VDI-Kongress Automation 2019
Auf dem Weg zur
autonomen Produktion
Bild: VDI Wissensforum GmbH
Bricht demnächst das Zeitalter der komplett autonomen Anlagen an? Und wenn ja: Wie lässt sich die Anzahl der Bedienereingriffe in der Prozessleittechnik auf null reduzieren? Darüber diskutieren die Teilnehmer der diesjährigen VDI-Konferenz Automation 2019 am 2. und 3. Juli in Baden-Baden.
Mit Blick auf eine autonome Produktion lassen sich zwei Trends identifizieren: Trotz des immer höheren Automatisierungsgrades werden die Prozesse komplexer. Zudem muss eine exponential zunehmende Datenmenge berücksichtigt werden. Künstliche Intelligenz wird hier oft als das noch fehlende Stück zur Lösung angesehen: „KI wird oft als Synonym für Regressionsmodelle und maschinelles Lernen verwendet. Die Erwartungen sind groß, ebenso wie die möglichen Enttäuschungen“, erklärt Dr. Sven Lohmann, Automation Solution Architect bei Emerson Process Management.
Maschinelle Kognition
Tatsächlich geht es bei künstlicher Intelligenz nicht mehr nur um tiefes Lernen oder adaptive Modelle, sondern vielmehr um die Nachahmung von menschlicher Kognition, die z.B. auf Expertenwissen basiert – deterministisch, getestet, validiert und bewährt. „Die Erfassung und algorithmische Bereitstellung des Wissens ist ein Schlüsselfaktor für autonome Anlagen“, bringt es Lohmann auf den Punkt. „Der Einsatz von Expertenwissen online ist so, als ob man den erfahrensten und kenntnisreichsten Mitarbeiter einsetzt, der den Betrieb rund um die Uhr mit der Reaktionszeit eines Computers betreut, ohne müde oder krank zu werden, ohne in Urlaub oder in Rente zu gehen.“
Modelle für Vorhersage und Optimierung
Schon heute gibt es Lösungen wie KnowledgeNet (KNet), mit denen sich solches Expertenwissen erfassen lässt. Daraus lassen sich direkt ausführbare Anwendungen umsetzen. „Machine Learning and Advanced Modeling and Analytics, die in KNet zur Verfügung stehen, ermöglichen es, ein tieferes Verständnis der Prozesse zu entwickeln und Modelle für die Vorhersage und Optimierung einzusetzen“, beschreibt Lohmann die Vorteile: Die Kombination beider Ansätze biete somit ein leistungsfähiges Hybridmodell. Der selbstlernende Algorithmus im Sinne von Deep Learning biete somit viele Chancen auf dem Weg zur autonomen Produktion. Durch die Anwendung der Analytik ist KNet in der Lage, abnormales Prozessverhalten zu erkennen und Gegenmaßnahmen einzuleiten. Das System wurde unter anderem bereits am Standort Abqaiq von Saudi Aramco zur Optimierung des Energieverbrauchs mit Erfolg eingesetzt.
