Wie KI die Fertigung und Zerspanung revolutioniert: Einblicke von Matt Danford

Matt Danford, Senior Editor bei Modern Machine Shop und Autor der Kolumne „Data Matters“, sprach mit mir über eine mögliche Rolle künstlicher Intelligenz (KI) in Werkstätten. Er sieht einen Pfad von der Maschinenüberwachung zum maschinellen Lernen. Heute erfassen Zerspanungsbetriebe Daten von CNCs mittels Maschinenüberwachungssysteme. Der nächste logische Schritt wird sein, maschinelles Lernen zu nutzen, um Prozessverbesserungspotenziale in diesen Daten zu finden. Hier ist ein Video unseres Gesprächs mit Transkript unten. Laden Sie auch eine Artikelsammlung von Modern Machine Shop und der Schwesterpublikation Additive Manufacturing herunter, die die Schnittstelle von KI und Fertigung beleuchtet.

Transkript

Peter Zelinski, Modern Machine Shop

Pete Zelinski hier mit Modern Machine Shop. Ich bin hier mit Senior Editor Matt Danford. Matt, danke für das Gespräch.

Matt Danford, Modern Machine Shop

Gern geschehen.

Peter Zelinski

Matt deckt für Modern Machine Shop digitale Technologien ab – oft solche, die für die Fertigung noch nicht ganz „da“ sind, aber kommen. Er schreibt darüber in seiner monatlichen Kolumne „Data Matters“. Heute geht es um die Rolle, die KI für Zerspanungsbetriebe haben könnte.

Matt Danford

Da gibt es viel Hype. Die meisten Leser, die wir besuchen, sehen das als weit entfernt. Aktuell interessieren sie sich mehr für Maschinenüberwachung als maschinelles Lernen. Ob sie es merken oder nicht: Maschinenüberwachung ist der erste Schritt, denn das wahre Versprechen des maschinellen Lernens – ein Teilbereich der KI – ist Datenanalyse, soweit unsere Leser betroffen sind. Maschinenüberwachungssysteme, auch Shop-Management- und ERP-Systeme, liefern die Rohdaten für diese Analyse. Es ist also ein erster Schritt zu Fähigkeiten, die noch kommen.

Peter Zelinski

Okay. Lassen Sie uns eintauchen. Maschinenüberwachung – der Schritt, der heute steht. Was meinen Sie konkret?

Matt Danford

Im Grunde das Abfragen von Daten direkt von der Steuerung oder von Sensoren an verschiedenen Maschinenteilen. Das kann für vorbeugende Wartung genutzt werden. Die häufigste Anwendung: CNC-Daten abfragen, um zu sehen, wie die Maschinen performen.

Peter Zelinski

Richtig. Wir sehen in Werkstätten immer mehr Monitore mit Tortendiagrammen oder Grün-Rot-Gelb-Anzeigen. Was braucht es, um Maschinenüberwachung wirklich gut zu machen?

Matt Danford

Experten und Werkstätten betonen Geduld. Nicht alles auf einmal erwarten. Langsam angehen. Jemand, den ich kürzlich besuchte, startete nur mit grundlegendem „Was läuft wann“. Und das nicht nur auf Managementebene. Durch ERP-Integration hatten sie an jedem Arbeitsplatz einen Pacing-Balken, damit Bediener und Einrichter sehen, wo sie stehen: „So viele Teile sollte ich jetzt produziert haben“. Das hilft allen, ein Gefühl für den Stand zu bekommen – mit diesem Basisziel. Dinge wie gemeinsame Definitionen: Was bedeutet es, dass eine Maschine „im Zyklus“ ist? Zählen Werkzeugwechsel dazu? Man muss das klären, sonst werden Leute desillusioniert und man erreicht nicht die gewünschten Ergebnisse.

Peter Zelinski

Warum ist das wertvoll? Noch bei Maschinenüberwachung: Warum ist sie so wertvoll?

Matt Danford

Erstens, um einen Realitätscheck zu bekommen. Experten berichten oft, dass Werkstätten nach Installation dieser Systeme schockiert sind, wie schlecht sie tatsächlich performen. Man muss sich dieser Realität stellen. Es geht um Wahrheit. Man kann nicht mit CNC-Daten streiten. Kein „Fat Fingering“, keine Verzögerung zwischen Ereignis und Eingabe ins Shop-Management-System. Es eliminiert eigene Biases und ermöglicht, die Leistung realistisch zu betrachten und Entscheidungen darauf zu basieren.

Peter Zelinski

Sie sprachen vom Pfad von Überwachung zu maschinellem Lernen. Was ist maschinelles Lernen? Und erläutern Sie diesen Pfad.

Matt Danford

Maschinelles Lernen ist ein Teilbereich der KI. Die Definition steckt im Begriff „Lernen“. Im Gegensatz zu klassischer Software, die nur tut, was man programmiert, verbessern sich ML-Algorithmen mit der Zeit selbst. Klassisches Beispiel: Bilderkennung. Je mehr Bilder von Hunden und Katzen man füttert, desto besser unterscheidet das System. Auf unseren Sektor angewandt: Das Versprechen ist Datenanalyse. Die Systeme durchsuchen Rohdaten von Überwachung, Shop-Management etc. und finden Muster und Korrelationen, die für Menschen unerkennbar oder nur mit riesigem Aufwand zu finden wären.

Peter Zelinski

… antizipierend den Punkt, an dem genug Daten aus Überwachungssystemen kommen, dass es zu viel für den täglichen Gebrauch ist und potenziell gute Intelligenz maskiert.

Matt Danford

Absolut. Wir wissen nicht, was kommt. Ich habe mit ERP-Anbietern gesprochen, die an ML arbeiten, aber vieles ist noch zukunftsgerichtet. Aber wir wissen: Es kommt. Das Beste jetzt: Diese Systeme zum Laufen bringen, Shop-Management ins 21. Jahrhundert holen.

Peter Zelinski

Matt, wie nah ist das? Wie nah sind wir an KI in Form von maschinellem Lernen als industrielles Werkzeug in der Fertigung?

Matt Danford

Schwer zu sagen. Alles ist sehr zukunftsgerichtet. Viel Hype, berechtigter Hype, weil es großen Impact haben wird. Aber: Soweit Hersteller Google nutzen, ist das schon ein industrielles Werkzeug. Google nutzt schon KI in Suchergebnissen, ohne große Ankündigung. Es könnte so kommen: Diese Dinge tauchen einfach in Ihrer Software auf. Ideal läuft KI im Hintergrund – mentale Aufgaben automatisieren. Wenn man darauf achten und aktiv managen muss, tut es nicht, was es soll. Ich denke, es wird so kommen: Wir nutzen es, ohne wirklich zu merken, dass es KI ist.