interview

Andritz Metris UX: Adding KI-Apps for better Process-Operations

Wie Künstliche Intelligenz und Domain-Know-how Prozessanlagen effizienter gestalten: Während manche sich noch den Kopf darüber zerbrechen, ob sie in das Thema Digitalisierung einsteigen sollen, überlegen andere bereits den nächsten Schritt: den Einsatz digitaler Assistenten, die zu einem Mehr an Effizienz und Produktivität führen. Mag sein, dass manche das Thema KI derzeit „nur“ als einen weiteren Marketing-Hype ansehen – doch das Unternehmen Andritz, ein weltweit tätiger Maschinen- und Anlagenbauer aus Graz, begleitet bereits seit Längerem viele seiner Kunden in das neue Zeitalter von virtuellen Assistenten, die dem Operator Empfehlungen anbieten und die Produktionsprozesse vorausschauend automatisch optimieren. Das Ziel sind autonome bzw. vollautomatische Maschinen und Anlagen durch den Einsatz von Künstlicher Intelligenz (KI) – auch Artificial Intelligence (AI) genannt. Dazu gibt Hermann Obermair, Senior Vice President bei Andritz Automation, im Gespräch mit x-technik einen tiefen Einblick in Sachen KI-Apps made by Andritz. Das Gespräch führte Luzia Haunschmidt, x-technik

Um einen auf KI beruhenden Machine Learning-Prozess in Gang zu bringen, werden bei Andritz Data-Scientists gemeinsam mit Domain-Experten tätig, die den Anlagen-Prozess auf die Modelle übersetzen. Und da Andritz nicht nur die Maschinen bzw. Anlagen an seine Kunden liefert, sondern auch über das entsprechende Prozess-Know-how verfügt, können wir unseren Kunden bei der Entwicklung ihrer Machine-Learning-Prozesse von allen Seiten bestmöglich und umfangreich unterstützen – also ganzheitlich, wie ein Blick durch

Um einen auf KI beruhenden Machine Learning-Prozess in Gang zu bringen, werden bei Andritz Data-Scientists gemeinsam mit Domain-Experten tätig, die den Anlagen-Prozess auf die Modelle übersetzen. Und da Andritz nicht nur die Maschinen bzw. Anlagen an seine Kunden liefert, sondern auch über das entsprechende Prozess-Know-how verfügt, können wir unseren Kunden bei der Entwicklung ihrer Machine-Learning-Prozesse von allen Seiten bestmöglich und umfangreich unterstützen – also ganzheitlich, wie ein Blick durch

Die Digitalisierung in Verbindung mit Künstlicher Intelligenz (KI) eröffnet enorme Möglichkeiten in vielen Branchen – so auch in der Prozessindustrie. Herr Obermair, welche Vorteile sehen Sie vorrangig durch den Einsatz von Digitalisierung und KI?

Auf den Punkt gebracht, erreicht man mittels Digitalisierung und Künstlicher Intelligenz eine effizientere Steuerung und Stabilisierung des Anlagenbetriebs, die Minimierung von Ausfallzeiten, die Optimierung von Betriebskosten und darüber hinaus auch noch die Verlängerung der Anlagen-Lebensdauer.

Metris AVA (Advanced visual analysis) – also die automatisierte Bilderkennung – ist ein System, welches dem Bediener sowie der Anlagensteuerung eine automatisch in Daten umgelegte Erkennung von aufgenommen Bildern erlaubt. Dieses Analysesystem ist für alle Prozesse und Umgebungen konzipiert und kombiniert Kameras, moderne Bild-Algorithmen sowie maschinelles Lernen mit Andritz Prozess- und Anlagen-Kenntnissen.

Metris AVA (Advanced visual analysis) – also die automatisierte Bilderkennung – ist ein System, welches dem Bediener sowie der Anlagensteuerung eine automatisch in Daten umgelegte Erkennung von aufgenommen Bildern erlaubt. Dieses Analysesystem ist für alle Prozesse und Umgebungen konzipiert und kombiniert Kameras, moderne Bild-Algorithmen sowie maschinelles Lernen mit Andritz Prozess- und Anlagen-Kenntnissen.

Seitens der Digitalisierung punktet Andritz ja schon seit vielen Jahren mit seiner umfassenden IIoT-Plattform (METRIS UX) und bietet dazu zig Apps von der klassischen Automatisierung (METRIS X) bis hin zur fabrikweiten Performance-Steigerung von Prozessanlagen an. Welches Ziel verfolgt Andritz mit dem Einsatz von Künstlicher Intelligenz?

Damit verfolgen wir das Ziel der „Autonomous Operation“, was heißt, dass unsere Kunden besser, schneller und mehr mit ihren Anlagen produzieren können. Es hat sich herausgestellt, dass virtuelle Assistenten wiederkehrende Bedienertätigkeiten erlernen und dem Operator bis zu 80 % der manuellen Bedieneingriffe abnehmen können. So können mit einer gleichbleibenden Mitarbeiterzahl mehr Anlagen im Automatikmodus betrieben werden.

Autonomous Operation, also der vollautomatische Betrieb einer Anlage, ist aber auch unsere Antwort auf die Herausforderung, dass wir auf den Wissensschatz vieler erfahrener Anlagenbetreiber älterer Generationen nicht ewig zugreifen werden können. Machine Learning unterstützt bei der Prozessoptimierung und Andritz bietet unterschiedliche Strategien und Möglichkeiten.

Diese Andritz-Kräne sind die ersten autonom betriebenen Holzplatzkräne der Welt. Sie verfügen über die neueste Künstliche Intelligenz, wodurch das Holzhandling optimiert, Holzverluste minimiert und ein umweltfreundlicher und kostengünstiger Betrieb im Vergleich zu herkömmlichen Holzhandhabungslösungen sichergestellt werden.

Diese Andritz-Kräne sind die ersten autonom betriebenen Holzplatzkräne der Welt. Sie verfügen über die neueste Künstliche Intelligenz, wodurch das Holzhandling optimiert, Holzverluste minimiert und ein umweltfreundlicher und kostengünstiger Betrieb im Vergleich zu herkömmlichen Holzhandhabungslösungen sichergestellt werden.

Stichwort Machine Learning – bietet Andritz dazu verschiedenartige Tools, mit denen Anwender ohne Programmierkenntnisse einen derartigen Prozess aufsetzen können?

Beim automatisierten maschinellen Lernen ist zu beachten, dass hier zwei Welten aufeinanderprallen. Einerseits die Welt der Data Scientists und andererseits die der Prozessanlagen-Automatisierer. Andritz vereint beide Welten auf der Metris-Plattform und das Metris Application Studio erlaubt eine integrierte, auf KI basierende Applikation, welche die Sicht beider Welten zusammenführt.

Beispielsweise bieten wir mit der offenen Integration von unterschiedlichen Data Scientist Tools (Machine Learning Notebooks) eine nahtlos integrierte Arbeitsumgebung für Data Scientists, die direkt von der Universität kommen und KI-Anwendungen ohne Kenntnisse im Anlagenbau ermöglichen. Allseits bekannte KI-Entwicklungsumgebungen, wie Google Tensor Flow, Python etc. bieten die integrierte Grundlage für die Erstellung von KI- basierten Methoden und Modellen.

Entstanden ist diese integrierte Toolbox aus unserem Versprechen heraus, dass unsere Kunden ihre Anlagen optional mit ihren eigenen Data Scientists optimieren können. Die KI-basierten Modelle können als integraler Bestandteil direkt in die Automatisierung (Metris X) mitaufgenommen werden.

Die Automatisierungstechniker haben nun die Möglichkeit, diese Modelle direkt mit Hilfe der Automatisierung zu trainieren und die Ergebnisse in der Steuerung weiter zu verwenden. Die KI-basierten Modelle erscheinen wie Standard-Funktionsblöcke in der Steuerung und können somit direkt von den Automatisierungstechnikern für Steuerungs- und Regelungsaufgaben verwendet werden.

Mit der Metris-Plattform unterstützt Andritz seine Kunden vollumfänglich mit allen gängigen Artificial Intelligence-Methoden, Modellen und Technologien.

Mit der Metris-Plattform unterstützt Andritz seine Kunden vollumfänglich mit allen gängigen Artificial Intelligence-Methoden, Modellen und Technologien.

Als Basis für KI-basierte Modelle spielt jedoch auch die effiziente Erfassung von Daten eine wichtige Rolle.

Selbstverständlich! Daten sind der Grundbaustein aller KI-basierten Analyse- und Optimierungsmodelle. Aber es können nicht nur reine Prozessdaten, sondern auch andere Quellen, wie z. B. Bild- und Videoinformationen, als Basis für eine Analyse herangezogen werden.

Ein besonderes Augenmerk wird hierbei auf die kontinuierliche Verfügbarkeit der Daten gelegt. In der Praxis sind leider nicht immer alle Daten zu jedem Zeitpunkt in gleichbleibender Menge und Qualität vorhanden. Die Verwendung der Künstlichen Intelligenz ermöglicht es nun, einzelne Sensordaten auf Basis der Vergangenheit sowie unter Einbeziehung des jeweiligen Anlagenzustands nachzubilden, ohne dass das eigentlich gemessene Signal vorhanden ist – sogenannte Soft-Sensoren. Diese Soft-Sensoren können auch zur weiteren Behandlung und Optimierung im Prozess zur Verfügung stehen.

Könnte man somit sagen, dass künftig sämtliche Hardware-Sensorik obsolet wird?

Nein, das sicher nicht! Denn für die Automatisierung werden nach wie vor reale Sensoren benötigt, aber mit Hilfe von KI-Algorithmen und -Methoden lassen sich reale Sensoren gezielt mit maschinellem Lernen kombinieren. Sogenannte virtuelle Sensoren sind von realen Sensoren gelernte Verhaltensmodelle, die bei einem Ausfall dieser realen Sensoren ein digitales Abbild ermöglichen.

Im Gegensatz zu Softsensoren funktionieren virtuelle Sensoren ganz ohne physikalische „Lehrmeister“ und berechnen sich aus einer modellbasierten Korrelation vieler einzelner Prozessparameter. Softsensoren werden meist in verfahrenstechnischen Anlagen eingesetzt, bei denen eine direkte physikalische Messung entweder zu teuer oder zu aufwändig ist.

Ein gutes Beispiel hierfür ist ein Hochofen in der metallverarbeitenden Industrie zur Bestimmung der Temperatur von flüssigem Roheisen in verschiedenen Bereichen des Hochofens. Es gibt zwar verfügbare Hardware-Sensoren, diese sind jedoch sehr anfällig und extrem teuer. Mit Hilfe von KI-basierten virtuellen Sensoren sowie unter Einbeziehung von langjährigen Erfahrungs- und Modellwerten können solche Messungen über Korrelationen nachgebildet werden.

Darüber hinaus kann eine Mustererkennung aus Vibrations- und/oder akustischen Informationen genutzt werden, um Produktqualitäten zu erkennen und bei Abweichungen automatisch weiter Schritte abzuleiten (Anomalie-Erkennung).

All diese gesammelten Daten – entweder von realen oder virtuellen Sensoren – bilden die Grundlage für die Erstellung und den Betrieb von Machine-Learning-Modellen.

Nun, das ist heutzutage eigentlich kein neuer Hype – Machine Learning-Modelle bieten viele Automatisierer schon seit einigen Jahren an. Worin liegt bei Andritz der Mehrwert?

Um diesen KI-basierten maschinellen Lernprozess in Gang zu bringen, arbeiten Data-Scientists bei Andritz mit Domain-Experten zusammen, um den Anlagenprozess in die Modelle zu übersetzen. Und genau an dieser Stelle unterscheidet sich Andritz in seinem strategischen Ansatz grundlegend von anderen Anbietern. Viele Unternehmen erzählen ihren Kunden, dass es völlig ausreichend ist, laufende Datenaufzeichnungen und deren Analyse zur Verfügung zu haben, um einen Prozess durchleuchten und lernfähig gestalten zu können. Wir bei Andritz wissen allerdings aus langjähriger Erfahrung, dass es immer einen Data Scientist sowie die Kooperation mit Domain- und Prozessexperten braucht, um einen optimalen maschinellen Lernprozess aufzusetzen und ihn stetig wachsen zu lassen.

Und da Andritz nicht nur die Maschinen bzw. Anlagen an seine Kunden liefert, sondern auch über das entsprechende Prozess-Know-how verfügt, können wir unsere Kunden bei der Entwicklung ihrer Machine-Learning-Prozesse von allen Seiten bestmöglich und umfangreich unterstützen – also ganzheitlich, wie ein Blick durch eine holistische Brille!

Ein weiteres beliebtes KI-Thema der Automatisierungsbranche bezieht sich auf die Optimierung der gesamten Anlage. Wie sieht dazu das Angebot von Andritz für die Prozessindustrie aus?

Optimierung auf den Punkt gebracht ist die Fähigkeit, das beste Produkt zu den niedrigsten Kosten zu jeder Stunde des Tages zu produzieren, basierend auf den aktuellen Gegebenheiten, Einschränkungen und Möglichkeiten.

Um diese Ziele zu erreichen, spielt die Automatisierung eine entscheidende Rolle für eine optimale Leistung. In einigen Fällen kann es sich um eine einfache Lösung handeln, wie z. B. die Reparatur eines Ventils. Andere Fälle erfordern eine Analyse des Gesamtprozesses und eine Änderung des Betriebs, um eine Produktion außerhalb der Spezifikation, einen übermäßigen Verbrauch von Chemikalien und Energie oder unnötige Variabilität zu vermeiden.

Das Ergebnis ist eine Optimierung für gleichbleibende Qualität, höchsten Durchsatz bei minimalen Kosten und geringerem Verschleiß der Anlage.

Die Definition dieser oben genannten Rahmenbedingungen dient als Basis für die KI-Analyse-Tools. Diese sammeln kontinuierlich Informationen aus dem Prozess über jeden Regelkreis, jedes Steuerventil, jeden Motor und alle anderen Daten, die aus dem Produktionsprozess generiert werden.

Ausgefeilte Signalverarbeitungs- und Statistikwerkzeuge in der KI-Software identifizieren einzelne Regelkreise und Anlagenteile, die nicht optimal funktionieren und prognostizieren die wirtschaftlichen Auswirkungen auf den Produktionsprozess. Durch die Zusammenführung der Einzelergebnisse und ihrer Auswirkungen wird die Gesamtanlage mit Hilfe von KI-Technologien Schritt für Schritt optimiert.

Das lässt aufhorchen! Doch ist es dann nicht so, dass Optimierungsangebote auch nur auf Andritz-Anlagen funktionieren oder könnte man diese auch auf Fremdanlagen umlegen?

Die von uns bereitgestellten KI-Technologien sind grundsätzlich auf allen Anlagen in der Prozessindustrie anwendbar. Es gilt hier zu unterscheiden, ob die Daten direkt mit dem Metris-Automatisierungssystem (Metris X) erzeugt werden oder ob Schnittstellen zu anderen Systemen erforderlich sind. Funktional ist das Optimierungsergebnis für den Anlagenbetreiber jedoch das gleiche.

Und wo werden die Prozessdaten gespeichert? Sind diese dann beispielsweise in einer Cloud von Andritz …

Nein, alle Prozessdaten wie auch die Modelldaten und Korrelationsalgorithmen verbleiben von Anfang an immer beim Anlagenbetreiber. Dazu übergibt Andritz in seiner Rolle als Data Scientist lediglich die Werkzeuge mit den Modelldaten an den Domain-Experten (Anlagenbetreiber).

Das wirklich Besondere dabei ist – und da unterscheidet sich unsere KI-Lösung erheblich von denen anderer Anbieter –, dass sämtliche KI-Algorithmen und -methoden aus der Andritz-Entwicklungsabteilung kommen und nicht zwingend auf KI-Mechanismen von z. B. Cloud-Anbietern angewiesen sind.

Die gesamte Metris-Plattform, inklusive der KI-Funktionalitäten, kann zu 100 % lokal ohne jegliche Einschränkungen und ohne Schnittstellen zu externen Systemen (z. B. einer Cloud) genutzt werden. Damit sind Befürchtungen über mögliche Datenverluste, die Vermischung mit betriebsfremden Kennzahlen oder die Auslieferung von Betriebsgeheimnissen obsolet.

Gibt es bereits reale Best-Practice-Beispiele, wo KI-basierte Modelle zum Einsatz gebracht wurden?

Die Metris KI-Toolbox wird heute schon von vielen Kunden der Pulp & Paper-Industrie verwendet und wird sukzessive auch in anderen Prozessindustrien eingesetzt. Typischerweise liefert Andritz im Zuge der Maschinenlieferung auch diese KI-Modelle. Zusätzlich steht es dem Kunden frei, eigene KI-Methoden und -Modelle auf Basis des offenen Metris Control Studios nahtlos in die Metris X (Edge Control) Automatisierung zu integrieren.

Als konkretes Beispiel aus der Zellstoff- und Papierindustrie kann hier Metris FOX – ein automatisch generierter Fiber Online Index – genannt werden. Bis vor relativ kurzer Zeit konnten Bindung und Faserfestigkeit in der Zellstoffproduktion nur in einem Labor gemessen werden, was Zeit, Kosten und verzögerte Ergebnisse bedeutet, da der Zellstoff zum Zeitpunkt der Tests oft schon hergestellt war. Der ANDRITZ Fiber Online Index hat all dies geändert und bietet eine KI-basierte Lösung zur Echtzeitüberwachung der Zellstoffqualität.

Metris AVA (Advanced visual analysis) – also die automatische Bilderkennung – ist ein System, mit dem der Bediener und die Anlagensteuerung erfasste Bilder automatisch in Daten umwandeln können. Dieses Analysesystem ist für alle Prozesse und Umgebungen konzipiert und kombiniert Kameras, moderne Bild-Algorithmen und maschinelles Lernen mit dem Prozess- und Anlagenwissen von Andritz. Zum Einsatz kommt diese Technologie z. B. in Rückgewinnungskesseln zur Steigerung der optimierten Produktion sowie zur Vermeidung ungeplanter Stillstände und der damit verbundenen Wartungsarbeiten. In diesem Fall kann die Bilderkennung im Kessel sogar zur Reduzierung der eingesetzten chemischen Rohstoffe und der damit verbundenen geringeren Emissionen genutzt werden.

In der metallverarbeitenden Industrie kommt Metris AFC (Advanced furnace control) zum Einsatz. Diese App wurde auf Basis von KI-Algorithmen entwickelt und ermöglicht z. B. die optimierte Steuerung eines Heiz- und Kühlprozesses bei gleichzeitiger exakter Temperaturvorhersage. Damit kann z. B. die Oberflächenqualität von Stahlbändern optimiert werden. Obwohl die AFC-Technologie noch recht jung ist, hat sie sich bereits bestens bewährt – etliche Technologieführer der Metallindustrie setzen die Metris AFC-App bereits heute in ihren Fertigungsprozessen ein und sind mit den erzielten Ergebnissen überaus zufrieden.

Herr Obermair, vielen Dank für Ihre aufschlussreichen Ausführungen. Wir sind schon gespannt, auf welchen anderen Gebieten der Prozessindustrie sich KI noch anwenden lässt.

Filtern

Suchbegriff

Unterkategorie

Firmen

Inhaltstyp

Firmentyp

Land