine übertragen: Cognition ist dann sozusagen die Magie zwischen Sensor und Aktor. Diese beiden Zyklen müssen so miteinander verbunden werden, dass der Mensch basierend auf seiner Aktion eine passende Reaktion vom System erfährt (siehe Grafik). In der Praxis kann das wie folgt aussehen: Ein Mitarbeiter in der Fertigung soll zum Beispiel direkt nach einem Montageschritt Feedback erhalten, ob dieser erfolgreich von ihm durchgeführt wurde. Die Aktion des Systems muss dabei passend zur Wahrnehmung des Mitarbeiters gestaltet werden. Hier ist also zu bestimmen, ob das durch die Aktion ausgedrückte Feedback visuell, akustisch oder haptisch erfolgen soll. Die direkte Rückmeldung unterstützt unerfahrene Mitarbeiter bei der Einarbeitung und verhindert bei Experten Flüchtigkeitsfehler, die sonst eventuell erst später im Prozess erkannt werden. Mittels maschinellen Lernens und MRK können erhebliche Effizienzgewinne erzielt werden. Alles dreht sich um den Menschen und so müssen diese Systeme immer in Anbetracht der Fähigkeiten von Menschen und Maschine erstellt werden. Wenn Produktionsunternehmen ihre KI-Anwendungen zukünftig nach dieser Prämisse designen, ist der Weg zur wahren Smart Factory nicht mehr allzu weit.
Maschinelle Zusammenarbeit mit OPC UA
Aber auch die Zusammenarbeit der Maschinen untereinander muss in einer smarten Fabrik noch verbessert werden. Eine Schlüsseltechnologie dabei ist OPC UA: Viele Unternehmen haben Initiativen gestartet, um den Standard flächendeckend einzuführen. Ein zentrales Elelement von OPC UA ist neben der vereinfachten und sicheren Kommunikation die einheitliche semantische Beschreibung. Im Beispielszenario wurde dafür die vom VDMA initiierte Companion Specification Robotics für den APAS-Roboter und die Companion Specification Vision für die COVIQS-Lösung verwendet. Damit konnten zwei getrennte Teams in kurzer Zeit beide Lösungen miteinander verbinden, ohne Detailkenntnisse über die jeweils andere Anwendung zu besitzen. Konkret fragt der Roboter nach der Teileidentifikation über den von uns implementierten OPC UA Server die mit COVIQS ermittelte Teilequalität ab. Entsprechend dieser Antwort werden die Teile dann in die dafür vorgesehenen Behälter einsortiert. Die Definition und Konfiguration der Business Logik für diesen Prozess erfolgt mithilfe einer zentralen Node-Red Applikation. Hierdurch kann die Prozesslogik flexibel konfiguriert werden, ohne dass eine direkte Anpassung des Roboter oder Vision Systems notwendig ist. Durch den Einsatz von OPC UA kann darüber hinaus die Integration von COVIQS in bestehende Produktionslinien vereinfacht werden. Capgemini nutzt hierfür die standardisierte semantische Beschreibung PLCopen OPC UA Client für Steuerungen, die eine Unabhängigkeit von der verwendeten SPS-Hardware sicherstellt. Damit können auch bisher nicht mit OPC UA betreibbare Steuerungen mit weiteren Anwendungen effektiv und prozesssicher kommunizieren. Auch bei OPC UA setzt Capgemini mit dem Javascript-basierten NodeOPCUA auf Open Source.