Industrial Edge: Enormes Potenzial für die Fertigung

Intelligente datenbasierte Anwendungen helfen, Ressourcen in der Fertigung optimal zu allokieren sowie Wartung und Instandhaltung bedarfsgerecht zu planen und auszuführen, und unterstützen die Produktionsmitarbeiter bei ihren Aufgaben. Ein Weg, um solche Anwendungen in die Fertigung zu bringen, ist Edge Computing. Dabei führt ein Edge Device – etwa ein Industriecomputer – die Anwendung direkt an der Maschine oder der Anlage aus und macht so auch hochfrequente Daten, die nur eine geringe Rückmeldezeit (Latenz) zulassen, problemlos und effektiv nutzbar. Gleichzeitig rücken mit Edge Computing auch Methoden wie künstliche Intelligenz (KI) näher an die Datenquelle und werden als Industrial Edge Teil des Produktionsalltags – zum Beispiel, um direkt im Prozess Qualitätschecks durchzuführen oder Anomalien und Fehlerquellen in Anlagen aufzuspüren.

Enormes Potenzial für Prozessverbesserungen durch Industrial Edge

Eine solche Anwendung ist in einer Elektronikfertigung bei Siemens in Einsatz, in der Komponenten für Automatisierungssysteme gefertigt werden. Dort bestückt man in einer Linie Leiterplatten mit Komponenten und inspiziert sie am Ende der Durchsteckmontage automatisch mit einem optischen System, um fehlende oder fehlerhaft verbaute Bauteile zu identifizieren. Diese automatische Inspektion verursachte eine hohe Quote an sogenannten False Calls – also Beanstandungen, obwohl die Leiterplatten tatsächlich keinen Fehler aufwiesen. Infolgedessen wurden zahlreiche einwandfreie Produkte aus dem Prozess entnommen und in einem aufwändigen Verfahren manuell nachgeprüft, was mit erheblichen Produktivitätseinbußen verbunden war. Siemens entwickelte daher eine eigene Applikation, um „echte“ Fehler besser von „falsch“ erkannten unterscheiden zu können. Diese Anwendung nutzt einen anhand der Bilddaten aus der Fertigung trainierten ­KI-Algorithmus und läuft auf einem Indus­trial Edge Device. ­Dadurch ist es dem Werk gelungen, die Quote der fälschlich als fehlerhaft beanstandeten Produkte von 80 auf 20 Prozent zu senken – und gleichzeitig sicherzustellen, dass weiterhin kein einziges tatsächlich fehlerhaftes Produkt die Linie verlässt.

Ein Ökosystem für intelligente Anwendungen in der Industrie

Das Beispiel aus der Elektronikfertigung ist kein Einzelfall: Siemens nutzt KI bereits in zahlreichen Anwendungen rund um die Qualitätssicherung, etwa für den In-Circuit-Test, oder in der vorausschauenden Instandhaltung. Den teilweise enormen Produktivitätsgewinnen und Einsparungen stehen jedoch auch Investitionen gegenüber, um die entsprechenden Anwendungen zu entwickeln und in der Fertigung einzusetzen. Neben der Produktionstechnik und der Automatisierung müssen nun auch die Systeme für das Edge Computing betreut und gepflegt werden. Nicht immer sind die dafür erforderlichen Kapazitäten bei den Mitarbeitern in der IT und OT vorhanden, weswegen Unternehmen oft zögern, solche Lösungen in ihren Prozessen einzuführen. Mittlerweile gibt es jedoch entsprechende Werkzeuge, mit denen Automatisierungsingenieure und Anlagenbediener auch modernste Methoden wie KI-basierte Anwendungen unabhängig von persönlichen KI-Kenntnissen entwickeln, betreiben und nutzen können.

Mit Industrial Edge stellt Siemens ein offenes Ökosystem zur Verfügung, mit dem Anwender sowohl vorgefertigte Apps als auch eigene Anwendungen in einem strukturierten Workflow für ihre Prozesse verwenden können. Integrierte Routinen für Installation, Betrieb, Überwachung und Update der Applikation begleiten den Anwender über den gesamten Lebenszyklus der Lösung und reduzieren den Pflegeaufwand im Vergleich zu proprietären Edge-Anwendungen erheblich.

Werkzeuge erleichtern den Einstieg

Um eine Anwendung für Industrial Edge zu erstellen, können die Anwender entweder eine fertige Industrial-Edge-App nutzen oder eine eigene Applikation entwickeln. Voraussetzung ist lediglich, dass die Anwendung in einer Docker-kompatiblen Umgebung und Sprache entwickelt wird. Dazu stellt Siemens speziell für Anwendungen mit künstlicher Intelligenz ein eigenes AI Software Development Kit (SDK) zur Verfügung. Dieses SDK enthält Projektvorlagen mit notebook-­basierten Workflows für das Trainieren von KI-Modellen, paketiert die Modelle für die Bereitstellung und testet die Pakete. Anschließend wird die Anwendung an den AI Model Manager übergeben, der die Anwendung an die ­ AI Inference Server auf den Industrial Edge Devices ausliefert. Dieses Werkzeug standardisiert die Ausführung von KI-Modellen auf ­Industrial Edge Devices und erleichtert die Datenerfassung sowie die Orchestrierung des Datenverkehrs. Im laufenden Betrieb überwacht dann der AI Model Monitor die Performance und Stabilität der Anwendung, benachrichtigt die Anwender bei Auffälligkeiten und stößt bei Bedarf ein Re-Training des Modells an.

Auf diese Weise wurde auch die Anwendung für die Fehlererkennung in der auto­matischen optischen Inspektion der Leiter­platten bei Siemens umgesetzt: Die eigentliche KI-Anwendung basiert auf Python und wurde mithilfe des Industrial-Edge-Workflows zunächst auf die Linie aufgespielt. Auf dem gleichen Weg kann die Anwendung aber auch in weiteren Linien zum Einsatz kommen oder parallel zu weiteren Industrial-Edge-Anwendungen auf dem Industrial Edge Device ablaufen.

Industrial Edge ist Edge Computing für die Praxis

Ganz gleich ob KI-basierte oder konventionelle datenbasierte Anwendungen, mit Industrial Edge können Anwender ein gemeinsames Ökosystem für alle Edge-Applikationen in ihrer Fertigung nutzen. Sämtliche Anwendungen und Geräte werden in einem gemeinsamen, zentralen Industrial-Edge-Managementsystem verwaltet, das die Anwender mit Update- und Security-Services sowie einer integrierten Benutzerverwaltung unterstützt. So lassen sich auch linien- oder gar produktionsstätten-übergreifende Industrial-Edge-Lösungen effizient verwalten und betreuen, was den Anlagenbetrieb entlastet. Je nach Anforderung des Prozesses sind dedizierte Edge Devices, etwa Industrie-PCs mit einem speziellen Betriebssystem und unterschiedlichen Leistungsklassen oder weitere edge-fähige Automatisierungsgeräte mit anderen Hauptfunktionen, als lokale Rechner zur Ausführung der Apps verwendbar. Dadurch lässt sich die Industrial-Edge-Lösung nicht nur flexibel um weitere Edge-Apps erweitern, sondern auch für weitere Maschinen, Linien oder Standorte skalieren und rückwirkungsfrei in bestehenden Anlagen nachrüsten, ohne dass man in die Automatisierung eingreifen muss. So werden auch Bestandsanlagen fit für das „Industrial Internet of Things“ bis hin zu KI-basierten Anwendungen – mit allen Vorteilen, die sich daraus ergeben.

Der Autor Marc Fischer ist Marketing Manager Industrial Edge bei Siemens, Autor Johann Strobl ist Marketing Manager Industrial-grade AI, Industrial Edge Apps, bei Siemens.