KI gibt es nicht von der Stange. Künstliche Intelligenz für die Automatisierungstechnik.

KI gibt es nicht von der Stange. Künstliche Intelligenz für die Automatisierungstechnik.

Das Potenzial von künstlicher Intelligenz in der Produktion wird immer besser sichtbar. Parallel steigt auch das Angebot für KI-Funktionalität in der Automatisierungstechnik. Mitsubishi Electric fasst unter der Marke Maisart einen bunten Strauß an entsprechenden Features zusammen. Auf welche Anwendungsbereiche sie abzielen und ob sie wirklich schon einsatzbereit sind, darüber hat das SPS-MAGAZIN in der europäischen Zentrale in Ratingen nachgefragt.

Mit dem Einsatz von künstlicher Intelligenz zielt Mitsubishi Electric nicht nur auf smartere Produkte ab, sondern auch auf höhere Sicherheit und mehr Benutzerkomfort. In der Konsequenz will sich das Unternehmen mit der KI-Plattform Maisart nicht nur im Geschäftsbereich der Automatisierungstechnik positionieren, sondern vielmehr ganzheitlich über ein breites Branchenspektrum. So werden die smarten Algorithmen aus dem KI-Programm bereits für die Steuerung von Klimaanlagen, die Navigation von mobilen Einheiten oder die vorausschauende Wartung von Robotern eingesetzt. Technologisch kombiniert die Plattform verschiedene Ansätze: Deep Learning, Reinforcement Learning und Big Data Analytics. Doch wie profitiert das Anwendersegment der Maschinenbauer und Fertigungsunternehmen von diesem Angebot? Dazu geben Division Manager Stefan Knauf und Marketing Manager Jan-Philipp Liersch Auskunft.

Bei Maisart hat es Mitsubishi Electric geschafft, neuronale Netze so zu dimensionieren, dass sie in eine Firmware passen.
Stefan Knauf, Division Manager Industrial Automation at Mitsubishi Electric

Mitsubishi Electric hat schon 2017 sein Maisart­-Konzept vorgestellt. Wie weit sind sie mittlerweile damit gekommen?

Stefan Knauf: Aktuell werden immer mehr KI-Features aus unserer Entwicklung in konkrete Produkte überführt. Solche Smart-Plus-Optionen bieten wir in der Automatisierungstechnik etwa schon für Steuerungen, Servoantriebe oder Roboter an.

Jan-Philipp Liersch: Dabei verfolgen wir einen besonderen Ansatz, denn Maisart nötigt den Anwender nicht dazu, Mehrwert nur über die Cloud und mit einer Riege von Data Scientists generieren zu können. Ganz im Gegenteil: Unsere Philosophie ist es, die KI schon dort zu nutzen, wo die Daten generiert werden. Nur dann kann man Rückschlüsse direkt ziehen und Maßnahmen unmittelbar zurück in den Prozess – sprich die Maschine – spielen. Gleichzeitig reduzieren sich der Datenverkehr, die vorzuhaltende Serverkapazität oder nötige Security-Anstrengungen.

Knauf: Im Zweifel vereinfachen sich nicht nur die Strukturen, sondern auch die Geschäftsprozesse. Denn nicht alle Datensätze müssen zwingend in höhere Ebenen weitergeleitet werden – Smart Data statt Big Data lautet die Devise: Daten aufzeichnen, aussortieren, auswerten. In der Folge kann der Anwender KI-Funktionen über die Hardware von Mitsubishi Electric schnell und unkompliziert im Prozess integrieren. Bei Bedarf lässt sich aber natürlich auch eine umfassende und individuelle Datenanalyse, z. B. auf dem Edge-Level umsetzen. Auch hier ist Maisart bereits bei einigen Kunden in der Anwendung.

Der Anwender kann mit einzelnen KI-Funktionen starten und sie später auf die komplette Fabrik ausweiten.
Jan-Philipp Liersch, Marketing Manager Industrial Automation at Mitsubishi Electric

Wie erfahren Kunden, ob Maisart überhaupt passende KI­-Featu­res für ihr Anliegen bereithält?

Knauf: Es bringt uns wenig, pauschal das komplette Portfolio an Algorithmen zu präsentieren. Stattdessen starten wir anders herum und fragen den Kunden, welches Ziel er überhaupt hat bzw. welches Problem er lösen will. Bezogen auf einen Herstellungsprozess geht es meist um die Punkte: Wie lassen sich Fehler vermeiden? Und welche Faktoren haben überhaupt Einfluss auf die Qualität der Produkte? Deshalb bezieht unser Ansatz ganz bewusst die Leute an der Maschine mit ein. Denn sie haben ja in der Regel die meiste Erfahrung und wissen am besten, wo es im Prozess klemmt.

Liersch: Bis ein Datenanalyst in der Cloud auf Schwachstellen kommt, verliert man im Zweifel viel Zeit. Der Einsatz einer Big-Data-Lösung ist also viel aufwändiger, als wenn man die lokal erfassten Daten nutzt. Gerade wenn man direkt mit den Verantwortlichen für die unterschiedlichen Prozessschritte über die für sie relevanten Daten spricht. KI gibt es eben nicht von der Stange.

Sie müssen also individuell auf jeden Kunden zugehen?

Liersch: Richtig. Auch weil die Maschinenbauer und Endanwender beim Thema KI unterschiedlich weit sind. Wir haben Kunden, die schon viel Erfahrung bei der Datenanalyse gesammelt haben. Sie können mit uns auf einem anspruchsvollen Level diskutieren. Für andere Firmen ist das Thema oft noch schwer greifbar. Dann fängt man ganz vorne, bei den KI-Basics an.

Knauf: Doch egal ob KMU oder Konzern, ob Maschinenbediener oder technischer Geschäftsführer: Es braucht immer einen, der eine Idee hat, mit KI künftig Mehrwerte zu schaffen. Die großen Visionen kommen eher aus den oberen Etagen. Die konkreten Ideen meist aus dem Fertigungslevel. Letztlich muss künstliche Intelligenz aber durchgängig auf allen Ebenen angenommen werden. In diesem Sinne lässt sich aktuell gut beobachten, dass sowohl das Anwendungsspektrum für KI wächst als auch die Bereitschaft, sie zu nutzen.

Liersch: Ein Bereich, in dem sich das sehr anschaulich darstellen lässt, ist die Robotik.

Inwiefern?

Liersch: Die Komplexität der Robotersysteme nimmt immer weiter zu. Es bedarf smarter Algorithmen und ausreichend Rechenleistung, um die Anwendungen weiterhin beherrschbar zu halten. Das beste Beispiel ist der Trend zu einer direkten Zusammenarbeit zwischen Mensch und Roboter. Um diese sicher und sinnvoll zu gestalten, bedarf es künstlicher Intelligenz. Ohne wäre ein Roboter wie der Melfa Assista von Mitsubishi Electric, der sich auf Knopfdruck von einem klassischen Industrieroboter in einen Cobot ver- wandelt, überhaupt nicht denkbar. Die Kinematik ist sogar so smart, dass an vielen Stellen auf zusätzliche Sensorik verzichtet werden kann. Allein durch die intelligente Regelung erhält sie kollaborative Fähigkeiten.

Knauf: Ein weiterer Bereich, in dem man die Entwicklung von KI-Features gut beobachten kann, ist die industrielle Bildverarbeitung. Hier ist KI ja schon viele Jahre im Einsatz – etwa bei der Erkennung von Gut- und Schlechtteilen. Durch die steigende Rechenleistung und verbesserte Algorithmen schreiten die Möglichkeiten von Robot Vision immer weiter voran. Soweit, dass Roboter heute die nötige Parametervielfalt beherrschen, um etwa die Qualitätskontrolle von Naturprodukten in der Lebensmittelindustrie – also Obst oder Gemüse – zu übernehmen.

Und der Anwender soll ohne KI­-Spezialwissen Schritt mit die­ser Entwicklung halten?

Liersch: Das ist ein zentraler Aspekt für den Erfolg. Deshalb ist die unkomplizierte Anwendbarkeit von KI-Funktionen unsere oberste Devise. Ob es um Optionen wie Temperaturkompensation, Kraft/Momenten-Regelung oder autonome Bahnplanung geht: Natürlich nutzen unsere KI-Lösungen komplexe Modelle. Wir bereiten sie aber für eine einfache Nutzung auf. Der Anwender muss also kein großes KI-Knowhow mitbringen.

Zudem kann er auch im Kleinen, mit einzelnen Funktionen an einer Maschine starten. In weiteren Schritten lässt sich der Einsatz von künstlicher Intelligenz dann über das Edge-Level oder die Cloud auf die komplette Fabrik ausweiten. Auch darauf ist das Konzept von Maisart von vorneherein ausgelegt.

Ist die Ihre heutige Generation an Automatisierungshardware denn schon durchgängig KI­-fä­hig?

Knauf: Bei Maisart hat es Mitsubishi Electric geschafft, neuronale Netze so zu dimensionieren, dass sie in eine Firmware passen. Diese wird jetzt auf immer mehr Produkte aus dem Mitsubishi Electric Portfolio übertragen und hält – weil Maisart bereichsübergreifend aufgesetzt ist – auch in immer mehr Anwendungsbereiche und Branchen Einzug. Von der Automatisierung über die Gebäudetechnik bis hin zu Automotive.

Auf dieser Reise lässt sich meines Erachtens gut beobachten, dass die Zeit für den Einsatz von KI in der Produktion jetzt wirklich reif ist. Immer mehr Anwender haben verstanden, welches Potenzial dort schlummert. Auch der Generationswechsel auf Ingenieurs- und Technikerseite trägt zu besserer Wahrnehmung bei. Nicht zuletzt hat man ja auch im privaten Umfeld immer mehr Berührungspunkte mit künstlicher Intelligenz.

Beobachten Sie diese Entwicklung auch bei den eigenen Mitarbeitern?

Knauf: Auf jeden Fall. Voraussetzung für den Erfolg von Maisart ist es letztlich auch, das eigene Team fit für künstliche Intelligenz zu machen. Erst dann können wir KI-Funktionen im großen Stil in den Markt bringen. Das ist aber – ehrlich gesagt – ein längerer Prozess, in dem wir noch mitten drin sind.

Liersch: Eine große Hilfe ist hierbei unser e-F@ctory-Netzwerk. Denn es bietet ja überall dort, wo das Portfolio von Mitsubishi Electric Grenzen hat, unglaublich vielseitige Erweiterungsoptionen. Und so finden sich unter den Partnern viele Firmen, die bereits spezielles Handwerkszeug für die Implementierung von KI mitbringen – und bei entsprechenden Anwendungen wertvolle Unterstützung leisten.

Das große Ziel von Mitsubishi Electric bei Maisart ist es, einen echten Industriestandard für KI im Markt zu implementieren – die Abkürzung steht ja für „Mitsubishi Electric’s AI creates the State-of-the-Art in Technology“. Und so etwas geht bekanntlich am besten Hand in Hand mit Partnern und dem Kunden.

SPS-Magazin 2/2022

Melfa Assista

Der Roboter Melfa Assista von Mitsubishi Electric bietet dieselbe Präzision und Positioniergenauigkeit wie ein herkömmlicher Industrieroboter, ist aber einfach bedienbar und wechselt auf Knopfdruck zwischen kooperativem und kollaborativem Einsatz. Er führt komplexe Montageaufgaben zuverlässig aus. Gleichzeitig reagiert er flexibel auf sich ändernde Rahmenbedingungen. Die Einrichtung wird durch eine direkte Teach-Funktion vereinfacht. Am auf dem Roboterarm eingebauten Tastenfeld wird die Position gespeichert. Für komplexere Verfahrwege gibt es zudem eine visuelle Programmiersoftware. Sie ermöglicht es, auf einem Tablet per Drag&Drop Bewegungsfunktionen sowie individuelle Anpassungen zu programmieren – ohne spezielle Roboterkenntnisse. Der Melfa Assista hat eine Wiederholgenauigkeit von ±0,03 mm bei einer Nennlast von 5 kg und einem Reichweitenradius von 910 mm. Das Spektrum der möglichen Anwendungen umfasst etwa die Bereiche Laborautomation, Präzisionsmontage, hochwertige Verpackung und Komponenten-Handling.

Und das bewältigt er sogar mit noch mehr „Gefühl“ sowie 50 % reduzierter Kraftanwendung von 20 Newton auf 10 Newton …

Beim Montieren von Leiterplatten und Einsetzen von mechanischen Teilen wurde die Zykluszeit von 5,5 Sekunden auf 1,9 Sekunden gesenkt. Was macht MAISART dabei anders?

In modernen Industrieländern wird Automatisierung immer wichtiger. Dies entsteht aus einer Kombination an verfügbaren Arbeitskräften sowie aus wirtschaftlichen Aspekten. Der konventionelle Weg war zeitaufwändig und führte zu einer deutlich höheren Zykluszeit.

Bislang erforderten automatische Systeme für Präzisionsmontage und Bestückungsvorgänge die Programmierung und Parameteranpassung durch qualifiziertes Personal, um die Flexibilität der von Menschen ausgeführten Montageprozessen zu erreichen. Diese Anforderungen erhöhen die Montagekosten und den Zeitaufwand, den die Hersteller reduzieren wollen.

Dank der Maisart AI-Technologie von Mitsubishi Electric verkürzt der neue, schnelle Force-Feedback-Steuerungsalgorithmus die Montagezeit und vermeidet zu heftige Bewegungen der Montageroboter. Die Technologie ermöglicht es, Parameter für Aufgaben wie die Geschwindigkeit schnell und präzise einzustellen. Insbesondere können hochpräzise Kraftsensordaten einbezogen werden, ohne dass die Roboter angehalten werden müssen. Konventionell werden Roboter vor der Einführung einer Kraftrückkopplungssteuerung angehalten – der neue Algorithmus von Mitsubishi Electric macht diesen Schritt jedoch nun überflüssig.

Die neue KI-Technologie ermöglicht schnelles und stufenweises Lernen mit Hilfe der verbesserten Lernfähigkeit von Maisart, was eine erhebliche Verbesserung gegenüber herkömmlichen Methoden darstellt, welche eine enorme Lernzeit benötigen, um unterschiedliche Inhalte und deren Kombinationen zu prüfen. Mitsubishi Electric hat sein Know-how in der Industrieautomation, im Bereich Werkzeugmaschinen und in der Technologie für autonomes Arbeiten genutzt, um die Lernfähigkeit der KI zu verfeinern und das schrittweise Aneignen von Arbeitsprozessen zu vereinfachen. Anstatt die gesamte Technik auf einmal zu erlernen, vereinfachte das Unternehmen die Lerninhalte und fügte ein einfaches, automatisches schrittweises Lernen hinzu, um den Lernprozess schneller und effizienter zu gestalten. Interne Tests ergaben, dass die für die Programmerstellung benötigte Zeit nur ein Zehntel der Zeit beträgt, die für manuelle Prozesse benötigt wird.

Um die Taktzeit (durchschnittliche Zeitspanne zwischen Produktion einer Einheit und Beginn der Arbeit an der nächsten) beim Einsatz von Produktionsanlagen wie z. B. Industrierobotern zu verkürzen, müssen Fachkräfte üblicherweise zahlreiche Einstellungen an den Produktionsanlagen vornehmen. Mit der neuen KI von Mitsubishi Electric werden die Anpassungen von Route, Geschwindigkeit, Beschleunigung usw. hingegen automatisch vorgenommen. Die Vorgehensweise wird zuvor in einem Simulator erlernt, so dass die KI automatisch Änderungen vornehmen kann, um die Taktzeit zu verkürzen, ohne einen Bildsensor zu verwenden. Das Ergebnis ist eine Produktivität, die der von Facharbeitern eingestellten Anla- gen entspricht oder diese sogar übertrifft.

Auch in Zukunft wird Mitsubishi Electric seine proprietäre KI-Technologie einsetzen, um intelligente Industrieroboter und schnelle Force-Feedback-Steuerungsalgorithmen für schnellere und kostengünstigere Montagesysteme zu entwickeln.

Bei dem gezeigten Beispiel kann MAISART den Prozess so beschleunigen, dass ein Roboter die Arbeit von nahezu drei Robotern leisten kann.

KI-Lösung von Mitsubishi Electric Europe B.V. ist Preisträger beim CO₂-Wettbewerb von Renault und Google

Eine intelligente Datenverfolgungs- und Überwachungslösung, die von Mitsubishi Electric für Automobilwerke entwickelt wurde, hat beim Hackathon CO₂ Industry Wettbewerb den zweiten Platz belegt.

Der Wettbewerbsbeitrag wurde von Global Key Account Manager Stephen Methogo und Senior Application Engineer Houari Derraz, Mitsubishi Electric Europe, Frankreich, eingereicht. Die Lösung nutzt Daten-Tracking, um den Energieverbrauch in Echtzeit zu visualisieren, zu sammeln und zu melden. Auf der Grundlage der gesammelten Daten werden durch KI Erkenntnisse gewonnen, um die Prozessemissionen auf Betriebs-, Werks- und globaler Ebene zu reduzieren.

Die Veranstaltung fand vom 23. bis 25. November 2021 in der innovativen Renault Re-Factory in Flins, Frankreich, statt. Die Fabrik setzt auf die Entwicklung von Kooperationspartnerschaften und Technologien, um vier Hauptbereiche der Nachhaltigkeit anzugehen.

Der Hackathon CO₂ Industry Wettbewerb befasst sich mit der Dekarbonisierung der Fabriken. Die Veranstaltung wurde von Renault und Google veranstaltet und von Startup Inside begleitet. Die Veranstaltung spricht Interessenten aus dem Energiebereich, Industrieausrüstungen und digitale Unternehmen an und bietet neue Einblicke in Innovationen im Umweltbereich. Stephen Methogo kommentiert: „Wir freuen uns über die Anerkennung durch diese Veranstaltung, zumal unsere Arbeit zur Erreichung der CO₂ – Reduktionsziele im Automobilsektor auch im Mittelpunkt der globalen Environmental Sustainability Vision 2050 von Mitsubishi Electric steht.“

MELFA Smart Plus Card

Die MELFA Smart Plus Card reduziert Ausfallzeiten durch frühzeitige Erkennung von Anomalien (vorausschauende Wartung).

Die Funktion der vorausschauenden Wartung nutzt Maisart, um Anomalien in den Antriebssystemen* von Robotern frühzeitig zu erkennen und zu melden, um so Ausfallzeiten zu reduzieren.

Die hochpräzise vorausschauende Wartung wird durch einfaches Einstecken der Karte in die Robotersteuerung erreicht, ohne dass ein weiteres Gerät oder ein Sensor hinzugefügt werden muss.