Die Zukunft industrieller Maschinensteuerungen dank KI und moderner Analytik
Ein großer Vorteil dieser intelligenten Technologien gegenüber traditionellen Maschinensteuerungsarchitekturen sind Ihre Datenverarbeitungs-, Lern- und Entscheidungsfähigkeiten. Denn das bedeutet erhöhte Verfügbarkeit, Effizienz und Zuverlässigkeit durch vorbeugende und vorausschauende Wartung. Dazu kommt eine verbesserte Produktivität mit der Fähigkeit, autonome Entscheidungen zu treffen.
Bild: Mitsubishi Electric Europe B.V.

Vor nicht allzu langer Zeit waren Technologien wie modellbasierte Steuerung, PID-Steuerung, feldorientierte Steuerung und Fuzzy-Logik rein hypothetisch. Heute sind sie so tief in den Steuerungsarchitekturen eingebettet, dass wir nicht einmal mehr über sie nachdenken.

Maschinenzustände ich Echtzeit analysieren

Wie werden wir in ein paar Jahren über fortgeschrittene Analytik (AA) und künstliche Intelligenz (AI) in Maschinensteuerungen denken? Im Zweifel völlig selbstverständlich. Denn sie werden eine treibende Kraft für erhöhte Maschinenverfügbarkeit sein, indem sie z.B. eine noch effektivere vorausschauende Wartung ermöglichen, wie sie bereits heute möglich ist. AA- und AI-Technologien ermöglichen es durch Big Data-Analysen, verschiedene Maschinenzustände in Echtzeit aufzuzeichnen und zu analysieren. Sie monitoren den aktuellen Maschinenzustand, erkennen anstehende Fehlfunktionen und geben unverzüglich Handlungsempfehlungen. Der Maschinenbediener oder der Wartungsdienst kann reagieren, oder das System wird selbstständig Abhilfemaßnahmen einleiten.

Produktionsoptimierung durch KI

Was passiert, wenn die KI-Technologie auf ein gesamtes Unternehmen ausgerollt wird? Spannend wäre ein Szenario für die Lieferkette. Es kommt zu Engpässen bei der Lieferung. Die Maschine reagiert und verlangsamt die Produktion selbständig, bis die Ersatzkomponenten eintreffen. So kann ein Anhalten der gesamten Produktionslinie verhindert werden. Zukünftig wird die KI autonome Entscheidungen treffen, um die Produktivität zu optimieren. Aktuell ist eine Maschine so konstruiert, dass sie innerhalb definierter Leistungsgrenzen arbeitet – vielleicht, um unterschiedliche Lasten oder Geschwindigkeiten oder Sicherheitsbereiche zu berücksichtigen. Die KI-Technologie aber verwendet innerhalb der Steuerung tiefer gehende Lernalgorithmen. Diese könnten es ermöglichen, Maschinen bis an die heutigen Grenzen und darüber hinaus zu fahren. Und so die Produktivität erheblich zu steigern, ohne die Zuverlässigkeit oder Sicherheit zu beeinträchtigen.

KI-Technologie für Predictive Maintenance

Wir sehen bereits heute, wie die Anwendung der KI-Prinzipien auf einzelne Maschinenprozesse zu betrieblichen Verbesserungen führen kann. So hat Mitsubishi Electric z.B. eine Diagnosetechnologie auf der Grundlage seiner KI-Technologie namens Maisart (Mitsubishi Electric’s AI creates the State-of-the-Art in Technology) entwickelt. Eingebettet in Produkte wie die Melipc-Edge-Computing-Lösung, nutzt diese maschinelles Lernen zur Analyse gesammelter Daten, um ein Modell der Betriebszustände der Maschine zu generieren. Dieses Modell kann Anomalien im Betrieb der Maschine in Echtzeit erkennen und so frühzeitig vor drohenden Problemen warnen, so dass das Wartungspersonal umgehend Maßnahmen ergreifen kann.

Die Edge-Computing-Lösung Melipc von Mitsubishi Electric nutzt maschinelles Lernen, um gesammelte Daten zu analysieren und ein Modell der Betriebszustände der Maschine zu generieren.
Die Edge-Computing-Lösung Melipc nutzt maschinelles Lernen, um gesammelte Daten zu analysieren und ein Modell der Betriebszustände der Maschine zu generieren. – Bild: Mitsubishi Electric Europe B.V.

Ein weiteres Beispiel für den Einsatz von KI ist die intelligente vorausschauende Wartungsfunktion der Melfa-Roboter. Die Melfa SmartPlus-Funktion kann bei den Robotern von Mitsubishi Electric angewendet werden. Sie analysiert genau primäre Antriebskomponenten entsprechend den tatsächlichen Betriebsbedingungen und warnt frühzeitig vor dem Ausfall oder den Verschleiß von Teilen. Dadurch werden Ausfallzeiten reduziert und ein effizienter Wartungsplan kann geplant werden. Darüber hinaus bietet die Technologie während der Konstruktionsphase der Anwendungen Simulationsmöglichkeiten zur Vorhersage der Lebensdauer des Roboters und zur Abschätzung der jährlichen Wartungskosten. Dadurch haben Ingenieure die Möglichkeit, den Betrieb des Roboters zu modifizieren, um die Lebensdauer zu verlängern.

Mitsubishi Electric Europe B.V.
de.mitsubishielectric.com/de

Anzeige

Anzeige

Das könnte Sie auch Interessieren

Bild: Abat AG
Bild: Abat AG
Forschungskooperation verlängert

Forschungskooperation verlängert

Bild: Abat AG Voneinander und miteinander lernen, gemeinsam an innovativen Ideen für den Markt innerhalb von Forschungskooperationen tätig sein - seit mehreren Jahren schon besteht eine enge Zusammenarbeit zwischen der Bremer Abat AG und der Uni Oldenburg (Abteilung...

Image: Xilinx Inc.
Image: Xilinx Inc.
Adaptive AI Vision

Adaptive AI Vision

Image: Xilinx Inc. Die Kria SOMs ermöglichen den schnellen Einsatz durch Bereitstellung einer End-to-End Lösung auf Board-Ebene mit vorkonfiguriertem Software Stack. Das Kria K26 SOM basiert auf der Zynq UltraScale+ MPSoC Architektur, die einen Quad-Core Arm Cortex...