COLLIE: Kosteneffiziente Kombination aus Domänenwissen und Daten
In dem Bosch Projekt „COLLIE“ arbeiten Bosch Mitarbeiterinnen und Mitarbeiter divisionenübergreifend an einer generalisierbaren Methodik, die als hybrides Modell Domänenwissen und Daten intelligent kombiniert, und mit der sich unter anderem Produktionsprozesse signifikant schneller entwickeln lassen.
Der Anspruch von Bosch Research ist es, dass wir unsere Produktentwicklungs- und Produktionsprozesse unter Verwendung geeigneter Modelle verstehen. Basieren viele dieser Modelle klassisch auf ingenieurstechnischen oder naturwissenschaftlichen Zusammenhängen und Formeln, bieten Methoden der künstlichen Intelligenz (KI) und des Maschinellen Lernens neue Möglichkeiten, aus Daten Modelle zu generieren. Inspiriert von IBM-Manager und Visionär John E. Kelly („Smart Machines – IBM’s Watson and the Era of Cognitive Computing“, 2013) nutzt das Bosch Projekt „COLLIE“ (Collective Intelligence Excellence) die Vorteile klassischer Ingenieurswissenschaften und Naturwissenschaften sowie die Vorteile Künstlicher Intelligenz und des Maschinellen Lernens. Durch die Kombination des Besten aus beiden Welten spart der COLLIE Ansatz nicht nur Zeit und Geld in allen Entwicklungsschritten, sondern ermöglicht auch einen schnellen Wissensaufbau, Erklärbarkeit und Vertrauen. Unabhängig vom jeweiligen Einsatz in Forschung, Entwicklung oder Produktion – der von COLLIE gewählte Ansatz kann in den meisten Problemklassen wie Optimierung, Transferlernen, Prädiktion und Problemlösung gewinnbringend eingesetzt werden.
Die Möglichkeiten, die COLLIE aufzeigt, sind vielfältig: Beispielsweise können aus physikalischen, analytischen Modellen und Daten sogenannte hybride Modelle generiert werden. Diese bieten den Vorteil, dass der Lösungsraum in der Problemklasse der Optimierung unterschiedlicher Prozesse in Produktion oder Entwicklung stark eingegrenzt werden kann. Damit konnten gleiche oder bessere Optimierungsergebnisse innerhalb von Tagen oder Stunden erreicht werden – im Vergleich zur „klassischer Vorgehensweise“, bei der durch Planung und umfangreiche Testung im Realbetrieb Monaten oder gar Jahre vergehen können.
Die verwendeten KI-Algorithmen für Optimierung, Transferlernen sowie hybride Modelle aus dem Bereich des Reinforcement Learning sind unternehmensweit als Softwarepakete inklusive Tutorials verfügbar. Eine Software-Plattform für die Produktionstechnik, die die Anlagenorchestrierung inklusive Datenhandling sowie Einbindung der verwendeten KI-Algorithmen beinhaltet, wird von Bosch Research derzeit mit Projektpartnern der Bosch Geschäftsbereiche Powertrain Solutions in Werk Hildesheim und Bosch Manufacturing Solutions entwickelt. Weitere Tools, die bei Bosch Research entwickelt wurden, werden bis zum Ende der Laufzeit des Projektes COLLIE unternehmensweit verfügbar sein. Die Schwerpunkte sind hierbei Anforderungsentwicklung und Visualisierung in den Problemklassen Optimierung und Transferlernen, sowie Prädiktion und Problemlösung durch die Generierung von physikalisch plausiblen Gleichungen oder hybriden Modellen aus gegebenen Daten.
Der „COLLIE“ Cycle gibt den Takt vor
Der Collie ist eine aus Schottland stammende Hütehund-Rasse. Er gilt als sehr intelligent, lernfähig, folgsam und er kann selbstständig Entscheidungen treffen. Insofern passt der Vierbeiner bestens zu dem Bosch Projekt COLLIE. Ein konkreter Anwendungsfall der COLLIE Methode war die Konzeption, der Aufbau und die Anwendung von selbstlernenden, vollautomatisierten Produktionsmaschinen im Bereich Lasermaterialbearbeitung. Analog zum Hütehund sollte hier die Maschine vorhandenes Wissen folgsam nutzen, dann aber ohne menschliche Interaktion bei der Optimierung des Produktionsprozesses selbstständig entscheiden und weiter lernen. Das bedeutet: Sowohl die Planung der Experimente für die Erfüllung der Anforderungen sowie deren Durchführung und Auswertung sind vollautomatisiert und vernetzt abgelaufen. Damit ist der COLLIE Prototyp im Bereich Lasermaterialbearbeitung „AIoT in Reinkultur“ – denn er verbindet die Vorteile künstlicher Intelligenz mit den Möglichkeiten der Vernetzung von Maschinen.
„Die Variantenvielfalt der Produkte, die Bosch herstellt, wächst von Tag zu Tag“, weiß Peter Stritt, Entwicklungsingenieur bei Bosch Research im Forschungszentrum in Renningen. Bevor eine Produktion starten kann, müssen die Produktionsprozesse jedoch optimal auf die jeweiligen Anforderungen eingestellt sein. Aufgrund der zugleich immer kürzeren Produktzyklen muss das möglichst schnell passieren. „Wir arbeiten im Rahmen von COLLIE daher an einer generellen Methodik, die die Entwicklungszeit durch eine optimale Verknüpfung von Domänenwissen, Messdaten und künstlicher Intelligenz verkürzt“, erklärt Stritt. An dem Projekt sind Mitarbeiterinnen und Mitarbeiter aus den Domänen Ingenieurswissenschaft, Naturwissenschaft und Informatik und mehreren Bosch Bereichen beteiligt – vom Forschungszentrum von Bosch Research in Renningen über die Prozessentwicklung in einzelnen Werken von Bosch Powertrain Solutions, Bosch Automotive Electronics und Bosch Engineering GmbH – Chassis Systems Control, der Softwareentwicklung in Ungarn, dem Bosch Center for Artificial Intelligence (BCAI), bis zu Bosch Manufacturing Solutions, unserem Industrialisierungspartner im Bereich Fertigung.
Schnellerer und besserer Schweißprozess
Konkret aufgezeigt werden konnten die Potenziale der COLLIE Methodik bei der Produktion des von Bosch entwickelten elektromechanischen Bremskraftverstärkers. Bei der Fertigung müssen Bauteile unter anderem per Laserstrahl miteinander verschweißt werden. Diesen Prozess hat das COLLIE Team mit Hilfe der am Forschungsstandort in Renningen prototypisch entwickelten AIoT-Laserschweißanlage optimiert.
„Ziel unseres Expertenteams war es, die Qualität der Schweißergebnisse zu steigern, indem die Verschmutzung durch Schweißspritzer deutlich verringert wird. Unsere Vision wurde Realität: Die Anzahl der Spritzer sank um rund 50 Prozent. Und: Auf Basis unserer Methodik haben wir die Prozesszeit um 40 Prozent reduzieren können“, resümiert Projektteammitglied Tsvetelina Yordanova, Ingenieurin am Bosch Produktionsstandort Blaichach. Der nächste Schritt sei nun, den durch COLLIE optimierten Prozess in der Linienproduktion des iBoosters in Blaichach zu implementieren.
Ein Ansatz für alle
Das Projektteam hat mit COLLIE eine allgemeine Vorgehensweise in Projekten erarbeitet, die sich grundsätzlich auf alle möglichen Prozesse anwenden lässt – sowohl in der Fertigung als auch in der Forschung und Entwicklung. „Die verwendeten Methoden für Optimierung, hybride Modelle sowie Transferlernen sind auch jetzt schon für alle Bosch Mitarbeiter auf der Bosch Social Coding-Plattform zugänglich“, sagt Yordanova. Nach Peter Stritt geht die Vision noch einen Schritt weiter: „Wenn wir an eine zukünftige Produktion denken, in der dann wirklich alles miteinander vernetzt ist und überall AIoT-Maschinen eingesetzt sind, kann unser Verfahren helfen, die Produktion auch kontinuierlich, also im laufenden Prozess zu optimieren“.
COLLIE im Einsatz
Die COLLIE-Methodik lässt sich in sämtlichen Prozessen im Rahmen AIoT in der Fertigung oder der Forschung und Entwicklung anwenden. Piloten sind unter anderem bereits in diesen Bereichen gestartet:
- Fertigung / Prozessentwicklung: Laserschweißen, Laserbohren, Schrauben
- Fertigung / Robotik: Justage von optischen Elementen für bilderfassende Produkte (bspw. für die Multi-Purpose Camera (MPC) im Bereich autonomes Fahren)
- und u.a. in den Anwendungen Brennstoffzelle, Elektrifizierung (E-Maschine), Halbleiter / Mikroelektromechanische Systeme (MEMS)
Tsvetelina Yordanova
Als Simulations- und Berechnungsingenieurin hat Tsvetelina Yordanova zu Beginn des COLLIE-Projekts vor allem ihr Know-how aus der Berechnungsseite mit eingebracht. Die 29-Jährige kommt aus der Entwicklungsabteilung des Bosch Werks in Blaichach, wo sie sich unter anderem mit dem Prozess des Laserschweißens beschäftigt. Während des Projekts konnte die studierte Maschinenbauingenieurin weiteres Wissen in KI aufbauen und hat sich vertieft mit unterschiedlichen Machine Learning-Algorithmen auseinandergesetzt. Aktuell absolviert sie eine Weiterbildung zur Data Scientist.
An dem Projekt hat Yordanova am meisten die effiziente Zusammenarbeit in einem internationalen, multidisziplinären Team mit Kolleginnen und Kollegen aus mehreren Geschäftsbereichen gefallen, wodurch schnell wertvolle Ergebnisse für Bosch entstanden sind.
Dr. Peter Stritt
Der Maschinenbauingenieur hat seine Basis im Bosch Research Forschungszentrum in Renningen. Der 39-Jährige steuerte sein Fachwissen über Lasermaterialverarbeitung bei. Im Rahmen des Projektes COLLIE konnte er zudem seine Kompetenzen noch einmal deutlich erweitern, weil er den Aufbau der von Künstlicher Intelligenz gesteuerten Lasermaschine betreut und die entsprechende Schnittstelle definiert hat. Das Projekt war für ihn also zugleich unmittelbare Weiterbildung in Sachen KI-basierter Optimierung und Datenanalyse.
Für ihn steht COLLIE vor allem für Vielfalt und effektive Bündelung verschiedener Kompetenzen für das gemeinsame Ziel, Prozessoptimierung schnell und effizient zu gestalten.