Intelligente Prozessanalyse durch Künstliche Intelligenz und Cyber Physische Systeme – AI-Nalyze

Datenintegration schafft Mehrwerte

Ziel ist es, Prozesse so transparent darzustellen, dass eine automatische Aufnahme und Analyse von Prozessmodellen durch den Einsatz von cyber-physischen (CPS) bzw. Internet of Things (IoT) -Systemen und Künstlicher Intelligenz möglich ist. Prozessschritte werden in Echtzeit beschrieben und Ereignisse abgeleitet. Dies geschieht durch existierende Daten der automatisierten Produktion und neuer Datenquellen, sowie der Kombination von identifizierten und digital erhobenen Kennzahlen. Ereignisinformationen sind dabei beispielsweise der Zustand von Teilen, Baugruppen oder Produkten. Mittels einer Middleware werden die Ereignisse semantisch beschrieben, in einen Kontext gebracht, in einer Datenplattform persistiert und schließlich mittels erklärbarer KI in einer Auswertungssoftware analysiert, sodass abschließend Maßnahmen zur Steuerung des Prozesses in Echtzeit abgeleitet werden können.

Auf Basis derartig strukturierter und verketteter abgelegter Daten aus den Produktions- und Prüfmaschinen werden Systeme entwickelt, die vorausschauend beispielsweise Qualitätsvorfälle, sich verändernde Prozessparameter oder Wartungsbedarfe von Maschinen erkennen. Dazu werden Methoden aus der Statistik wie Korrelationsanalysen sowie Ansätze der Künstlichen Intelligenz angewandt.

Dies ermöglicht es, Konfigurationsbedarf von Internet of Things fähigen Geräten oder Eingriffe in den Prozessen frühzeitig Mitarbeitern mitzuteilen, sodass die untersuchten Prozesse optimal laufen.

Einsatz in der Praxis

Beim Anwendungspartner Siemens wurden folgende Use Cases an den Standorten Amberg und Cham analysiert und umgesetzt:

• Reduzierung des Instandhaltungsaufwands von Produktionsanlagen (Predictive Maintenance)
• Vermeidung von Nacharbeiten bei der Justage von Leistungsschaltern
• Beschleunigung von Anlagenhochläufen

Dazu hat Fraunhofer IIS Anknüpfungspunkte zu vorhandenen Daten untersucht und recherchiert. Aufgedeckte Schwachstellen der bestehenden Anlagen wurden durch zusätzliche CPS-Komponenten abgesichert, wodurch die Datengrundlage so verbessert wird, so dass der Einsatz von KI einen signifikanten Mehrwert für die Use Cases bieten kann. Infolgedessen wird beispielsweise mit geringen Hardwarekosten für Sensoren ein Vibrationsdatenprofil aufgezeichnet, aus dem der tatsächliche Zustand von Produktionsmodulen abgeleitet werden kann. Die zeitgenauen Zustandsinformationen werden anschließend mit Informationen aus weiteren Datenquellen wie z.B. der Produktionssteuerung oder den Instandhaltungsdaten verknüpft werden. Auf der Basis dieser Datenintegration werden Zusammenhänge erforscht, die später zur Optimierung der Anlage genutzt werden sollen.