Der heterogene Maschinenpark eines produzierenden Unternehmens ist darüber hinaus mit häufigen Änderungen konfrontiert. Z.B. sollen unterschiedliche Produktvarianten mit einem wechselnden Personalstamm gefertigt werden. Vor diesem Hintergrund entsteht auf dem Shopfloor der Wunsch nach entsprechenden Lösungen, die bestehende Systeme bei Bedarf ergänzen. Die genannten Anforderungen lassen sich mit dem Software-Paket MLnext umsetzen. Es bietet die Grundlage für datenbasierte Services, die der Maschinenbauer seinen Kunden als flexiblen und skalierbaren Mehrwert zur Verfügung stellen kann. Bei einem solchen Service handelt es sich z.B. um die vorausschauende Wartung der gekauften Maschine. Der Anwender kann den Service im ersten Schritt prototypisch testen, bevor er ohne Hardware-Änderungen für weitere Maschinen freigeschaltet wird. Auf diese Weise erhält der Anwender ein maßgeschneidertes Service-Angebot, das für den Maschinenbauer handhabbar bleibt.
Ein Bestandteil des Software-Pakets ist MLnext Execution. Mit dieser Lösung kann der Maschinenbauer selbst erstellte Machine-Learning-Modelle in die eigenen Systeme integrieren. Dazu kommt vor allem die neue OPC-UA-Schnittstelle zum Einsatz. Das Protokoll ermöglicht die nahtlose und schnelle Kommunikation mit der Steuerungsebene und somit eine intelligente Steuerung der Maschine.
Zyklische oder ereignisbasierte Modellausführung
MLnext Execution ist eine Laufzeitumgebung für Machine-Learning-Modelle im ONNX-Format (Open Neural Network Exchange). Die Software lässt sich als App auf den Geräten der Produktfamilie PLCnext betreiben. Alternativ kann sie Hardware-unabhängig als OCI-Container unter Docker oder Podman verwendet werden. Über ein Web-Frontend verwaltet der Nutzer die Machine-Learning-Modelle, definiert Aufgaben und konfiguriert Datenflüsse. Dazu sind keinerlei Programmierkenntnisse erforderlich. Die Einstellungen werden über das JSON-Datenformat oder YAML-Konfigurationsdateien vorgenommen. Sie beschreiben die gesamte Pipeline von der Datenvorverarbeitung über die Modellinferenz bis zur Ergebnisausgabe.
Die Ausführung erfolgt entweder zyklisch – z.B. jede Sekunde – oder ereignisbasiert per API-Schnittstelle, etwa REST oder OPC UA. Dabei werden die Zeiten der Datenverarbeitung und Modellausführung dauerhaft protokolliert. So ist sichergestellt, dass die Vorhersage des Modells rechtzeitig für den weiteren Betrieb bereitsteht. Findet eine Qualitätskontrolle statt, sollte die Überprüfung des Produkts und Klassifizierung des Modells so durchgeführt werden, dass es lediglich zu geringen oder bestenfalls keinen Wartezeiten kommt. Die Datenerfassung und -auswertung geschieht z.B. parallel zum letzten Produktionsschritt, während das Produkt zur Ausgabestation transportiert wird.
Geringe Latenz und echtzeitnahe Reaktion
Ein besonderes Merkmal der aktuellen Version von MLnext Execution ist die integrierte OPC-UA-Schnittstelle. Das Interface lässt sich u.a. dazu nutzen, um Daten zyklisch und asynchron von einer Steuerung einzusammeln und wieder an die Steuerung zurückzuspielen. Auf diese Weise können z.B. Daten für eine vorausschauende Wartung einer Maschine erfasst werden. Wird ein Problem erkannt, lässt sich durch das Setzen einer Variablen ein Alarm für den Maschinenbediener auslösen. Die Schnittstelle ermöglicht somit den einfachen Datenaustausch zwischen der Steuerung und dem Machine-Learning-Modell. In der Intralogistik ist die Maximierung der Lagerkapazität entscheidend. Kompakte Sensoren spielen dabei eine Schlüsselrolle: Höchste Leistung in kompakter Bauform schafft mehr Platz für die Ware, denn die Technik macht sich klein. ‣ weiterlesen
Intralogistik: Neue Baumer ToF-Sensoren machen sich klein
Außerdem kann die Steuerung auch synchron und direkt über OPC-UA-Methodenaufrufe mit MLnext Execution kommunizieren. Das reduziert die Latenz auf ein Minimum und sorgt für eine echtzeitnahe Reaktion. Als Beispiel seien die Sortierung von Produkten sowie die Regelung von Prozessen genannt. Die Vorhersagen und Ergebnisse eines Modells können im Steuerungsprogramm wie zusätzliche Variablen behandelt werden. Es ist also dem Nutzer überlassen, inwieweit die Vorhersagen zur direkten Steuerung der Maschine eingesetzt werden oder nur eine unterstützende Funktion etwa für eine Warnung oder einen Alarm darstellen.
Die Laufzeitumgebung für ML-Modelle ist für den industriellen Dauerbetrieb ausgelegt. Die Software, die mit verschiedenen Datenquellen wie Datenbanken, OPC UA, REST oder Streaming arbeitet, läuft auf Edge-Geräten, Servern oder in der Cloud. Die Lizenzierung erfolgt wahlweise für Windows, PLCnext oder OCI-Container. Für internationale Kunden stehen unterschiedliche Sprachversionen und Support-Angebote zur Verfügung.
ML-basierte Module als Features on Demand
Maschinenbauern bietet die Software neue Optionen, um ihre Maschinenintelligenz zu monetarisieren. Ihre Kunden können Machine-Learning-basierte Features als auswählbare Software-Module bestellen, ohne dass der Maschinenbauer alle Funktionen fest in die Maschine einbaut. Die Funktionen dienen u.a. zur Anomalieerkennung, Energieoptimierung oder zur Qualitätsüberwachung. Das Branding des Maschinenbauers lässt sich vollständig in die Weboberfläche einfügen, will heißen der Name ‚Phoenix Contact‘ kommt in der Software nicht vor. Die Mitarbeiter des Maschinenbauers müssen für die Entwicklung individueller und markenspezifischer Lösungen keine eigene KI-Expertise aufbauen.
Durch die Verwendung von ONNX als offener Standard für Machine-Learning-Modelle kann die Modellerstellung auch gemeinsam mit Datenanalyse-Dienstleistern umgesetzt werden. Somit steht das Geschäftsmodell im Einklang zwischen dem Maschinenbauer und den Software-Dienstleistern. Beispielsweise liefert der Maschinenbauer eine Basisdiagnose zu seiner Maschine, die durch eine vorausschauende Wartung des Software-Dienstleisters ergänzt und über MLnext Execution auf der Maschine oder in der IT des Betreibers ausgeführt wird. Beide Partner konzentrieren sich auf ihr Kerngeschäft. Zur Erzeugung der Machine-Learning-Modelle stellt Phoenix Contact MLnext Creation zur Verfügung. Mit diesem Software-Tool werden die Domänenexperten für spezifische Prozesse in die Lage versetzt, eigene Lösungen zur vorausschauenden Wartung durchzuführen. Digitale Souveränität in der Automation: Fraunhofer IOSB-INA entwickelt einen KI-Assistenten für die SPS-Programmierung. ‣ weiterlesen
Automatisierung neu gedacht
Als alternativer Ansatz lässt sich die Maschinenüberwachung nicht nur an den Betreiber verkaufen, sondern ebenfalls für das eigene Service-Team nutzen. In diesem Fall verwendet der Techniker die aufgezeichneten Prozessdaten sowie die Analyse des Machine-Learning-Modells per Remote-Access, sodass er seine Wartung effektiver planen und schon die richtigen Ersatzkomponenten bestellen kann. Für die industrielle Netzwerktechnik bietet Phoenix Contact eine Vielzahl an Lösungen zur sicheren Maschinenkommunikation – lokal oder per VPN über das Internet.
Im Look & Feel des Maschinenbauers
Mit MLnext Execution lassen sich Machine-Learning-Modelle in der Maschine realisieren – flexibel, sicher und in Echtzeit. Die neue OPC-UA-Anbindung erlaubt einen direkten Datenaustausch mit der Steuerungsebene. Maschinenbauer können damit eigene Features on Demand bereitstellen und neue Geschäftsmodelle erschließen. Aufgrund der Trennung von Ausführung und Verarbeitung der Modellergebnisse tritt Phoenix Contact in den Hintergrund. Die Lösung erscheint vollständig im Look & Feel des Maschinenbauers und ist als App für PLCnext, als Windows-Version oder als Containerlösung verfügbar.
Mit MLnext Execution erschließt Phoenix Contact neue Potenziale für Maschinenbauer. Sie können Machine-Learning-Modelle direkt in ihre Systeme integrieren und so intelligente Funktionen wie Anomalieerkennung, Qualitätsprüfung oder Energieoptimierung flexibel bereitstellen. Aufgrund der neuen OPC-UA-Anbindung lassen sich Modelle in Echtzeit mit der Steuerungsebene verknüpfen. Daraus resultieren eine minimale Latenz und maximale Reaktionsfähigkeit. Die Software lässt sich im Look & Feel des Maschinenbauers betreiben und ermöglicht damit Whitelabel-Lösungen sowie neue Geschäftsmodelle, z.B. Features on Demand. Ob als App, Container oder Windows-Anwendung: MLnext passt sich flexibel an jede Infrastruktur an. Interessenten können das Software-Paket live auf der SPS-Messe erleben und entdecken, wie KI zum Wettbewerbsvorteil für ihre Maschinen wird.
Präsentation auf der SPS 2025 in Nürnberg
Mit MLnext Execution erschließt Phoenix Contact neue Potenziale für Maschinenbauer. Sie können Machine-Learning-Modelle direkt in ihre Systeme integrieren und so intelligente Funktionen wie Anomalieerkennung, Qualitätsprüfung oder Energieoptimierung flexibel bereitstellen. Aufgrund der neuen OPC-UA-Anbindung lassen sich Modelle in Echtzeit mit der Steuerungsebene verknüpfen. Daraus resultieren eine minimale Latenz und maximale Reaktionsfähigkeit. Die Software lässt sich im Look & Feel des Maschinenbauers betreiben und ermöglicht damit Whitelabel-Lösungen sowie neue Geschäftsmodelle, z.B. Features on Demand. Ob als App, Container oder Windows-Anwendung: MLnext passt sich flexibel an jede Infrastruktur an. Interessenten können das Software-Paket live auf der SPS-Messe erleben und entdecken, wie KI zum Wettbewerbsvorteil für ihre Maschinen wird.
