01. 09. 2020
Verfasst von: Philipp Kortmann, Johannes Zumsande

Komplexe Prozesse – KI verschafft den Überblick

Flüssiges Metall wird nach dem Schmelzvorgang in einem Behälter abgegossen. — Der Gießereiprozess ist durch eine hohe Verkettung gekennzeichnet. Hier wird flüssiges Metall aus dem Schmelzbetrieb zum Abgießen der fertigen Form vorbereitet.

Die industrielle Produktionstechnik lässt sich durch Automatisierung effizienter gestalten. Doch das Verständnis für die komplexen, zusammenhängenden Prozesse ist eine wachsende Herausforderung. Daher entwickelt das Institut für Mechatronische Systeme der Leibniz Universität Hannover mittels künstlicher Intelligenz eine ganzheitliche Überwachung vernetzter Anlagen am Beispiel eines Gießereiprozesses.

Prozesse ganzheitlich überwachen

Produktqualität, Verfügbarkeit, Lieferzeit sowie Produktionskosten unterliegen einem stetigen, wettbewerbsgetriebenen Anpassungsdruck. Den steigenden Anforderungen tragen Produzenten durch einen erhöhten Automatisierungsgrad und stark verketteten Prozessabfolgen Rechnung. Doch dem Personal, das die Anlagen bedient, sind die Einflüsse und Zusammenhänge auf die oben genannten Zielgrößen häufig nur auf Ebene einzelner Prozessschritte bekannt. Hier bietet künstliche Intelligenz (KI) die Möglichkeit, Systemparameter und deren Auswirkungen auf die Zielgrößen gesamtheitlich zu analysieren und darzustellen.

Gerichteter Graph, bei dem Knoten mit Hilfe von Pfeilen mit anderen Knoten verbunden werden — Gerichtete Graphen bilden die Verkettung der Prozessschritte ab.

Gießereiprozess vernetzen und modellieren

Im Projekt ProMoPro – Prozessmonitoring in der Produktionstechnik verfolgt das Institut für Mechatronische Systeme einen solchen Ansatz in einem Gießereiprozess prototypisch. Zunächst hat das hannoversche Projektteam hierzu anhand einer umfassenden Prozessanalyse verschiedene Zielgrößen definiert und kritische Anlagenzustände detektiert. Es hat die verschiedenen Anlagenteile miteinander vernetzt, eine zentrale Datenspeicherung aufgebaut und zusätzlich erforderliche Sensorik ergänzt. Um den komplexen Gesamtprozess modellieren zu können, beschreiben die Wissenschaftlerinnen und Wissenschaftler geeignete Teilprozesse durch aussagekräftige Merkmale. Die Modellierung der teils hochdynamischen Prozessabschnitte und deren Analyse erfolgt mithilfe datengetriebener Algorithmen aus dem Bereich der KI.

Graphische Darstellung einer Korrelationsanalyse in Form eines Koordinatensystems mit sehr vielen, kleinen und farbigen Kästchen — Korrelationsanalysen helfen bei der Suche nach prozessübergreifenden Abhängigkeiten und kritischen Prozessschritten.

Monitoring offenbart Zusammenhänge

Das Monitoring offenbart prozessübergreifende Zusammenhänge zwischen einzelnen Stellgrößen und ausgewählten Zielgrößen, insbesondere Prozessstabilität, Ressourcen- und Energieeffizienz, und ermöglicht es somit, den Produktionsprozess fortschreitend zu optimieren. Eine besondere Herausforderung für die Forschenden stellt hierbei die Sicherstellung einer dauerhaften Validität der angelernten datenbasierten Modelle, auch bei auftretenden Prozessschwankungen (Tageszeit, klimatische Bedingungen, variierende Produktionsgüter), dar. KI-basierte Methoden neigen dazu, bekannte Datenzusammenhänge auswendig zu lernen. Daher werden die getroffenen Prognosen des Monitorings auch mit Prozesszuständen überprüft, die der KI noch unbekannt sind oder sich über die Zeit langsam, etwa saisonal, anpassen.