KI: Gesehen und nicht gehört werden

Der Quality Prediction Hub von Siemens nutzt maschinelles Lernen auf Maschinen- und Prozessdaten, um Qualitätsprobleme entlang des Verpackungsprozesses vorherzusagen, um Qualitätsinspektionsprozesse zu automatisieren, Probleme so früh wie möglich zu erkennen und Informationen über die Ursachen von Qualitätsproblemen bereitzustellen, die von Betreibern zur Optimierung genutzt werden können Leitungseinstellungen.Bild mit freundlicher Genehmigung von Siemens

Wie ein Sprichwort aus dem 15. Jahrhundert: „Kinder sollten gesehen, aber nicht gehört werden“, handelt es sich bei künstlicher Intelligenz (KI) typischerweise um eine eingebettete Softwaretechnologie, die still hinter den Kulissen arbeitet und dafür sorgt, dass ein Produktions- oder Verpackungssystem reibungslos läuft – und still ist, solange nichts passiert Kontrolle und lässt sich nicht leicht korrigieren. Dann schlägt das System Alarm und stoppt möglicherweise den Prozess, bis das Problem – das die KI bereits identifiziert hat – von Menschen behoben wird.

Einige Anbieter von Verpackungs- und Steuerungssystemen haben damit begonnen, den Einsatz von KI in ihren Systemen anzupreisen – und das aus gutem Grund. KI-Technologien sind endlich reif für die Hauptsendezeit, vorausgesetzt, sie verfügen über ausreichende Eingaben von Sensoren und/oder gesammelte Daten von Verpackungsmaschinen, Robotik, Bildverarbeitungssystemen, Motoren und anderen Softwareanwendungen wie MES, Inventar, Logistik und Prozesssteuerung. Ohne diese Daten ist die KI blind.

Ich dachte, es könnte interessant sein, ein KI-System (ChatGPT) zu „fragen“, was seiner Meinung nach die Vorteile sind, die KI für Lebensmittelverpackungssysteme bringen kann. Während KI Autoren und Redakteure wahrscheinlich noch nicht arbeitslos machen wird, waren die Antworten von ChatGPT wie folgt zusammengefasst: „KI kann dazu beitragen, dass Lebensmittelverpackungssysteme effizienter, effektiver und nachhaltiger arbeiten, was zu verbesserter Qualität, weniger Abfall und höherer Rentabilität führt.“ Die vollständige Antwort finden Sie im Kasten „KI-Chatbot zeigt KI-Vorteile im Verpackungssystembetrieb.“

Für Anbieter von Verpackungsanlagen gab es auf dem Weg zur KI viele Wegweiser. Beispielsweise hat Harpak-ULMA im Jahr 2018 die Vision und den Plan entwickelt, sich zu einem innovativen, agilen Anbieter intelligenter und vernetzter Verpackungsplattformen zu entwickeln, sagt Alexander Ouellet, Innovationsmanager. Nach fünf Jahren dieses mehrjährigen, mehrstufigen digitalen Transformationsplans demonstriert das Unternehmen nun, wie und warum die digitale Transformation aufgrund der kommerziellen Akzeptanz bei Interessenten und Kunden einen Kundennutzen in Verpackungsbetrieben schafft.

„Diese Strategie“, sagt Ouellet, „basiert auf der Bereitstellung intelligenter, vernetzter Maschinen, die eine Grundlage für die digitale Transformation (Daten) bilden, wird schrittweise weiterentwickelt, um IoT, Augmented Reality (AR), digitale Zwillinge und vorausschauende Wartungsfunktionen zu integrieren.“ Das Unternehmen plant wird nach mehrjährigen Betatests mit Fortune-500-Kunden im Jahr 2023 eingebettete AR- und digitale Zwillingsfunktionen kommerziell veröffentlichen.“

Die Anwendung von maschinellem Lernen und KI-Technologien auf der Grundlage großer Mengen gesammelter Daten sei der Schlüssel für die letzte Phase eines geplanten Angebots zur vorausschauenden Wartung auf allen Verpackungsplattformen des Unternehmens, fügt Ouellet hinzu. Während dies das wichtigste Kundennutzenversprechen ist, auf das es abzielt, hat das Unternehmen eine Reihe kleinerer Schritte unternommen, um KI für die Bewertung, Analyse und Identifizierung verschiedener inkrementeller Verbesserungen rund um bestehende Prozesse oder Angebote zu nutzen.

Weitere KI-Anwendungen werden von Harpak-ULMA untersucht. Zum Beispiel die Fähigkeit der Plattform, basierend auf der Anzahl der Zyklen und anderen Laufzeitvariablen eine Warnung auszugeben bzw. den Wiederaufbau eines Tray Sealer-Tools zu empfehlen (beachten Sie, dass dies nicht für die zustandsbasierte Überwachung gilt). Ein weiterer Aspekt dieser Art von KI wird für die Bestandsverwaltung von Ersatzteilen untersucht. KI wird auch für die Analyse von Serviceanfragen und Supporttickets getestet, um Muster zu identifizieren, die dabei helfen können, einen proaktiveren Ansatz für die Kundenreaktion zu etablieren. Schließlich arbeitet das Unternehmen aktiv daran, ein KI-Tool zu integrieren, das auf die Fehlerbehebung bei Maschinen und das Produktionsmanagement für eine Verpackungsplattform abzielt.

Eines der interessanten Geschäftsmodelle, die erfolgreiche Predictive Maintenance durch umfangreiches Data Warehousing ermöglicht, ist ein Branchen-Benchmarking-Service, sagt Ouellet. Während sich das Unternehmen derzeit noch in der Konzeptionsphase befindet, können riesige Mengen erfasster, anonymisierter Daten ausgewertet werden, um eine Reihe erstklassiger Betriebsleistungskennzahlen zu generieren, die Herstellern helfen könnten, die Wirksamkeit ihrer Verpackungsabläufe im Vergleich zu denen ihrer Mitbewerber besser zu verstehen .

KI-basierte Lieferketten- und Analysesoftware trägt dazu bei, die Verpackungs- und Kontrollfunktionen zu erweitern. Beispielsweise kann die Software von Peak Analytics KI- und maschinelle Lernalgorithmen nutzen, um bessere Ergebnisse bei der Qualitätskontrolle und vorausschauenden Wartung in der Lebensmittelverpackungsindustrie zu erzielen, sagt John Dwinell, Präsident von Peak Technologies. Zur Qualitätskontrolle kann die Siena Analytics-Software KI-Modelle entwickeln, die Bilder von Verpackungsmaterialien während des Produktions-, Verpackungs- und Vertriebsprozesses analysieren, um etwaige Mängel oder Unregelmäßigkeiten bei der Etikettierung und Versiegelung sowie etwaige physische Mängel in der Verpackung selbst zu erkennen. Dies kann dazu beitragen, Abfall zu reduzieren, die Produktqualität zu verbessern und die Einhaltung gesetzlicher Anforderungen sicherzustellen.

Ohne Überwachungs-/Steuergeräte und Sensoren hätte die KI nicht die Daten, die sie benötigt, um Maschinen auf Höchstleistung zu halten. Red Lion Controls bietet eine breite Palette von Produkten an, darunter Sensoren, I/O-Module, Controller, HMIs und IIoT-Gateways, die für die Datenerfassung und Edge-Berechnung von Feldgerätedaten verwendet werden können. „Diese Daten können in KI-gestützte Anwendungen integriert werden, um Lebensmittelverpackungsprozesse zu verbessern“, sagt Barry Turner, technischer Business Development Manager.

„Siemens Digital Industries hat IIoT-Lösungen entwickelt, die eine Reihe kritischer Herausforderungen in der Fertigung im Allgemeinen und in der Verpackung im Besonderen abdecken“, sagt Alexander Epple, Leiter der MindSphere-Branchenlösungen bei Siemens. Beispielsweise kosten Produktionsausfälle aufgrund von Geräteausfällen in der Lebensmittelindustrie in der Regel 20.000 bis 30.000 US-Dollar pro Ausfallstunde. Zwei KI-basierte Lösungen können Geräteausfälle vorhersagen.

Erstens wird Senseye von Siemens von Grund auf mit hochentwickelter KI entwickelt und sagt die Zukunft von Maschinen voraus. Genauer gesagt lässt sich Senseye PdM in jedes Asset, System oder jede Datenquelle integrieren und nutzt dabei bereits erfasste Daten der Hersteller oder neu installierte Sensoren als Teil eines Gesamtpakets. Zweitens bietet Edge Analytics KI-Funktionen zur automatischen Erkennung von Anomalien in Vibrationsspektren rotierender Maschinen und alarmiert Bediener frühzeitig über Probleme. Darüber hinaus stellt es die erforderlichen Tools bereit, um die Grundursachen von Problemen zu identifizieren und gezielte Abhilfemaßnahmen zu definieren.

Zusätzlich zu diesen Softwarelösungen bietet GE Digital Proficy Operations Analytics und Proficy CSense an, Softwarelösungen zur Optimierung der Lebensmittel- und Getränkeproduktion mithilfe von KI-Technologien, sagt Cobus van Heerden, Senior Product Manager, ML und Analytics.

Ich besitze einige KI-basierte Grafikanwendungen, zum Beispiel eine, die Fotos aufgrund von Kameraverwacklungen schärfer macht oder etwas unscharf ist. Habe ich Sharpen AI von Topaz Labs speziell gekauft, weil es auf AI läuft? NEIN! Für mich zählt nur, dass es seine Arbeit erledigt, Zeit spart und erschwinglich ist. Ich spüre, dass viele Lebensmittel- und Getränkeverarbeiter die gleichen Ansichten über die KI-basierten Produkte haben, die sie kaufen und installieren.

„Unserer Erfahrung nach suchen Produktionsleiter und Ingenieure nicht nach ‚KI‘, um die Technologie zu nutzen, sondern hoffen, dass sie spezifische Produktionsherausforderungen für sie lösen kann, bei denen traditionellere Ansätze nicht ausreichen oder ganz scheitern“, sagt Epple von Siemens. „Daher entwickeln wir Lösungen rund um KI-Technologien für klar definierte allgemeine Produktionsherausforderungen und konzipieren und verpacken sie so, dass Kunden sie ohne tiefgreifende Kenntnisse über Methoden des maschinellen Lernens nutzen können.“

Der KI-Chatbot zeigt die Vorteile der KI im Betrieb von Verpackungssystemen auf

F: Wie kann künstliche Intelligenz den Betrieb von Lebensmittelverpackungssystemen verbessern? KI-basiertes ChatGPT antwortet unten:

A: Künstliche Intelligenz (KI) kann den Betrieb von Lebensmittelverpackungssystemen auf verschiedene Weise verbessern:

Insgesamt kann KI dazu beitragen, dass Lebensmittelverpackungssysteme effizienter, effektiver und nachhaltiger arbeiten, was zu einer verbesserten Qualität, weniger Abfall und einer höheren Rentabilität führt.

– Von ChatGPT (https://chat.openai.com/chat)

„Die Association for Packaging and Processing Technologies (PMMI) gibt Berichten zufolge an, dass 59 % der Lebensmittel- und Getränkeunternehmen derzeit KI-Technologien in ihren Betrieben einsetzen oder planen, dies zu tun“, sagt Ouellet von Harpak-ULMA. „Die genauen Anwendungen von KI unter diesen Umständen sind unklar. Sicherlich ist der Trommelwirbel des Marktes, der die Bedeutung und das Potenzial der digitalen Transformation betont, eng mit den sich entwickelnden Interessen und Erwartungen der Produzenten verbunden.“

„Wir glauben jedoch, dass sich die weit verbreitete Einführung von KI bei der Paketierung von Predictive Maintenance noch in einer aufstrebenden Phase befindet“, fügt Ouellet hinzu. „Anbieter stehen vor pragmatischen Herausforderungen im Zusammenhang mit den Kosten und der Machbarkeit einer groß angelegten Datenaggregation, heterogenen Automatisierungsumgebungen, Konnektivität und KI-Modellierungs-/Entwicklungsbemühungen.“

Im Allgemeinen bestehen die Hauptziele der Hersteller darin, qualitativ hochwertige Produkte zu niedrigsten Kosten zu liefern, die Betriebsleistung (oder Gesamtanlageneffektivität (OEE)) zu verbessern, Produktsicherheit und Rückverfolgbarkeit von den Zutaten bis zur Palette zu gewährleisten und Nachhaltigkeitsziele und -maßnahmen zu übertreffen, heißt es van Heerden von GE Digital. Lebensmittel- und Getränkehersteller suchen jedoch nach allen Lösungen, die ihnen beim Erreichen dieser Ziele helfen, und die Mehrheit sieht in KI eine Möglichkeit, ihre Abläufe zu verbessern. Wenn KI eine Lösung darstellt, kann KI die betrieblichen Betriebsziele und die Energie-OEE-Optimierung unterstützen und die richtige Menge an Produkten mit hoher Qualität produzieren.

Qualitätskontrolle, vorausschauende Wartung und Lieferkettenmanagement sind Bereiche, in denen die Nachfrage wächst, sagt Turner von Red Lion. „Eine beträchtliche Anzahl von Lebensmittel- und Getränkeverarbeitern glaubt, dass KI für die breite Akzeptanz bereit ist und neben anderen fortschrittlichen Werkzeugen bald zu einem erwarteten Bestandteil von Verpackungssystemen werden wird.“

„CPG-Hersteller hören in verschiedenen Bereichen von KI und sind neugierig“, sagt Kevin Hoorne, Siemens-Branchenmanager CP&R für digitale Fertigung. „Sie wollen mehr wissen; sie wollen [KI] besser verstehen und sie wollen lernen, wie sie ihnen bei den Herausforderungen, vor denen sie stehen, helfen kann. Wir haben nicht das Gefühl, dass sie aktiv suchen. Stattdessen wollen sie von uns hören.“ Wir sind dort, wo der Wert liegt. Hier arbeiten wir eng mit unseren Kunden zusammen, indem wir unsere Lösungen an ihre Bedürfnisse anpassen.“

„Solange KI dazu beitragen kann, Probleme zu lösen, die zu unnötigen Zeit- und Geldverlusten führen können, wie zum Beispiel die Vorhersage, wann Geräte gewartet werden müssen, werden unsere Kunden sie annehmen“, sagt Gian Paolo De Salvo, Branchenmanager für Fertigungsabläufe bei Siemens Digital Management in der Prozessindustrie.

„Da die KI-Technologie immer weiter voranschreitet und ihren Wert unter Beweis stellt, ist es wahrscheinlich, dass sie als ein weiteres, in das Gesamtsystem integriertes Tool immer mehr akzeptiert und erwartet wird“, sagt Preet Murthy, Produktmarketing bei Peak Analytics. „Die Unternehmen, die mit der Einführung von KI am meisten Erfolg haben, sind diejenigen, die erkennen, dass es sich um eine Änderung der Denkweise handelt, und die Fähigkeiten aufbauen, um den Wandel zu unterstützen. Die Planung und der Betrieb von Verpackungssystemen erfordern immer ein gewisses Maß an menschlicher Beteiligung, aber zunehmend erfolgreiche Anwender tun dies.“ „Wir haben erkannt, dass KI und maschinelles Lernen den Großteil der standardisierten Prozesse bewältigen können – insbesondere hochwiederholbare Aufgaben mit geringer Kognition“, sagt Murthy.

„Es hängt von den Zielen und Vorgaben des Herstellers ab und davon, wo er sich auf seinem Weg zur digitalen Transformation befindet“, sagt van Heerden von GE. „Gemeinsam mit unseren Kunden entwickeln wir sogenannte Outcome Maps, um die spezifischen Maßnahmen und Metriken zu ermitteln, die unsere Kunden liefern möchten. Anschließend skizzieren wir auf der Grundlage der Outcome Map die Prioritäten im Hinblick auf ihren Weg zur digitalen Transformation und den Zeitplan.“ der Bereitstellung und Implementierung. Letztlich sind unsere Prioritäten die Prioritäten der Kunden, und wir stellen ihre Bedürfnisse an die erste Stelle. Wir werden keine Lösungen implementieren oder empfehlen, es sei denn, der Kunde ist dazu bereit und hat ausreichende Grundlagen für seine digitale Transformation gelegt sogar in der Lage sein, alle Vorteile zu nutzen, die KI-Software bieten kann.“

Zukunft für KI in der Verpackung außerhalb der vorausschauenden Wartung

Mögliche Bereiche außerhalb der vorausschauenden Wartung sind:

—Alexander Ouellet, Harpak-ULMA

„Jede Anwendung von KI-Technologien bei Harpak-ULMA wird direkt mit unseren Lösungen und unserer Marktpositionierung verknüpft sein, die auf die Optimierung von Verpackungsprozessen ausgerichtet ist“, sagt Ouellet. „Einfach ausgedrückt: Kunden suchen nach Lösungen für Probleme – und prüfen nicht, ob sie KI in ihrem Betrieb einsetzen sollen oder nicht. KI ist lediglich ein weiteres Technologietool – und ihre Anwendung oder Priorisierung basiert auf ihrer Wirksamkeit, Zuverlässigkeit und Erschwinglichkeit in diesem speziellen Fall Kontext."

Da KI immer zuverlässiger, erschwinglicher und „komponentisierter“ wird, wird sich die Bandbreite der Anwendungen vergrößern – zum Beispiel zur gezielten Lösung betrieblicher Leistungsprobleme in Bezug auf Verpackungseffizienz/-produktivität, Abfallreduzierung, Qualitätskontrolle und möglicherweise sogar zur Optimierung des Lieferkettenmanagements im Zusammenhang mit Ersatzteilen und Verbrauchsmaterialien, Optimierung der Anlagennutzung usw., fügt Ouellet hinzu.

„Wir priorisieren unsere KI-Anwendungen basierend auf den Bedürfnissen und Prioritäten unserer Kunden“, sagt Dwinell von Peak Technologies. „Wir arbeiten eng mit unseren Kunden zusammen, um ihre Schwachstellen zu verstehen und Bereiche zu identifizieren, in denen KI die größte Wirkung erzielen kann. Unser Ansatz besteht darin, mit den Bereichen zu beginnen, in denen die größte Wirkung in Bezug auf Effizienz, Abfallreduzierung, Qualitätskontrolle usw. erzielt werden kann.“ Optimierung der Lieferkette. Bei der Entscheidung, wo wir KI zuerst implementieren, berücksichtigen wir auch den potenziellen ROI und die Durchführbarkeit der Implementierung. Letztendlich ist es unser Ziel, Lösungen bereitzustellen, die mit den Prioritäten unserer Kunden übereinstimmen und ihrem Unternehmen greifbare Vorteile bringen.“

Bei der Zukunft der KI im Verpackungsbereich geht es um die OEE-Optimierung. Das heißt, Qualitätsprodukte auf Bestellung pünktlich und ohne Abfall herzustellen, sagt van Heerden. Bei der Durchführung des Herstellungsprozesses ist es von entscheidender Bedeutung, Produkte so effizient wie möglich zu verpacken und gleichzeitig ungeplante Ausfallzeiten zu vermeiden. Daher ist eine Feinabstimmung der Maschineneinstellungen erforderlich, um die richtige Produktmenge in der richtigen Qualität zu produzieren und zu verpacken und gleichzeitig den Energieverbrauch zu optimieren. Aber die allgemeine Optimierung endet hier nicht. Auch Planung und Terminierung werden angesichts der anhaltenden Volatilität in den Lieferketten immer wichtiger. Daher wird KI in Zukunft immer wichtiger, da sie diese verwandten Anwendungen ermöglicht.

„Wir gehen davon aus, dass KI-Technologien zunehmend zu Kernbestandteilen von Softwarelösungen für den Fertigungsprozess werden“, sagt Epple von Siemens. Der Fokus liegt zunächst auf der Bereitstellung von Erkenntnissen durch Anomalieerkennung, Prognose oder Klassifizierung. Für die Zukunft erwarten wir eine Zunahme präskriptiver Anwendungen, z. B. die Roadmap für unsere Lösung Quality Prediction Hub, die Funktionen zur automatischen Berechnung optimaler Einstellungen für Produktionsmaschinen umfasst. Dies erhöht den Wert, der durch die Einführung dieser Lösung erzielt werden kann, weiter.“

Red Lion Controls entwickelt Produkte und Lösungen, die den Prozess der Extraktion von Sensor- und Prozessdaten vereinfachen können

KI kann einer intelligenten Fertigungslösung für Verpackungen einen enormen Mehrwert verleihen, es sollte jedoch immer geprüft werden, ob andere Ansätze – physikalische Simulationsmodelle oder diskrete Ereignissimulationswerte – das vorliegende Problem effektiver lösen können, sagt Epple. „Daher nutzen wir maschinelle Lerntechnologien nicht mit roher Gewalt, sondern treffen immer eine bewusste Entscheidung darüber, welches Tool die beste Lösung für unsere Kunden bringt.“

„Künstliche Intelligenz vereinfacht die industrielle Steuerung für Betriebspersonal, das keine Datenanalyseexperten ist“, Engineering R&D, FE, 25. Februar 2021

„Künstliche Intelligenz/maschinelles Lernen reduziert Fehler und Verschwendung, FE, 9. Mai 2022

„KI und IIOT machen das Rätselraten bei der Wartungsplanung überflüssig“, Engineering R&D, FE, 23. Februar 2018

„KI hilft bei der Steuerung von Gewächshausautomatisierungssystemen“, Engineering R&D, FE, 3. Juni 2022

„KI/ML-basierte Echtzeit-Sensortechniken verwandeln die Kunst der Weinherstellung in exakte Wissenschaft“, Engineering R&D, FE, 12. Juli 2022

„Konsistente Fermentationsergebnisse erzielen“, FE, 10. September 2021

„Um neue KI-basierte Methoden zur Steigerung der Produktivität zu finden, sind digitale Daten erforderlich“, FE, 13. Februar 2020