AI entfaltet die volle Leistung in der Produktion, wenn sie von Beginn an berücksichtigt wird. AI und Transformation gehören zusammen.
Seit einigen Jahren begleiten wir unsere Kunden dabei, ihre industriellen Prozesse nach Optimierungsmöglichkeiten mit Hilfe von lernenden Systemen zu durchforsten. Üblicherweise findet man an irgendeiner Maschine oder einer logistischen Bereitstellungseinrichtung Ansätze zur Umsetzung einer Lösung in neuronaler Architektur.
Doch es kam vor, das auf das gerade fertiggestellte Deep Neuronal Network verzichtet wurde aufgrund der zusätzlich erforderlichen Hardware oder es durch Einsatz einer neuen Technologie nicht mehr erforderlich war. Das gab Anlass unsere grundsätzliche Herangehensweise zu hinterfragen.
Das große Ganze
Bevor wir heute bei einer bestehenden Fertigungsanlage über weitere Optimierungen nachdenken, treten wir zunächst gedanklich einen Schritt zurück um uns der eigentlichen Aufgabe der Produkte bewusst zu werden. Idealerweise stellen wir im Beisein des Auftraggebers und manchmal auch ein oder mehreren seiner Kunden viele Fragen, die zum Nachdenken anregen sollen, wie z.B.:
- Welchen genauen Zweck erfüllt das Produkt für den Kunden?
- Welchen Mehrwert erzeugt es für den Kunden und für die Gesellschaft?
- Wird es in 5 bis 10 Jahren noch gebraucht?
- Wird es dann noch genauso gefertigt wie heute?
- Könnte das Produkt noch mehr für die Kunden leisten?
- Kann der Kundennutzen vielleicht auf eine völlig andere Weise erzeugt werden?
- Wurden die eingesetzten Materialien nachhaltig gefördert und lassen sie sich wiederverwenden bzw. recyclen?
Es hilft, wenn man sich fragt, welchen Prozess ein Startup entwickeln würde, wenn es dieselbe Aufgabe nach modernen Gesichtspunkten lösen sollte. Hier würden Umweltfaktoren wie Energieeffizienz oder CO2-Footprint in den Vordergrund gesetzt und dann nach einem besonders eleganten Weg gesucht. Erfahrungsgemäß ist es sehr unwahrscheinlich, dass am Ende die bestehende, klassische Fertigungslinie wettbewerbsfähig bleibt.
AI und Transformation gehören einfach zusammen.
Produktion
Wie kann die zukünftige Fertigung schnell automatisch auf neue Varianten oder unterschiedliche Losgrößen umgestellt werden?
Welche Intelligenz braucht eine moderne Fertigung und wie kann eine AI dabei helfen? Man kann darauf achten, dass die Informationen die zur permanenten Anpassung der AI verwendet werden, ausreichend qualifiziert sind. Je mehr Parameter zur Optimierung herangezogen werden, umso genauer wird das Ergebnis. Die Sensorik an den Adapterstellen kann schon beim Layout danach ausgelegt werden.
Moderne Maschinen werden aus vielen autonomen Modulen aufgebaut, die über genormte Schnittstellen zusammengestellt werden können. An jeder Schnittstelle entstehen Daten, die zentral über eine AI ausgewertet werden können, das kann schon beim Design berücksichtigt werden.
Zu produzierende Produkte sollten eine überschaubare Anzahl an Varianten haben. Flexibilität für den Kunden kann anstelle einer kostenintensiven Diversifikation auch mit Hilfe von intelligenten Komponenten hergestellt werden, die sich von außen konfigurieren lassen.
Stark belastete Module können redundant verbaut werden und eine AI entscheidet entsprechend der aktuellen Last über das einzusetzende Element oder bei hoher Last vielleicht sogar für beide.
Umsetzung
Ein industrieller Prozess ist häufig sehr komplex. Viele Parameter fließen gleichzeitig unter wechselnden Bedingungen ein. Mit Hilfe von klassischen Optimierungsalgorithmen lassen sich solche Prozesse verbessern. Sie lassen sich für eine Bedingung vielleicht noch überschaubar aufstellen. Sobald sich die Umgebung jedoch ändert, müssen sie angepasst werden und gelten dann nur noch in diesem Kontext.
Eine selbst lernende AI, die unter allen möglichen Bedingungen trainiert wird erzeugt ihren Algorithmus selbst in Form von Schwellenwerten der Knoten in seinen Knotenschichten und kann bei Bedarf während des Betriebes weiterlernen.
Für die Integration von künstlich intelligenten Prozessen werden sehr gute Kenntnisse im Bereich der aktuellen Algorithmen benötigt. Die Forschung in diesem Bereich findet zur Zeit sehr intensiv statt, sodass die Verfahren ständig verbessert werden.
Eine Aufgabe für den Entwickler ist die Lernumgebung herzustellen, in der alle Bedingungen und Eigenschaften berücksichtigt werden können. Dazu existieren einige sehr gut geeignete Werkzeuge.
Nachdem die neuronalen Netze trainiert sind, müssen sie auf die geeignete Hardware aufgespielt werden. Die großen energiefressenden Einschübe mit Multiprozessorsystemen werden z.Zt. abgelöst durch stromsparende „embedded systems“, die nur noch aus dem neuronalen Netz bestehen. Die fertig trainierte Software kann über Standard I/O Ports übertragen werden. Diese Systeme können mit Hilfe von echtzeitfähigen Hochsprachen weiter verfeinert werden.
Abschließend müssen Fertigungsdaten orchestriert werden und mit Hilfe von Machine-Learning-Algorithmen ausgewertet werden.
AI und Transformation
Selbstverständlich finden wir einige dieser modernen Ansätze und AI-Einsatz bei unserem Klienten auch schon vor, jedoch hat es sich bisher immer gelohnt, noch einmal alles neu zu bewerten.
Mit Hilfe von integralem Einsatz einer guten AI-Architektur lassen sich im industriellen Kontext zukünftige Veränderung bei Kundenverhalten, Lebenszyklen oder Störungen voraussagen, Produkte verbessern, Kosten reduzieren, Nachhaltigkeit steigern und viele weitere wichtige Erkenntnisse gewinnen.
AI und Transformation gehören zusammen.
