Sowohl Endkunden als auch Industrie benötigen in immer kürzeren Abständen neue Produkte und Produktvarianten. Die Hersteller sehen sich nicht nur solchen Time-to-Market-Anforderungen gegenüber, sondern stehen auch unter ständigem Druck, die Produktivität zu steigern, Ressourcen zu sparen und Kosten zu senken. All dies hat zu einem starken Bedarf an neuen adaptiven und veränderbaren Anlagen und insbesondere an entsprechenden Automatisierungslösungen geführt. Gerade das Engineering, also das Anpassen der Automationslösung durch Experten, hat sich als Engpass erwiesen, daher müssen Engineering-Umgebungen für Automatisierungslösungen neu erfunden werden.
Künstliche Intelligenz (KI) ist ein Schlüssel zur Bewältigung dieser Herausforderungen. Aktuell bringen KI und vor allem Maschinelles Lernen (ML) ganz neue Automationsansätze hervor, vor allem für adaptive, d.h. veränderliche Systeme (z.B. für neue Produktvarianten). Diese KI-Ansätze erlauben es automatisch die Produktionsabfolge, d.h. die Automationstrategie, zu erstellen bzw. an neue Anforderungen anzupassen — anstelle der bisherigen aufwändigen manuellen Arbeiten. Andere KI-Komponenten wie Predictive Maintenance oder Energieananalysen nutzen maschinelles Lernen, um Anlagen zu überwachen.
Während solche Ansätze zur adaptiven Produktion seit Jahren in der europäischen Agenda gefordert werden, wurden bisher nur einige einzelne Aspekte wie Anlagenmodularisierung, Software und mechatronische Komponenten oder Parameteroptimierung untersucht. Für das Kernproblem wurde bisher keine allgemeine Lösung entwickelt. Dies ist hauptsächlich auf das Problem der fehlenden Engineeringmethoden zurückzuführen:
Aus Sicht der Anwender sind gerade die Engineeringansätze für solche adaptiven Systeme eine Kernherausforderung: Zum einen geht es darum, schneller auf neue Anforderungen als bisher reagieren zu können. Zum anderen werden auch ML und KI Algorithmen auf Dauer als SW-Komponenten verfügbar sein. Solche SW-Komponenten müssen aber in einer Engineering-Umgebung durch Integratoren und Maschinenbauer (d.h. durch Personen nicht aus dem KI-Bereich) zu Gesamtlösungen zusammengefügt werden. D.h. Kernproblem ist nicht die algorithmische Erstellung solcher KI/ML-Komponenten, sondern die Engineering-Umgebung. Entsprechende Engineering-Ansätze existieren heute nicht.
Als Lösung wird in diesem Projekt ein neuer offener Engineering-Ansatz mit offenen Schnittstellen entwickelt, welcher die Integration von ML- und KI-SW-Komponenten in das Engineering ermöglicht. Eine Kernidee sind Assistenzfunktionen, um Anlagenbetreibern bei der schnellen Erstellung neuer Automationslösungen zu unterstützen.
Projektlaufzeit: bis 31.8.2024
Ansprechpartner: Marvin Schieseck und Philip Topalis
Beteiligte Professuren:
Professur für Informatik im Maschinenbau mit den Mitarbeitern René Heesch und
Julian Putzke
Externe Links:
EKI: https://dtecbw.de/home/forschung/hsu/projekt-eki/imod
dtec.bw: https://dtecbw.de/home
Dieses Projekt wird gefördert durch das Zentrum für Digitalisierungs- und Technologieforschung der Bundeswehr – dtec.bw
Letzte Änderung: 13. März 2023