Lesedauer: 8min
Erste marktreife KI-Anlage für Lackieranlagen
Advanced Analytics von Dürr ist die erste marktreife KI-Anwendung für Lackieranlagen. Die intelligente Lösung, die neueste IT-Technologie mit Maschinenbaukompetenz kombiniert, identifiziert Fehlerquellen und ermittelt optimale Wartungszeitpunkte. Zudem spürt sie bislang unbekannte Zusammenhänge auf und passt mit diesem Wissen selbstlernend den Algorithmus an der Anlage an. Erste Praxiseinsätze belegen, dass die Software von Dürr die Anlagenverfügbarkeit und die Oberflächenqualität lackierter Karosserien optimiert.

Warum tritt an einem Karosserieteil ungewöhnlich häufig derselbe Fehler auf? Wann ist der späteste Zeitpunkt, einen Mischer im Roboter auszutauschen, ohne einen Maschinenstillstand zu provozieren? Exakte Antworten sind wichtig für einen nachhaltig ökonomischen Erfolg. Denn jeder Fehler oder jeder unnötige Wartungseinsatz, der sich vermeiden lässt, spart Geld oder verbessert die Produktqualität. „Präzise Aussagen zur Früherkennung von Qualitätsmängeln oder Ausfällen gibt es bisher kaum. Und wenn, basieren sie in der Regel auf einer mühsamen analogen Datenauswertung oder Trial-and-Error-Versuchen. Mit künstlicher Intelligenz (KI) geht das jetzt wesentlich genauer und automatisch“, erklärt Gerhard Alonso Garcia, Vice President MES & Control Systems bei Dürr.

Die neue selbstlernende Anlagen- und Prozessüberwachung Advanced Analytics erweitert DXQanalyze. Die digitale Produktfamilie von Dürr beinhaltete bereits die Module Data Acquisition für die Erfassung von Produktionsdaten, Visual Analytics für deren Visualisierung sowie Streaming Analytics. Mit letzterem können Anlagenbetreiber nahezu in Echtzeit mit Hilfe einer sogenannten Low-Code-Plattform analysieren, ob es in der Produktion zu Abweichungen von zuvor festgelegten Regeln oder Sollwerten kommt.

KI-Applikation mit eigenem Gedächtnis

Durch prädiktive Wartungs- und Instandhaltungsinformationen kann die Dürr-Software die Downtime von Lackieranlagen verringern.
Durch prädiktive Wartungs- und Instandhaltungsinformationen kann die Dürr-Software die Downtime von Lackieranlagen verringern. – Bild: Dürr Systems AG

Advanced Analytics kombiniert große Datenmengen einschließlich historischer Daten mit maschinellem Lernen. Im übertragenen Sinne bedeutet das: Die selbstlernende KI-Applikation besitzt ein Gedächtnis. Dadurch kann sie, basierend auf den Informationen aus der Vergangenheit, sowohl komplexe Zusammenhänge in großen Datenmengen erkennen, als auch anhand des aktuellen Zustands einer Maschine ein Ereignis in der Zukunft sehr exakt prognostizieren. Dafür gibt es viele Anwendungsfälle in Lackieranlagen – auf der Komponenten-, Prozess- und Anlagenebene.

Vorausschauende Wartung verringert Anlagenstillstand

Im Bereich der Komponenten zielt Advanced Analytics darauf ab, die Downtime durch prädiktive Wartungs- und Instandhaltungsinformationen zu verringern, wie etwa durch die Prognose der verbleibenden Lebensdauer eines Mischers. Wird das Bauteil zu früh getauscht, erhöht das unnötig die Ersatzteilkosten und Instandhaltungsaufwände, während ein zu später Tausch zu Qualitätsproblemen bei der Beschichtung und zu einem Maschinenstillstand führen kann. Advanced Analytics erlernt zunächst anhand hochfrequenter Roboterdaten die Verschleißindikatoren und das zeitliche Muster des Verschleißes. Da die Daten kontinuierlich erfasst und überwacht werden, erkennt das Machine-Learning-Modul – basierend auf der tatsächlichen Nutzung – Alterungstrends individuell für die jeweilige Komponente und berechnet so den optimalen Austauschzeitpunkt. @Zwischenüberschrift:Machine Learning simuliert kontinuierliche Temperaturkurven

Die KI-Lösung verbessert die Qualität auf der Prozessebene, indem es Anomalien feststellt, etwa durch eine Simulation der Aufheizkurve im Trockner. Bisher stehen den Herstellern nur Daten zur Verfügung, die Sensoren bei Messfahrten ermitteln. Die Aufheizkurven, die für die Oberflächenqualität der Karosserie von entscheidender Bedeutung sind, verändern sich jedoch, da der Trockner in den Intervallen zwischen den Messfahrten altert. Der Verschleiß bewirkt schwankende Umgebungsbedingungen, etwa bei der Stärke des Luftstroms. „Heutzutage werden Tausende Karosserien produziert, ohne dass wir wissen, auf welche Temperaturen die einzelne Karosserie aufgeheizt wurde. Durch das maschinelle Lernen simuliert unser Machine-Learning-Modul, wie sich die Temperatur bei unterschiedlichen Bedingungen verändert. Dadurch erhalten unsere Kunden einen permanenten Qualitätsnachweis für jede Einzelkarosserie und können Anomalien feststellen“, sagt Gerhard Alonso Garcia.

Höhere Erstläuferquote steigert Gesamtanlageneffektivität

Mit Künstlicher Intelligenz können systematische Fehler im Lackierprozess aufgespürt und so die OEE gesteigert werden.
Mit Künstlicher Intelligenz können systematische Fehler im Lackierprozess aufgespürt und so die OEE gesteigert werden. – Bild: Dürr Systems AG

Auf der Anlagenebene wird die Software DXQplant.analytics mit dem Modul Advanced Analytics eingesetzt, um die übergreifende Gesamtanlageneffektivität (Overall Equipment Efficency, OEE) zu steigern. Die künstliche Intelligenz spürt systematische Fehler auf, wie z.B. wiederkehrende Qualitätsdefekte bei bestimmten Modelltypen, speziellen Farben oder an einzelnen Karosserieteilen. Das wiederum erlaubt Rückschlüsse, welcher Schritt im Produktionsprozess für die Abweichungen verantwortlich ist. Solche Fehler-Ursachen-Korrelationen erlauben es zukünftig, die Erstläuferquote zu erhöhen, da sehr frühzeitig reagiert werden kann.

Anlagen-Knowhow und Digitalkompetenz gekonnt kombiniert

KI-fähige Datenmodelle zu entwickeln, ist sehr komplex. Denn maschinelles Lernen funktioniert nicht, indem man unspezifische Datenmengen in einen ’schlauen‘ Algorithmus einspeist, der daraufhin ein intelligentes Ergebnis ausspuckt. Stattdessen müssen relevante (Sensor-) Signale gesammelt, sorgfältig ausgewählt und mit strukturierten Zusatzinformationen aus der Fertigung versehen werden. Die Software von Dürr unterstützt verschiedene Einsatzszenarien,stellt eine Laufzeitumgebung für Machine-Learning-Modelle bereit und stößt ein Modelltraining an.

Interdisziplinäres Knowhow erforderlich

Advanced Analytics wurde von einem interdisziplinären Team entwickelt, das aus Data Scientisten, Informatikern und Prozessexperten bestand. Außerdem ging Dürr mit mehreren führenden Automobilherstellern Kooperationspartnerschaften ein. Dadurch standen den Entwicklern reale Fertigungsdaten und Beta-Site-Umgebungen in der Produktion für unterschiedliche Anwendungsfälle zur Verfügung. Zunächst wurden die Algorithmen anhand zahlreicher Testfälle im Labor trainiert. Im nächsten Schritt lernten die Algorithmen im Betrieb vor Ort weiter und passten sich selbständig an Umgebung und Nutzungsbedingungen an. Die Beta-Phase wurde kürzlich erfolgreich abgeschlossen und hat gezeigt, wie groß das Potenzial von KI ist.

Autor:
Firma: Dürr Systems AG
http://www.durr.com

MARKT – TRENDS – TECHNIK

Weitere Beiträge

Das könnte Sie auch interessieren

Familienzuwachs beim digitalen Zwilling

Der Digital Twin und die virtuelle Inbetriebnahme erhalten in modernen Produktionsumgebungen immer mehr Gewicht. Dass dafür nicht nur Software, sondern auch die richtige Hardware nötig ist, will das Unternehmen Machineering mit der FieldBox 1 unterstreichen. Jetzt wurde diese Hardware-Basis für moderne Simulation in zwei unterschiedlichen Leistungsvarianten vorgestellt.

mehr lesen

Künstliche Intelligenz optimiert Predictive Maintenance

Mit dem Ziel, genauere und schnellere Prognosen in der vorausschauenden Wartung (Predictive Maintenance) zu erstellen, integriert Endian künstliche Intelligenz (KI) in seine IIoT-Lösung Endian Connect Platform: Über einen Knowledge Graph werden Informationen aus unterschiedlichen Datenbanken zusammengeführt, um möglichst exakte Prognosen über zukünftige Maschinenzustände zu berechnen.

mehr lesen

Datenanalytik für den optimalen Gebäudebetrieb

In jeder Sekunde erzeugen Aktoren, Sensoren, Zähler, Geräte, Anlagen und Systeme der Gebäudetechnik riesige Mengen an Daten. Bisher wurde nur ein kleiner Teil davon für Optimierungen im Gebäudebetrieb genutzt. Mit der zunehmenden Digitalisierung ist es möglich, Gebäude mit Hilfe dieser Daten zum Sprechen zu bringen. Für Betreiber und Facility-Manager ergeben sich damit enorme Optimierungschancen. Voraussetzung ist, dass sie verstehen, was das Gebäude mitzuteilen hat. Hier bieten digitale Services wie technisches Monitoring die notwendige Unterstützung.

mehr lesen
Wartung der Sicherheitsbeleuchtung per App

Wartung der Sicherheitsbeleuchtung per App

Über eine einfach zu bedienende App kann durch das NaveoPro-System von ABB die komplette Sicherheitsbeleuchtungsinstallation eingerichtet, gewartet und gesteuert werden. Der dadurch gewonnene Echtzeit-Überblick über alle Systeme spart Zeit, ermöglicht eine bessere Wartungsplanung und
erhöht die Sicherheit im Gebäude.

mehr lesen

Anlagentransparenz mit IO-Link

Die Steigerung der Anlagenverfügbarkeit bei einer gleichbleibend hohen Qualität der produzierten Produkte ist eine wesentliche Anforderung im Maschinen- und Anlagenbau. Dafür sind Transparenz im Produktionsprozess und die hervorragende Konstruktion der Maschinen essenziell. Die kontinuierliche Messwerterfassung überwacht den Fertigungsprozess genau. Das ermöglicht eine schnelle Reaktion auf Veränderungen, was zu stabilen Fertigungsabläufen und guten Resultaten führt. Sensoren erfassen eine Vielzahl von Messwerten in der Anlage. Für deren Weiterleitung zu den übergeordneten Steuerungssystemen ist IO-Link sehr gut geeignet.

mehr lesen

Elektronik für verteilte KI zur sensorbasierten Prozess- und Zustandskontrolle

Das Bundesministerium für Bildung und Forschung (BMBF) investiert aktiv in die Entwicklung neuer Elektroniksysteme und fördert dabei Verbundforschungsprojekte, die signifikant zur Umsetzung des Zukunftsprojekts Industrie 4.0 beitragen. Ziel des vom BMBF geförderten Gesamtprojekts KI-Predict ist die Nutzung von Methoden der künstlichen Intelligenz (KI) auf unterschiedlichen Ebenen des Produktionsprozesses als Basis für die zustandsbasierte, prädiktive Wartung von Produktionsanlagen und die Überwachung der Produktqualität direkt im Produktionsprozess. An diesem Projekt sind insgesamt sieben Partner beteiligt: unter ihnen das Fraunhofer-Institut für Integrierte Schaltungen IIS mit der Entwicklung eines Sensor-Interface ASICs. Das Besondere daran: Es ist auf Sensoren für Condition-Monitoring und Echtzeit-Prozesskontrolle abgestimmt und ermöglicht eine energieeffiziente Feature-Extraction und Signalverarbeitung direkt am Sensor.

Kaefer übernimmt Wood Group In­dus­tri­al Ser­vices

Mit der Über­nah­me des In­dus­trie­dienst­leis­tungs­ge­schäfts (Wood Group In­dus­tri­al Ser­vices) von der John Wood Group PLC, kann die Kaefer-Grup­pe ihre Markt­po­si­ti­on in Groß­bri­tan­ni­en und Ir­land stärken.

Knowledge Day in Blaubeuren

Auf dem Knowledge Day in Blaubeuren erhalten Teilnehmer unter anderem praxisorientierte Einblicke in die Themen Predictive Maintenance und MES.