Vor einigen Wochen haben wir auf unserem Schwesterportal IT-WEGWEISER.DE einen Grundlagenartikel, mit den ersten Beispielen zur künstlichen Intelligenz (KI) im Alltag veröffentlicht. Zur Hannovermesse haben wir über Predictive Maintenance berichtet, nachdem wir im Mai 2015 über dieses Projekt zur vorausschauenden Wartung geschrieben haben. Wir freuen uns, diese Artikel mit dem folgendem Projektbeispiel untermauern zu können.
Auch wenn die Künstliche Intelligenz auf dem Vormarsch ist, sind umgesetzte Projektbeispiele im Produktionsumfeld noch rar, schließlich handelt es sich um kritische Prozesse, an denen man selten experimentieren möchte, um Produktionsausfälle zu vermeiden. Die nachfolgend beschriebene Qualitätssicherung kann im Rahmen einer vorausschauenden Wartung stattfinden oder im direkten Anschluss nach der Fertigung.
Kostenloser PDF-Download: Dieser Artikel ist im PDF-Format in unserem PDF-Center kostenlos verfügbar.
KI-Lösung reduzierte Inspektionszeiten für Turbinenblätter um 75 Prozent
Der Qualitätssicherungsprozess bei Siemens Gamesa wurde dank einer mit Fujitsu gemeinsam entwickelten KI-Lösung beschleunigt, wodurch die Inspektionszeiten von neuen Turbinenblättern stark reduziert wurden. Die bis zu 75 Meter langen Glasfaser-Turbinenblätter werden durch spezielle optische Scans schadenfrei auf mögliche Fehler gescannt.
Dabei erkennt die programmierte KI anhand von Aufnahmen der Turbinenblätter, selbst kleine Haarrisse, die langfristig zum Komplettausfall einer Windanlage führen könnten. Die zentimetergenaue Abtastung verringert die bisherige sechsstündige manuelle Prüfung, um 75 Prozent auf ca. 90 Minuten.
Heine Bach, Head of Quality in Operation bei Siemens Gamesa Erneuerbare Energien zeigt sich begeistert:
„Der Ausfall von Turbinenblättern ist keine Option für unsere Anlagen. Deshalb war es unerlässlich, dass wir eine Lösung finden, die keine Kompromisse eingeht in Bezug auf Sicherheit oder Genauigkeit der Prüfungen. Dank der KI-Lösung benötigen wir für eine Inspektion nur noch ein Viertel der ursprünglichen Zeit. Gemeinsam haben wir eine Lösung aufgesetzt, die uns nicht nur Zeit spart, sondern auch dazu führt, dass wir viel besser verstehen, wo an den Rotoren Fehler und Störungen entstehen können.“
Was steckt hinter der individuell entwickelten KI-Lösung?
Der Computer feiert schon lange seinen erfolgreichen Einzug in das Produktionsumfeld. So sind intelligente Roboter, eigenständige Planungstools oder selbstlernende Bildverarbeitungssysteme in den Fertigungs- und Montagehallen nichts Außergewöhnliches mehr. Dank leistungsfähiger Computer können heute die für Deep Learning erforderlichen mehrdimensionalen Netze aufgesetzt werden, die erst eine Brücke schlagen zu den intelligenten Systemen. Nicht immer muss es das komplexe, in die Tiefe reichende, neuronale Netz sein, das die größten Produktivitätsfortschritte ermöglicht.
Mehr zur Basistechnologie
Die Technologie hinter der KI-Lösung wurde von den Fujitsu Laboratories of Europe entwickelt. Die Deep Learning-Komponente dieses KI-Frameworks nutzt tiefe neuronale Netze zur Verarbeitung von Bilddaten für die Erkennung relevanter Muster. Die reale Datenanalyse wird in ein Bildanalyseformat umgewandelt und erlaubt damit eine automatisierte und beschleunigte Erkennung relevanter Muster in NDT-Ultraschall-Scan-Daten. Das optimiert die Qualitätskontrolle entscheidend und beseitigt potenzielle Engpässe im Produktionsprozess.
Der Effekt: Die Produktionskapazitäten können vergrößert und die Effizienz kann deutlich gesteigert werden. Darüber hinaus hat die KI-Lösung die Fähigkeit, auch nach ihrer Implementierung weiterhin zu lernen. Das führt ebenfalls zu einer signifikanten Leistungsverbesserung und damit zu einem höheren Return on Investment.
Kostenloser PDF-Download: Dieser Artikel ist im PDF-Format in unserem PDF-Center kostenlos verfügbar.
NDT-Ultraschalldaten als Bestandteil der KI-Lösung
In dieser neuen Anwendung zur Qualitätskontrolle wird die Lösung automatisch eingesetzt, um relevante Muster in NDT-Ultraschalldaten zu erkennen und zu analysieren. NDT ist eine nicht-invasive Technik, die zur Bestimmung der Integrität von Materialien oder Strukturen eingesetzt wird und die Erkennung von internen Fehlern im Testobjekt ermöglicht. Die Technik ist in der Fertigungsindustrie als Teil der Qualitätskontrolle weit verbreitet. Die Erkennung von Fertigungsfehlern bei Ultraschall NDT ist derzeit in erster Linie ein manueller Prozess, bei dem jeder Abschnitt des Scans gründlich analysiert werden muss. Bei Objekten mit großen Abmessungen kann dieser Vorgang mehrere Stunden dauern. Der Bediener verwendet visuelle Hinweise, wie z. B. Strukturkrümmungen oder Unstetigkeiten, um mögliche Fehler festzustellen. Die Lösung von Fujitsu erkennt automatisch interessante Scanbereiche, die auf Fehler untersucht werden müssen und erlaubt so dem Fachpersonal, sich auf die relevanten Teile der Scans zu konzentrieren.
Weitere Beispiele zur Nutzung einer KI-Lösung
Nicht nur für die Qualitätssicherung können KI-Lösungen einen Mehrwert liefern, beispielsweise wurden schon KI-Projekte für Zeitreihen-Sensor-Daten, der Energieverbrauchs-Messung, der Aktienpreisanalyse und der intelligenten Fertigung umgesetzt. Der Einsatz ist bei allen Anwendungen mit zerstörungsfreien Prüftechniken wie Ultraschall, Röntgen oder Infrarot möglich.
Ein pragmatischer Einsatz ist die Mustererkennung. In so einem Fall lernen Systeme innerhalb kurzer Zeit mit einer größeren Anzahl von Bildern aus einer Datenbank, welches Muster die richtigen Parameter aufweist und welche Parameter einen Fehler darstellen. So werden sichere Vorhersagen über die Wahrscheinlichkeit von Defekten und Mängeln zu einer praxisorientierten Anwendung der Künstlichen Intelligenz. Damit könnten sich Maschinen, nach der Trainingsphase, selbst überwachen und vorausschauende Entscheidungen ermöglichen.
Es ist praktisch, wenn die KI die Inspektionszeit so verkürzt. Industrielles Röntgen trägt aber sicher auch dazu bei. Sind die Bauteile einer Maschine weniger fehleranfällig, bräuchte man keine extra KI.