Künstliche Intelligenz auf der Feldebene KI direkt in der Steuerung

Lucian Dold, Omron Europe: »Wir leisten mit den maschinennahen KI-Algorithmen die intelligente Entscheidung in Echtzeit.«

Mit seinem seit Dezember 2018 verfügbaren »KI-Controller« verfolgt Omron das Konzept, Algorithmen künstlicher Intelligenz in die Maschinensteuerung zu integrieren, um direkt am Ort des Geschehens Unstimmigkeiten in der Produktion aufzuspüren.

Lucian Dold, General Manager Product and Solution Marketing EMEA bei Omron Europe, erläutert die Hintergründe.

Markt&Technik: Was kann künstliche Intelligenz in der Steuerung leisten?

Lucian Dold: In der Steuerung angesiedelte KI sitzt am Ort des Geschehens, so dass es keine Latenzen und Zeitversätze gibt, die behindern könnten. Wir leisten mit den maschinennahen KI-Algorithmen die intelligente Entscheidung in Echtzeit. In Analogie zum Körper ist das wie ein „spinaler Reflex“, der sofort für die Vermeidung von Fehlern nutzbar ist. Ein weiterer Vorteil liegt in der Skalierbarkeit: Zuerst wird das anomale Verhalten festgestellt, und nach dem Ereignis lässt es sich mit Hilfe von Auswertungsverfahren noch tiefer analysieren.

Was kann Omrons KI-Controller leisten? In welchem Verhältnis steht er zu Omrons Steuerungssystem „Sysmac“?

Der KI-Controller bemerkt anomale Produktionsabläufe und dient zur Erkennung von Fehlern im Produkt oder in der Maschine. Er ist in der Lage, die Produktqualität und die Zykluszeiten erheblich zu verbessern. Weil er vollständig in „Sysmac“ integriert ist, lässt er sich wie ein weiterer Baustein einer Gesamt-Plattform sehen. Die Funktionalität läuft als Task im „Sysmac“-Maschinen-Controller – unabhängig davon, ob Sie eine Mid-Range-Applikation oder eine High-Performance-Steuerung haben oder das Ganze in einem IPC abbilden. Die Echtzeitfähigkeit und die Programme funktionieren in allen Leistungsklassen.

Welche Daten lassen sich direkt in der Steuerung analysieren und interpretieren?

Generell kann der KI-Controller auf alle Daten zugreifen und mit allen angelernt werden, die im Steuerungssystem verfügbar sind. Seine Prüfungen durchführen kann er innerhalb der üblichen Taktzeiten (bis zu 1 ms). Es gibt keine Begrenzungen, allerdings gilt hier nicht das Prinzip „viel hilft viel“. Eine Analyse des „Flaschenhalses“ in der Produktion gibt die Daten vor, die sinnvollerweise auch in das KI-Modell aufgenommen werden.

Wenn Unternehmen Ihr Konzept der künstlichen Intelligenz in der Steuerung anwenden: Welche Daten müssen sie dann überhaupt noch für Analyse- und sonstige Zwecke in die Cloud übertragen?

Prinzipiell ist keinerlei Übertragung in die Cloud nötig; alles läuft im KI-Controller lokal. Wer will, kann alle Daten übertragen und in alle Richtungen analysieren. Was im Sinne der Daten-Ökonomie sinnvoll ist, ergibt sich aus der Zielsetzung. Will man die Maschine adaptiv aufbauen und die Overall Equipment Effectiveness (OEE) erhöhen, kann alles im KI-Controller lokal laufen. Es ist aber auch möglich, jedes anomale Muster zu übertragen, um es weiter zu analysieren. Wenn es einen Nutzen bringt, können die Daten übertragen werden, ansonsten raten wir zur Sparsamkeit bei der Datenübertragung. Am besten ist es aus unserer Sicht, die Intelligenz dort arbeiten zu lassen, wo die Musik spielt.

Wie lässt sich das Zusammenspiel von Datenanalyse mittels KI in der Steuerung und Machine Learning oder Deep Learning gestalten? Inwieweit ermöglichen die entsprechenden Algorithmen hier Automatismen?

Machine Learning oder Deep Learning bedient sich anderer mathematischer Ansätze. Grundsätzlich lassen sich die Rohdaten für Analysen im Rahmen von Cloud- und Deep-Learning-Ansätzen nutzen; auch die Ergebnisse des KI-Controllers sind allein oder komplementär nutzbar. Wichtig ist aber, zu verstehen, dass die Zielsetzung des KI-Controllers eine Optimierung der Maschine ist, also ein vertikal integrierter Ansatz. Machine Learning oder Deep Learning zielt üblicherweise auf die übergeordnete Verbindung von Einheiten und hilft, horizontale Prozesse zu verbessern.

Inwieweit kann künstliche Intelligenz in der Steuerung direkt beispielsweise die (Wieder-)Einhaltung von Toleranzen oder Grenzwerten bewirken?

Wenn die Grenzen des Eingriffs geprüft werden und festgelegt sind, ist das ein prädestinierter Anwendungsfall für diese Technologie.