Kommentar von Jim Chappell, Aveva Die fünf P der industriellen Künstlichen Intelligenz

Künstliche Intelligenz (KI) ist das Gehirn eines sogenannten digitalen Zwillings und verwandelt Daten in Erkenntnisse. Das kann ein Unternehmen nachhaltig verändern. Die analysierten Daten lassen sich in einzelne Kategorien unterteilen – „die fünf P“ der industriellen KI –, die sämtliche Unternehmensabläufe auf neue und interessante Weise verbessern können.

In den vergangenen 20 Jahren hat KI die Industrie erheblich verändert. Sie hat die Fähigkeit eines Unternehmens, Prozesse zu optimieren und Probleme proaktiv zu erkennen und zu lösen, auf ein noch nie dagewesenes Niveau gebracht. KI optimiert die industriellen Abläufe nachhaltig auf neue und spannende Weise. Die Möglichkeiten, von den fünf P der industriellen KI zu profitieren, scheinen praktisch grenzenlos.

Im Zuge der weiterhin zunehmenden digitalen Transformation bietet KI immer mehr Vorteile für eine ganze Bandbreite von industriellen Prozessen – so auch eine umfassende Nutzung des digitalen Zwillings. Er ist eine virtuelle Darstellung physischer Objekte, Systeme oder Fabriken und wird anhand von Daten erstellt, die über das Internet der Dinge, hochentwickelte Computersysteme und digitale Prozesse gesammelt werden.

Die KI ist dabei das Gehirn des digitalen Zwillings. Durch die Anwendung verschiedener Formen der KI – wie neuronale Netze, computerbasiertes Sehen und maschinelles Lernen – kann sie gezielte Lösungen in Form von Analysen schaffen.

Sobald ein digitaler Zwilling in Betrieb genommen wird, bieten die einzelnen KI-Analysen wertvolle, weitreichende Einblicke. Diese können von der Verbesserung der Abläufe von sicheren und rentablen Prozessen bis hin zur Automatisierung von Überwachungs- und Kontrollprozessen zur Gewährleistung von Sicherheit und Leistung reichen.

Aus industrieller Sicht lassen sich diese KI-Analysen in fünf Kategorien unterteilen:

• vorausschauende (predictive) Analysen

• leistungsbezogene (performance) Analysen

• empfehlende (prescriptive) Analysen

• prognostizierende (prognostic) Analysen

• erkenntnisreiche (perceptive) Analysen

Die vorausschauende Analyse

In der Industrie ist die vorausschauende Analyse eine der am häufigsten eingesetzten fortschrittlichen Technologien, die Big Data und maschinelles Lernen nutzt, um Anomalien in Prozessen und Anlagen zu erkennen. Das kann aktuelle Ineffizienzen aufzeigen und die Mitarbeiter in die Lage versetzen, Prozesse zu optimieren. Zusätzlich kann sie auch vor zukünftigen Anlagenausfällen warnen – Tage, Wochen oder sogar Monate im Voraus.

Dank dieser Informationen sind Unternehmen in der Lage, Wartungsreparaturen lange vor einem Ausfall der betreffenden Anlagen zu planen. Dadurch lassen sich das Betriebsrisiko senken und Kosten durch die Vermeidung ungeplanter Ausfallzeiten sparen.

Duke Energy beispielsweise, ein US-Energieanbieter, konnte Kosten in Höhe von über 34 Millionen US-Dollar vermeiden, indem ein kompliziertes Turbinenproblem erkannt wurde. Es hätte sonst womöglich zu einem katastrophalen Ausfall, möglichen Verletzungen von Personal und langen Ausfallzeiten geführt.

Die leistungsbezogene Analyse

Durch die Kombination von branchen- und anlagenspezifischen Algorithmen ist KI nicht nur in der Lage, Anomalien zu erkennen, die einem Unternehmen helfen, Fehler zu entdecken und zu beheben, bevor sie auftreten. Sie kann auch Prozesse optimieren, die den Ertrag und die betriebliche Effizienz verbessern.

Die empfehlende Analyse

Die empfehlende Analyse geht über die bloße Warnung vor einem Problem hinaus. Sie ermittelt zusätzlich die beste Vorgehensweise zur Lösung des Problems und empfiehlt diese. Das geschieht durch Ursachenanalyse und risikobasierte Entscheidungsunterstützung. Hierbei werden die Kritikalität und Dringlichkeit eines Problems analysiert, um Maßnahmen zu empfehlen, die die Effizienz und Rentabilität optimieren. Ausfallzeiten sollen so minimiert und kostspielige Verzögerungen vermieden werden.

Ontario Power Generation (OPG) wollte die digitale Transformation nutzen, um die Effizienz und Nachhaltigkeit des gesamten Betriebs zu steigern. Dafür nutzte das Unternehmen die Daten von Tausenden Sensoren in seinen Anlagen und erstellte damit über 100 vorausschauende und empfehlende Modelle für die betriebliche Instandhaltung. So konnte das Unternehmen Risiken reduzieren und die betriebliche Effizienz im gesamten Fuhrpark steigern sowie 400.000 und 200.000 US-Dollar durch zwei separate Frühwarnsysteme einsparen. Dank der vorausschauenden und empfehlenden Analyse konnte OPG außerdem die jährlichen Wartungsarbeiten um 3.000 Stunden reduzieren. Das Personal konnte sich stattdessen wichtigeren Wartungsmaßnahmen widmen.

Die prognostizierende Analyse

Mit einer prognostizierenden Analyse, neuronalen Netzen, Deep und Reinforcement Learning können Ereignisse – wie die Verschlechterung der Betriebsleistung oder die Restnutzungsdauer einer Anlage – vorhergesagt werden. Das kann Unternehmen dabei helfen, Risiken zu managen, die Rentabilität zu maximieren und die Nachhaltigkeit zu verbessern.

Prognostizierende KI kann zur Optimierung von Betriebs- und Wartungsstrategien eingesetzt werden, indem sie risikobasierte Erkenntnisse für Entscheidungen liefert: Zum Beispiel, ob ein Betrieb bis zum nächsten geplanten Wartungsstillstand weiterlaufen sollte oder ob dringendere Arbeiten durchgeführt werden müssen. Sie kann auch dabei helfen, bestimmte Bereiche mit Verbesserungsbedarf zu identifizieren.

Die erkenntnisreiche Analyse

Bei der erkenntnisreichen Analyse geht es darum, wie intelligente Maschinen mit ihrer Umgebung interagieren. Fortgeschrittene Technologien wie Bild- und Audio-KI und natürliche Sprachverarbeitung werden eingesetzt, um automatisch Beziehungen zwischen Sensoren und Geräten zu erkennen.

Schneider Electric nutzte beispielsweise diese Form der Analyse, um nicht nur einen Fehler in der Hauptantriebskette in seinem Werk in Lexington im US-Bundesstaat Kentucky zu erkennen. Auch ein Problem am Motor, der diese Kette antreibt – was mit dem ersten Problem korrespondierte – konnte beseitigt werden. Aufgrund dieser Analyse konnte das Unternehmen Ausfallzeiten und damit verbundene Kosten vermeiden. Die Anlagen wurde neu und intelligenter konfiguriert, um ähnliche Probleme in Zukunft zu vermeiden.

Die Vorteile einer intelligenten Fabrik

Nachdem Schneider Electric vor Kurzem das Werk in Lexington in eine intelligente Fabrik umgewandelt hatte, konnte das Unternehmen viele Vorteile aus seiner fortschrittlichen KI und Analytik ziehen. Dazu gehören die Optimierung von Prozessen, eine schnellere und intelligentere Entscheidungsfindung und Verbesserungen bei der Arbeitsproduktivität. Hinzu kommen eine Reduzierung ungeplanter Ausfallzeiten um sechs Prozent, eine Energiereduzierung um 26 Prozent, eine CO2-Reduzierung um 78 Prozent und eine Reduzierung des Wasserverbrauchs um 20 Prozent.

„Wir haben das Gefühl, dass wir nur an der Oberfläche der Möglichkeiten kratzen, die sich aus diesen neuen Digitalisierungswerkzeugen ergeben können“, sagt Mike Labhart, Senior Manager, GSC North America Smart Factory Innovation, Schneider Electric. „Wir erforschen jetzt sogar Industriebereiche, die wir uns bisher noch gar nicht angesehen haben. Dies öffnet Türen zu neuen Denkweisen über unsere Anlage und wird uns Wege zur Verbesserung der Produktivität und Effizienz aufzeigen. Nicht nur in Lexington, sondern auch in anderen Werken auf der ganzen Welt.“

Den Anschluss nicht verlieren

Immer mehr Industrieunternehmen folgen nun dem Beispiel von Schneider Electric und nutzen aktiv die Vorteile von KI, eines digitalen Zwillings und Analysen. In vielen Fällen ist KI nicht mehr einfach nur eine Option, sondern vielmehr eine Voraussetzung, um wettbewerbsfähig, profitabel und nachhaltig zu sein und zu bleiben. Die Vorteile wachsen komplementär mit den neuen Möglichkeiten der fünf P der industriellen KI. Diese tragen unter anderem dazu bei, Probleme schneller zu erkennen und zu vermeiden, den Betrieb effizienter aufrechtzuerhalten und Prozesse zu optimieren und nachhaltig zu verbessern.

(ID:47989919)