17.000 mal schneller durch den Trick mit der Abkürzung

Digital Annealer optimiert BMW-Fertigung

| Autor / Redakteur: Otto Geißler / Ulrike Ostler

„Im Produktionsbereich gibt es sehr viele Arten von Optimierungsproblemen, die den „Travelling Salesman“ im Hintergrund haben.“ Bernhard Pflugfelder, Experte für Natural Language Processing, Maschinelles Lernen und Künstliche Intelligenz bei BMW.
„Im Produktionsbereich gibt es sehr viele Arten von Optimierungsproblemen, die den „Travelling Salesman“ im Hintergrund haben.“ Bernhard Pflugfelder, Experte für Natural Language Processing, Maschinelles Lernen und Künstliche Intelligenz bei BMW. (Bild: BMW AG)

Für die Lösung von komplexen kombinatorischen Optimierungsproblemen testet die BMW AG aktuell den „Digital Annealer“ von Fujitsu. Mit der IT im Hintergrund sollen Industrieroboter vollautomatisch und in kürzester Zeit Fugen, die während der Herstellung entstehen, versiegeln, um spätere Korrosion zu verhindern.

Das zuverlässige Versiegeln von Fugen vor dem Verschweißen und Lackieren an der Karosserie und im Unterbodenbereich ist bei BMW bereits hochautomatisiert und wird von mehreren Robotern ausgeführt, die um die Karosserie positioniert werden. Doch dafür sind je nach Modell unterschiedliche Setups notwendig und damit wird der Prozess noch immer recht zeitaufwendig.

„Die einzelnen Punkte zum Versiegeln der Fugen kann man sich optisch als Pfade vorstellen“, erklärt Bernhard Pflugfelder, Experte für Natural Language Processing, Maschinelles Lernen, Künstliche Intelligenz bei BMW. „Das ist im Prinzip wie ein Graph, der durch Punkte verbunden wird. Die Aufgabe lautet nun, den kürzesten Pfad zu finden, damit der gesamte Prozess schnellst möglich beendet werden kann.“

Kombinatorische Optimierungen

Klassische kombinatorische Optimierungsprobleme kennt man in der Informatik als das „Problem des Handlungsreisenden“ (englisch: Traveling Salesman Problem - TSP). Das heißt: Eine Reihenfolge für den Besuch mehrerer Orte sind so zu wählen, dass kein Ort – ausgenommen des ersten – mehr als einmal besucht wird und die gesamte Strecke möglichst kurz ist.

„Hinzu treten natürlich noch eine Reihe weitere für unsere Produktion relevante Faktoren“, ergänzt Pflugfelder. „Einerseits dürfen die Roboter nicht kollidieren, andererseits gibt es verschiedene Automodelle mit unterschiedlichen Teilen und Lösungswegen oder es sind unterschiedliche große Nähte und Düsen an den Robotern zu beachten.“ Diese Vorgaben erhöhen zusätzlich die Kombinatorik und damit den Raum der potenziellen Lösungen auf extreme Weise.

Nimmt beim Finden der optimalen Lösung die Anzahl der Optionen zu, so steigt auch die notwendige Rechenleistung und Zeit für die Lösungsfindung exponentiell(!). In den Fujitsu Laboratories wurde das Problem des Handelsreisenden mit immerhin 32 Stationen zunächst von einem System auf „Intel Xeon-E5“-Basis (3,5 Gigahertz Taktfrequenz) und dann von einer Digital Annealer Unit (DAU) berechnet. Das Intel-basierte System benötigte rund 8.000 Sekunden, das DAU-basierte System nicht einmal 0,5 Sekunden. Der Digital Annealer war also um den Faktor 17.000 schneller.

Lösungen im Handumdrehen

Solche Rechengeschwindigkeiten sind möglich, da der Digital Annealer über eine Computerarchitektur verfügt, bei der die Wahrscheinlichkeitstheorie zur Suche nach optimalen Zuständen Verwendung findet. Auf Basis einer so genannten Optimierungsschaltung lassen sich mithilfe einer herkömmlichen Halbleitertechnologie und zusätzlicher Software von 1 Qubit kombinatorische Optimierungsprobleme wesentlich schneller bewältigen.

Der „Digital Annealer Unit“ von Fujitsu arbeitet nach dem Vorbild eines Quantencomputers.
Der „Digital Annealer Unit“ von Fujitsu arbeitet nach dem Vorbild eines Quantencomputers. (Bild: Fujitsu)

Zudem ermöglicht eine 8.192-Bit-Vollkonnektivität allen Bits, Signale frei auszutauschen. Dabei nutzt ein Akzelerator einen vom Quanten-Tunnel-Effekt inspirierten Simulationseffekt. Dieser wird als Annealing bezeichnet und nimmt, um einen zusätzlichen Aufwand zu vermeiden, quasi eine „Abkürzung“. So kann man mit dem Digital Annealer bereits heute eine quantenähnliche Performance für kombinatorische Optimierungsprobleme nutzen.

Einfaches Handling

Während Quantencomputer zum absoluten Nullpunkt (- 273,15 Grad) betrieben werden müssen, arbeitet der Digital Annealer bei Raumtemperatur. Für einen Kryostaten ist zudem ein eigenes Labor, das gekühlt und magnetisch abgeschirmt werden muss, sowie geschultes Personal erforderlich.

Im Vergleich dazu ist der Einsatz eines Digital Annealers einfach. Der Akzelerator wird auf eine vorbereitete Hauptplatine gesteckt und man kann im Prinzip sofort starten. Damit fügt sich der Digital Annealer praktisch nahtlos in die Betriebsumgebungen eines Standard-Datacenter - ohne spezifisches Fachwissen oder komplexe Infrastrukturen - ein.

Digital Annealer im Einsatz

BMW erprobte zuerst einen Use Case auf einer Quantencomputing-Hardware eines anderen Anbieters und dann in einem zweiten Schritt auf dem simulierten Ansatz von Fujitsu. Das Ergebnis: „Im aktuellen Anwendungsfall und mit beim gegenwärtigen Stand der Technik konnten wir mit der Lösung von Fujitsu eine umfangreichere Robotics-Anwendung optimieren“, sagt Pflugfelder.

Er fügt hinzu: „Für uns war auch der Cloud-Service von Fujitsu sehr interessant. Deshalb konnten wir auch denselben Algorithmus verwenden und eine schnellere und bessere Lösung erhalten als mit anderen Ansätzen.“

Digital Annealer Unit von Fujitsu
Digital Annealer Unit von Fujitsu (Bild: Fujitsu)

BMW plant für dieses Jahr weitere Tests, jedoch mit der neuen Generation des Digital Annealer. Der erste Chip umfasst 1.024 Bit, die alle vollständig miteinander verbunden sind, unterstützt eine 16-Bit-Präzision und bietet 65.536 Abstufungen. Die neue Generation des Digital Annealer von Fujitsu arbeitet mit einem wesentlich leistungsfähigeren Prozessor von 8.192 Bit, 64-Bit-Genauigkeit und unterstützt 18,45 Quintilion-Abstufungen.

„Das Team will sehen, was die neue Generation der Fujitsu-Technologie an Qualitätsgüte und Rechengeschwindigkeit und vor allem an der Darstellbarkeit des Problems bringt“, so Pflugfelder. „Wir möchten gerne nochmals Erfahrungen sammeln, bevor wir entscheiden, ob wir die Technik auch produktiv einsetzen.“

Dabei wird BMW die Technologie-Entwicklungen insgesamt kontinuierlich und unabhängig von bestimmten Anbietern beobachten. Denn im Fokus steht dabei immer die bestmögliche Eignung für die jeweiligen Problemstellungen.

Ausblick Quantencomputing

Einige Hersteller arbeiten an zukunftsweisenden Lösungen für das Quantencomputing. Daher gibt es auch unterschiedliche Hardware-Ansätze. Fujitsu und D-Wave haben sich gegenwärtig auf einen speziellen Ansatz eines Quantencomputers spezialisiert. „Google verfolgt dagegen einen universellen Ansatz, womit andere Probleme und Algorithmen darstellbar sind“, sagt Pflugfelder. „Interessant sind für uns die Themen rund um Simulation, Materialeigenschaften, Batteriezellendichte und Materialien, wo Kapazität und Langlebigkeit optimiert werden können.“

Quanten-Computing zeigt neben dem sehr häufigen Grundproblem der Optimierung insbesondere auch Potenziale in den Bereichen Machine Learning und Deep Learning. „Dafür müssen zuerst einmal die Algorithmen so transferierbar sein, dass sie auf einem Quantencomputer auch lauffähig sind. Das ist ein entscheidender Faktor“, betont Pflugfelder.

Was meinen Sie zu diesem Thema?

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45978640 / BigData Analytics- Fujitsu Content-Hub)

Weitere Informationen erhalten Sie in folgenden Themenbereichen:

Themenspecial: SDDC Themenbereich: Big Data Analytics Themenbereich: Data Management