Industrielle Vorreiter überwinden KI-Hürden in der intelligenten Fertigung

Warum nutzen nicht mehr Hersteller in den USA intelligente Fertigungstechnologien wie KI und maschinelles Lernen, um Ausschuss zu reduzieren, vorausschauende Wartung zu ermöglichen und ihre Automatisierungssysteme zu verbessern?

Diese Frage stand im Mittelpunkt der Runde „The Role of AI in Manufacturing“, gesponsert von CESMII, dem Smart Manufacturing Institute. Teilnehmer waren Vertreter von Procter & Gamble, Raytheon Space and Airborne Systems, Microsoft, UCLA und CESMII.

Die Experten diskutierten Hindernisse wie „Pilot-Purgatorium“, plattformabhängige Software, Data Scientists ohne Fertigungs-Know-how und Daten-„Anarchie“.

„In diesem Bereich gibt es noch viel Hype, was nicht ungewöhnlich ist, wenn man das Potenzial hat, eine ganze Branche zu disruptieren“, sagte CESMII-CEO John Dyck, der Moderator der Runde. „Aber das macht es umso wichtiger, den Unterschied zwischen dem, was noch aspirativ ist, und dem, was pragmatisch erreichbar ist, zu verstehen.“

Damit sind wir wieder bei der Frage: Was hindert Hersteller an der breiteren Einführung von KI?

Feststecken im „Pilot-Purgatorium“

Viele Unternehmen berichten, dass sie versuchen, KI in ihr Unternehmen zu integrieren, aber im „Pilot-Purgatorium“ stecken bleiben – unfähig, ein kleines, erfolgreiches Projekt zu skalieren.

Selbst ein Fortune-500-Unternehmen wie Procter & Gamble gibt Probleme zu. Noch in einer frühen Phase der KI-Einführung hat das Unternehmen einige Algorithmen des maschinellen Lernens implementiert. Doch P&G scheitert an der Skalierung.

„Man merkt: Ich habe keine Infrastruktur, die die Daten so herausgibt, wie ich sie brauche“, sagte Jeff Kent, Leiter der intelligenten Plattformen bei P&G. „Ich habe keine Plattform, die gut kontextualisiert, und keinen Ort, an dem der Algorithmus einfach von Nicht-Datenwissenschaftlern entwickelt werden kann. Wir sind in der Phase, in der wir [einige] erfolgreiche Piloten haben, die aber im Kontext ihrer Entwickler verbleiben.“

„Ich glaube, wir kommen aus dem Pilot-Purgatorium heraus“, fügte er hinzu, „aber wir werden eine skalierbare Einführung und das volle Versprechen von Industrie 4.0 nur dann nachhaltig erreichen, wenn all das in einen vollständigen Arbeitsprozess und eine vollständige Anwendungssuite zusammenfließt, an der P&G, unsere Lieferanten und OEMs alle teilnehmen können.“

Domain-Wissen für Data Scientists

Kelly Dodds, Director Advanced Manufacturing Technology bei Raytheon, berichtete, dass der Rüstungskonzern KI erfolgreich in Roboteranwendungen mit Maschinenvision integriert habe.

„Die Fähigkeit der Maschinenvision, das Gewünschte jedes Mal zu erfassen und sich selbst zu verbessern, ist ein bedeutendes Unterfangen“, sagte sie.

Um die KI-Einführung zu erleichtern, fördert Raytheon Data-Science-Ausbildungsprogramme mit Fertigungskontext.

„Wir brauchen Data Scientists mit Domänenexpertise“, sagte sie. „Der Aufbau dieser Pipeline von Leuten, die diesen Kontext haben, ist wichtig.“

Plattformunabhängige Algorithmen und standardisierte Daten

Jonathan Wise, VP Technology bei CESMII, ist Softwareentwickler und meint, seine Kollegen müssten Deployment-Flexibilität bereits beim Design berücksichtigen.

„Wir haben Belegschaften, die seit Jahrzehnten Intelligenz in SPS entwickeln, aber diese Plattformanbieter haben keine Hardware-Abstraktionsschicht (HAL) zwischen Code und SPS gebaut“, sagte er. „In der IT-Software bauen wir seit einigen Jahren unsere Software aus Komponenten, die lose gekoppelt in eine bestimmte Architektur eingebunden und über gut definierte Schnittstellen verbunden sind.“

Das Gegenmittel zu plattformabhängiger Software sei, Algorithmen plattformunabhängig und mit gemeinsamen Informationsschnittstellen zu entwickeln. Zudem müssten die Daten in einem standardisierten Format vorliegen.

Jim Davis, Vice Provost für IT an der UCLA, ergänzte: „Der Weg dorthin ist, darüber nachzudenken, wie man Daten austauscht, teilt, bündelt, kombiniert und kollektiv damit arbeitet. Es braucht also eine branchenweite Strategie.“

Nachhaltigkeit als Treiber

Angesichts von Pandemie und Klimawandel, die Lieferketten stören, könnten Abfallreduzierung und effizientere Ressourcennutzung ein entscheidender Vorteil der KI-Einführung sein, sagte Walid Ali, KI-Experte für Fertigung bei Microsoft.

„Da industrielle Prozesse fast die Hälfte des Energieverbrauchs unserer Spezies und ein Fünftel der globalen Treibhausgasemissionen ausmachen, ist es das ethisch Richtige wie auch die richtige Geschäftsentscheidung, da bestimmte Ökonomien uns zur Zusammenarbeit bei geschlossenen Ressourcenkreisläufen und dem Lebenszyklus von Produkten nach der Produktion bis zum Verbrauch treiben.“

„Dies ist eine Zeit beispielloser Chancen, die es uns ermöglicht, das Richtige aus technologischer Sicht mit KI und intelligenter Fertigung zu tun sowie für Nachhaltigkeitschancen in unserer Umwelt.“