it’s OWL: KI-Wartungsassistent für reibungslose Abläufe im Hochregallager
Aus dem Forschungsprojekt EASY (Embedded Artificial Intelligence for Production Systems), das bis Ende 2023 im Rahmen der „Internationalisierung von Spitzenclustern, Zukunftsprojekten und vergleichbaren Netzwerken“ vom Bundesministerium für Bildung und Forschung (BMBF) gefördert wurde, ist ein effizienzsteigernder, KI-basierter Wartungsassistent für die Lagerlogistik hervorgegangen. it’s OWL hat einen Machine-Learning-Algorithmus entwickelt, der zum einen kritische Gerätezustände aufdeckt, zum anderen zunehmenden Verschleiß an Komponenten lokalisiert.
Dadurch können Reparaturen geplant werden, noch bevor sich Ausfallszeiten für den Lagerbetrieb ergeben – abgestimmt auf Arbeitspläne, Lieferfristen oder Ersatzteillieferungen.
Um Ausfallzeiten in Wartungsfällen von komplexen Hochregallagern zu vermeiden, setzt das Automatisierungsunternehmen Lenze mithilfe des Fraunhofer-Institut für Entwurfstechnik Mechatronik (IEM) auf einen KI-basierten Wartungsassistenten: Ein Machine-Learning-Algorithmus deckt zum einen kritische Zustände auf, die ein unmittelbares Eingreifen erfordern. Zum anderen erkennt und lokalisiert er entstehende Defekte oder zunehmenden Verschleiß an Komponenten, noch bevor sich Auswirkungen für den Lagerbetrieb ergeben. „Der Wartungsassistent unterstützt das Team der Wartung und Instandsetzung dabei, Fehler zu beheben, bevor sie überhaupt auftreten. So planen wir Reparaturen und Austausche an unseren Maschinen künftig systematisch in laufende Prozesse ein. Das erhöht die Verfügbarkeit unserer Anlagen und damit ihre Wirtschaftlichkeit“, sagte Dr. Heiko Stichweh, Abteilungsleiter Innovation bei Lenze.
KI-Wartungsassistent mit wenig Aufwand nachrüsten
Das besondere an der Lösung: Der Wartungsassistent zieht seine Informationen aus der bestehenden Sensorüberwachung der Antriebsmotoren. Die Motoren fungieren als Schnittstellen zwischen den Maschinen und dem Wartungsassistenten. Läuft im Gesamtsystem etwas unrund, wird in den Motordaten eine Abweichung vom Normalzustand detektiert.
„Wir haben unsere Algorithmen so ausgelegt und trainiert, dass sie fähig sind, jegliche Zustandsveränderungen zu erkennen und zu verorten“, erläutert Maximilian Bause, Machine-Learning-Experte am Fraunhofer IEM.
Entwicklungsteam setzt auf Embedded und Edge Devices
Bei der Entwicklung des KI-Wartungsassistenten profitierte das Projektteam von der guten Datenqualität der Lenze-Maschinen: „Unsere Antriebsdaten haben eine sehr hohe Qualität durch geringes Rauschen bei hochfrequenter und hochauflösender Abtastung. Das erleichtert zielgerichtete Analysen zur Überwachung verschiedener, prozesskritischer Komponenten – auch solcher, die nicht mit dem Motor verbunden sind“, erklärt Dr. Simon Michalke, Innovationsmanager im Dock One, dem digitalen Innovationslabor von Lenze.
Die Herausforderung: Die Verarbeitung dieser großen Datenmengen ist ressourcenintensiv und verbraucht viel Energie. Deshalb fand das Projektteam mit Embedded und Edge Devices bewusst eine Alternative zur Cloud. Die Daten können so bei Bedarf in unmittelbarer Maschinennähe verarbeitet werden. Das verringert Latenzen und erhöht die Datensicherheit.
Wartungsassistent in Automatisierungsbranche vielseitig einsetzbar
Aktuell integriert Lenze den Wartungsassistenten in die eigene Lagerlogistik des Mechatronic Competence Campus in Extertal. So kann das Unternehmen Trainingsdaten zu Störungen, Ausfällen und Verschleiß erfassen und die Predictive-Maintenance-Lösung immer weiter optimieren. Lenze plant, den Wartungsassistenten serienmäßig in seine Softwareprodukte zu integrieren – und so für viele Anwendungsfälle in der Automatisierungsbranche verfügbar zu machen. Durch die Flexibilität der Lösung ist eine Übertragung in weitere antriebstechnische Anwendungen denkbar.
Gefördert wurde die Zusammenarbeit der Lenze-Tochter encoway mit dem Fraunhofer IEM im Projekt EASY von it’s OWL.