Hoe kunstmatige intelligentie machinestilstanden vermindert

Een AI herkent storingen en fouten. Door de koppeling met een workflow-model ontvangt de medewerker direct op zijn Smart Watch aanbevelingen voor actie. © Fraunhofer IPA/Foto: Rainer Bez

Intelligente algoritmen herkennen fouten en slijtageverschijnselen en de Smart Watch vertelt de machinebediener hoe hij de storingen kan verhelpen: Een onderzoeksteam van het Fraunhofer IPA heeft samen met partners uit de industrie een methode ontwikkeld om Kunstmatige Intelligentie in het onderhoud te integreren.

Zo verloopt het in de industrie tot nu toe vaak: Onopgemerkt treedt een storing op aan een machine. Deze produceert nu zolang afval, totdat de kwaliteitsfout door een oplettende medewerker wordt opgemerkt en hij de machine stopt. Vervolgens begint het grote raadsel. Waarom ontstaat de fout? Hoe kan hij worden verholpen? Volledig onsystematisch worden instellingen aan de machine aangepast en proefproducten vervaardigd – totdat de kwaliteit uiteindelijk weer in orde is. Gelukkig is het iemand met ervaring, die het probleem kent en meteen weet hoe het op te lossen.

Maar zulke vakbekwame krachten zijn helaas schaars. In hun plaats zou binnenkort Kunstmatige Intelligentie (KI) kunnen komen. Een onderzoeksteam onder leiding van Jonas Krauß van de projectgroep Procesinnovatie van het Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA heeft samen met de bedrijven Maincor Rohrsysteme en Maxsyma een methode ontwikkeld om KI in het onderhoud te integreren.

Algoritme herkent defecte lasnaden

Het bedrijf Maincor Rohrsysteme produceert onder andere kunststof omhulde aluminium leidingen voor vloerverwarming in Knetzgau, Beieren. Daarbij kunnen defecte lasnaden ontstaan, evenals afwijkingen in de dikte van de kunststoflaag. Beide betekenden voorheen afval en leidden zolang tot een stilstand van de machine totdat het defect was gevonden en verholpen.

Het onderzoeksteam onder leiding van Krauß heeft een demonstrator ontwikkeld, waarbij het ultrasoon lassen wordt bewaakt met camera en KI. Een intelligente algoritme analyseert de camerabeelden en herkent onmiddellijk defecte lasnaden zodra ze ontstaan. Om de KI te trainen, hebben de wetenschappers van het Fraunhofer IPA foto's van goede en defecte lasnaden getoond totdat er een patroon werd herkend. Omdat er vooral van defecte lasnaden niet genoeg beelden waren, moest het onderzoeksteam ze deels kunstmatig genereren om het leerproces van het KI-model beter te ondersteunen.

De sonotrode van de ultrasoonlasmachine is een slijtdel. Slijtage verhoogt de weerstand en daarmee het stroomverbruik. De onderzoekers hebben daarom stroommeetklemmen aan de leiding bevestigd. Een ander algoritme analyseert de meetwaarden. De diameter van de geproduceerde leidingen wordt gemeten met een röntgenapparaat. Afwijkingen naar boven wijzen erop dat bijvoorbeeld de druk in de extruder, die de kunststoflaag aanbrengt, te hoog is. Een te kleine diameter betekent te weinig druk.

Smart Watch geeft aanbevelingen voor actie

„Zodra de KI een slechte lasnaad herkent, het verhoogde stroomverbruik van de sonotrode registreert of afwijkingen in de diameter vaststelt, verschijnt er een bijbehorende melding op de Smart Watch van de verantwoordelijke machinebediener“, legt Krauß uit. „Deze is verbonden met een aanbeveling voor actie, zodat de storing snel en zonder onsystematisch proef en fout kan worden verholpen of op tijd een nieuwe sonotrode wordt aangeschaft.“ De aanbevelingen voor actie zijn gebaseerd op zogenaamde workflow-modellen, die het onderzoeksteam vooraf samen met proceseigenaren heeft ontwikkeld. Ze geven de uit te voeren werkstappen weer die de KI aanbeveelt. Deze voorspellende onderhoudsstrategie verbetert niet alleen concrete onderhoudswerkzaamheden, maar ook de productieplanning en -besturing. Want als van tevoren bekend is wanneer een sonotrode wordt vervangen, kan de orderafhandeling en inkoop dienovereenkomstig worden georganiseerd.

Het bedrijf Maxsyma, een softwareontwikkelaar uit Floß in de Oberpfalz, zal de nieuw ontwikkelde functies en softwarebibliotheken nu integreren in hun bestaande toepassing „iot2flow“ en aanpassen zodat deze ook voor bedrijven uit andere sectoren van nut zijn. Bij Maincor gaat men ervan uit dat de gereedkomende tool na de uitrol in de gehele productie de stilstandduur van machines met ongeveer 15 tot 20 procent kan verkorten en de afvalpercentage met ongeveer 0,5 procent kan verminderen. Daarnaast wordt gerekend op dalende kosten voor onderhoud en reparaties, evenals efficiëntiewinsten door een geoptimaliseerde productieplanning en -besturing.