Siemens AG Österreich MindSphere: Von reaktiv zu proaktiv

Der digitale Applikationszwilling ist die Basis, um davon bestimmte Abläufe auf einen Machine-Learning-Prozess aufzusetzen und in weiterer Folge für einen darüber gelegten KI-Vorgang sukzessive auszuweiten. Bernhard Kienlein, CEO Digital Industries Siemens AG Österreich

Künstliche Intelligenz, als nächster Step zur Smart Factory, findet zunehmend im industriellen Produktionsalltag Einzug. In welchen automatisierten Abläufen sehen Sie derzeit dazu das größte Potenzial?

Manfred Brandstetter: Der lohnendste Aspekt an der Künstlichen Intelligenz (KI) ist, dass Automatisierungsaufgaben, die mit klassischen Methoden schwer umsetzbar und schlecht vorhersehbar sind, auf Basis von trainierten Modellen realisiert werden können. Mit dem Trainieren der KI-Modelle auf Basis von Fertigungsdaten bringen wir Expertise in die Automatisierungstechnik, die dann im Produktionsablauf abgerufen werden kann, ohne jede Entscheidung schon im Vorfeld zu programmieren.

Das erzeugt jene Flexibilität und Agilität, die wir zunehmend durch die Individualisierung von Fertigungsprozessen benötigen. Wir können damit Prozesse automatisieren, die vorher nur mit sehr hohem Programmieraufwand oder gar nicht automatisierbar waren. Wenn wir das Trainieren der KI als iterativen Prozess begreifen, wird die Lösung auch laufend optimiert auf Basis der aktuellen Fertigungsdaten und qualitativ noch exakter.

Die Mindsphere-Applikation Predictive Service Assistance optimiert mit Künstlicher Intelligenz die Wartungseffizienz von Antriebssystemen.

Welche Branchen bzw. Bereiche der Industrie nutzen denn bereits KI in ihrem Produktionsgeschehen?

Bernhard Kienlein: Bricht man den gesamten Prozess des Engineerings auf einzelne Automatisierungsbereiche herunter, so finden sich aktuell vor allem in den Bereichen Bilderkennung und -verarbeitung schon jetzt bis zu 100 % umgesetzte KI-Anwendungen. In dieser Disziplin spart man mittels KI bereits heute aufwendige Elektronik, umfangreiches Kamera-Equipment sowie Zeit, welche in der Vergangenheit z. B. für weitläufige Bildaufnahmepositionierungen benötigt wurde, um die Qualität eines oftmals einzigen Produktmerkmals prüfen zu können.

So wird KI in der Bilderkennung momentan häufig in der optischen Beurteilung von Szenen und Qualitätsaspekten genutzt, wie z. B. in der Wareneingangskontrolle, bei der Prüfung von Schweißnähten bis hin zur Schraubenkontrolle an Motorgehäusen. Oder auch im logistischen Materialfluss sind Kameras im Einsatz, die z. B. jene Werktätige selbsttätig ausfindig machen, die in der nächsten Minute ein AGV (Automated Guided Vehicle) benötigen.

Ein weiterer Bereich, der von KI-Methoden profitiert, findet sich beispielsweise in der Prozesstechnologie, in der sogenannte Soft-Sensoren zum Einsatz kommen. Hier werden Daten von ständig wiederholenden Prozessschritten gesammelt, analysiert, modelliert und die Erkenntnisse zur Optimierung des Prozesses eingesetzt. Mit jedem weiteren Versuch und jedem Parameter, der verändert wird, lernt das KI-System nach und nach dazu und überarbeitet bzw. verfeinert damit den sogenannten „Golden Batch“, also den idealtypischen Prozess. Das ermöglicht einerseits einen sukzessiven Verzicht oftmals teurer Messaufnehmer und erlaubt andererseits die Zustandsprüfungen von Applikationen, die nur unter sehr erschwerten Bedingungen – per Sensoren – möglich wären.

Und auch in der Robotik und Handhabung werden die ersten KI-Anwendungen in der Koexistenz zwischen Mensch und Roboter wie auch in der Erkennung von Teilen bereits umgesetzt – wobei es hierzu noch sehr viel Potenzial nach oben hin gibt.

Die einsatzfertige Industrial-Edge-Plattform V1.0 zur produktionsnahen Datenverarbeitung verwaltet zentral Edge-Geräte und -Applikationen über den gesamten Lebenszyklus.

Wie sieht es mit der Vorgangsweise über KI aus, wenn neue Abläufe im Vorfeld noch nicht 100%ig definiert sind?

Manfred Brandstetter: Eine KI-Lösung beruht grundsätzlich auf der Bewertung von analysierten Daten. Diese Expertise kann nur von Personen eingebracht werden, die sich im Vorfeld auch Gedanken zum Produktionsablauf, zu Wartungskriterien oder Qualitätskriterien gemacht haben. Also ohne uns Menschen und unser Wissen geht’s dann doch nicht.

Bernhard Kienlein: Wenn dazu wesentliche Daten zu Fragmenten einer Applikation vorhanden sind, so können diese durchaus über die bereits erwähnten Lern- und Trainingsprozesse virtuell nach und nach angereichert werden. Der erhaltene digitale Applikationszwilling ist dann die Basis, um davon bestimmte Abläufe auf einen Machine-Learning-Prozess aufzusetzen und in weiterer Folge für einen darüber gelegten KI-Vorgang sukzessive auszuweiten.

Unser jüngster 'Wurf' zu unserem Edge-Portfolio, die Industrial-Edge-Plattform, ist eine IoT-Lösung zur produktionsnahen Datenverarbeitung mit integriertem Geräte- und Applikations-Lebenszyklusmanagement. Manfred Brandstetter, Head of Factory Automation Siemens AG Österreich

In welchen Siemens-Angeboten finden sich bereits KI-Methoden?

Bernhard Kienlein: Siemens bietet bereits etliche KI-getriebene Lösungen, wie beispielsweise im Servicebereich mit Apps und vorgefertigten Software-Bausteinen für vorausschauende Wartung, aber auch im Engineering und bei der Qualitätsprüfung. Außerdem können über unser Cloud-Angebot – die Siemens MindSphere – Produkte, Anlagen, Systeme und Maschinen verbunden werden. Somit ist die MindSphere eine unserer wichtigsten Grundlagen für den Einsatz von KI in der Industrie, denn sie ermöglicht, die Fülle der generierten Daten aus dem IoT anhand umfangreicher Analysen für Optimierungen, Simulationen und Entscheidungen zu nutzen.

Manfred Brandstetter: Während das Training der KI vielfach in der Cloud gemacht wird, läuft die eigentliche KI-Applikation dann doch meist näher an der Maschine und direkt in der Produktion, um auch in Echtzeit agieren zu können. Dazu bieten wir mit unserer neuen Industrial-Edge-Plattform eine ideale Technologie an.

Besten Dank für Ihr Stichwort: Im Oktober 2020 hat Siemens ja die einsatzfertige Industrial-Edge-Plattform V1.0 vorgestellt. Was dürfen sich Anwender von dieser erwarten?

Manfred Brandstetter: Unser jüngster „Wurf“ zu unserem Edge-Portfolio, die Industrial-Edge-Plattform, ist eine IoT-Lösung zur produktionsnahen Datenverarbeitung mit integriertem Geräte- und Applikations-Lebenszyklusmanagement. Mit der Überwachung ihrer damit verbundenen Edge-Geräte können unsere Kunden Edge-Apps und Softwarefunktionen – auf verteilten Edge-Geräten – nicht nur aus der Ferne installieren, sondern diese auch zentral überwachen, diagnostizieren und verwalten.

Dadurch lassen sich neue Software-Applikationen unternehmensweit auf allen verbundenen Industrial Edge-Geräten sicher ausrollen. Der schöne Nebeneffekt dabei ist, dass sich durch die zentrale Verwaltung sämtliche Wartungs- und Update-Aufwände über alle verteilten Software-Instanzen enorm reduzieren lassen oder sogar komplett entfallen können. Dazu stellt Siemens über das Edge Management System funktionale und sicherheitsrelevante Updates bereit, die in Folge auf angeschlossene Edge-Geräte übertragen werden können, um den sicherheitstechnischen Anforderungen an eine industrielle IoT-Lösung gerecht zu werden.

Mit der Komplettlösung Sinamics G115D (Motor, FU und Getriebe in einer Einheit) hat Siemens ein sehr leistungsstarkes Antriebssystem speziell für horizontale Förderanwendungen kreiert, wie sie z. B. in der Intralogistik, auf Flughäfen sowie in den Branchen Automotive und Food & Beverage vorkommen.

Ist diese Plattform für per Edge angeschlossene Geräte sämtlicher Hersteller offen und kann sie auch in jeglichen Cloud-Infrastrukturen betrieben werden?

Manfred Brandstetter: Dadurch, dass wir auf standardisierte Schnittstellen und Technologien setzen, sowohl in Richtung Datenerfassung z. B. OPC UA oder auch in Richtung Cloud-Konnektivität, ist unsere Edge-Lösung in den verschiedensten Umgebungen einsetzbar – das ist ja der Sinn einer Plattform, möglichst viele Teilnehmer ins Boot zu holen, um eine breite Anwenderakzeptanz zu erreichen.

Was den Betrieb des Edge-Managementsystems in Cloud-Infrastrukturen betrifft, so wird auch das in Kürze möglich sein.

Auch hardwareseitig hat das Siemens Industrial-Edge-Portfolio Verstärkung, z. B. mit dem Industrie-PC Simatic IPC227G erhalten. Wodurch zeichnet sich der neue IPC aus und hat dieser auch Potenzial für KI-Anwendungen?

Manfred Brandstetter: Bei der neuen Nanobox 227G kommt die aktuelle Intel Atom x6000-Prozessorgeneration zum Einsatz. Dadurch hat der IPC um bis zu 40 % mehr Rechen- und eine zweimal bessere Grafikleistung als die bestehende E-Generation. Außerdem ermöglichen zwei neue M.2 Slots einen schnellen Wechsel des Massenspeichers und bieten auch eine einfache Erweiterungsmöglichkeit für Kommunikationsmodule wie z. B. 5G. Für einen erweiterten flexiblen Einsatz gibt es den IPC auch als Panel-PC mit Maßen von 7“ bis 22“.

Und ja, der neue IPC kann aufgrund seiner gesteigerten Leistungsfähigkeit neben klassischen Visualisierungs- und Steuerungsaufgaben auch für neue Anwendungsgebiete wie KI und Edge genutzt werden.

Lassen Sie uns einen Schwenk zu KI-Methodiken auf der Antriebsseite machen: Siemens hat kürzlich auch für Maintenance entlang seines digitalisierten Antriebsstrangs ein neues KI-Modul vorgestellt …

Bernhard Kienlein: Richtig. Mit diesem KI-Modul helfen wir unseren Kunden, Stillstände zu reduzieren und die Ersatzteil- und Wartungsabwicklung auf der Antriebsebene weiter zu verbessern. Was bis dato über einen definierten KPI-Grenzwert umgesetzt wurde, wird im neuen Modul „Artificial Intelligence (AI)“ für Motoren anhand eines neuronalen Netzes gelöst. Dadurch erkennt das Modul Anomalien noch vor dem definierten Grenzwert und liefert klare Hinweise auf die Art und Schwere von Fehlern und deren Entwicklung. Sobald die Applikation Anzeichen für einen Fehler entdeckt, warnt sie den Anwender und generiert ein Fälligkeitsdatum. Das zeigt an, wann der Fehler idealerweise behoben werden muss und welche Abhilfemaßnahme empfohlen wird, damit es nicht zum ungeplanten Stillstand kommt.

Insgesamt erreichen Anwender damit aber nicht nur das Sicherstellen ihrer Anlagenverfügbarkeit durch das optimierte Asset- und Ressourcenmanagement, sondern steigern auch die Produktivität ihrer Anlagen und sparen dabei zusätzlich Kosten.

Ist das KI-Modul für sämtliche Siemens-Antriebe bereits verfügbar?

Bernhard Kienlein: Basierend auf unseren Konnektivitätsmodulen werden sämtliche Siemens-Antriebssysteme optimal mit der Siemens MindSphere verbunden. Somit ist für unseren gesamten Antriebsstrang auch das KI-Modul nutzbar. Dazu möchte ich bemerken, dass zur Visualisierung der Antriebsparameter und zur Optimierung der Antriebssysteme die MindShpere-Applikationen ‚Analyze MyDrives‘ und ‚SIDRIVE IQ Fleet‘ für Motoren die erforderliche Transparenz bieten.

Wie sieht es mit der Wählbarkeit des KI-Antriebbausteins aus – ist das Modul eine ‚zwingende‘ standardisierte Erweiterung zu einem Servicevertrag?

Bernhard Kienlein: Das KI-Modul ist grundsätzlich nicht in einem Servicevertrag verpflichtend inkludiert. Allerdings ist das Modul ‚Predictive Services for Drive Systems‘ ein zentraler Baustein der Mindsphere-Applikation Predictive Service Assistance. Entscheidet sich ein Anwender somit für diese standardisierte Erweiterung zu seinem lokalen Servicevertrag, erhält er auch das KI-Modul.

Hardwareseitig wurde ebenso auf der SPS Connect ein komplettes Antriebssystem – das Motor, FU und Getriebe in einer Einheit bietet – vorgestellt. In welchen Einsatzgebieten wird Sinamics G115D eine wesentliche Rolle spielen?

Bernhard Kienlein: Mit der Komplettlösung Sinamics G115D hat Siemens ein sehr leistungsstarkes Antriebssystem bei kompakter Bauart speziell für horizontale Förderanwendungen kreiert. Aufgrund der beiden angebotenen Versionen – wandmontiert und motormontiert, der robusten Auslegung mit hoher IP-Schutzart (bis IP66) und dem weiten Temperaturbereich von -30 bis +55° C eignet sich dieses Antriebssystem besonders für Applikationen, wie etwa in der Intralogistik und auf Flughäfen sowie in den Branchen Automotive und Food & Beverage.

Mit der umfassenden Integration in unser TIA-Portal (Totally Integrated Automation) einschließlich der Startdrive-Inbetriebnahme-Software für Setup und Diagnose oder dem Webserver-Tool Sinamics G120 Smart-Access-Module (SAM), lässt sich das Antriebssystem übrigens auch sehr komfortabel und schnell in Betrieb nehmen.

Ich nehme an, dass die Komplettlösung demnach auch digital bereits gerüstet ist …

Bernhard Kienlein: Selbstverständlich ist das neue Antriebssystem auch in das gesamte MindConnect-Portfolio integriert und somit mit Mindsphere-Applikationen – wie beispielsweise Analyze MyDrives – kompatibel. Derart ist die Sinamics G115D-Lösung für die digitale Transformation und demnach für cloudbasierte Analysen gerüstet.

Herr Kienlein und Herr Brandstetter, besten Dank für Ihre aufschlussreichen Ausführungen zu KI-getriebenen Fertigungsmethoden!