Krones 社が AI ベースのプロセス制御ソフトウェアに CI/CD を適用

顧客固有の AI 制御ソフトウェアを開発する機械メーカーにとって、リリースの準備態勢は、制御アルゴリズムの開発と同じくらい、テスト、パッケージング、提供を再現性のある形で行えるかどうかに左右されることがあります。Krones 社のエンジニアは、PET 延伸ブロー成形向けのインテリジェントなプロセス制御システムである Contiloop AI で、この課題に取り組みました。

Contiloop AI は、光透過率を用いて容器の品質をインラインで測定し、必要に応じて加熱とブロー成形のパラメーターを再調整します。試運転時には、テレメトリ実行によってプロセス設定を変化させながらボトル品質の測定値を収集します。収集した測定値は、機械学習処理のために Krones のプラットフォームに送信されます。

ボトル、プリフォーム、オーブン、延伸ブロー成形機は顧客ごとに異なるため、Krones 社は顧客ごとに新しい AI エージェントをトレーニングします。ワークフロー全体は、データ収集、前処理、環境モデルのトレーニング、AI エージェントのトレーニング、制御ルーチンの生成、Docker^® イメージの作成、エッジデバイスへのコントローラーの展開にまで及びます。

エンジニアリング チームにとって、規模の拡大に伴う課題は、ソフトウェア ワークフローの再現性を確保することでした。手動テスト、ローカルで構築された Docker イメージ、環境やソフトウェア バージョンの違い、利用できるツールボックスの制約、アクセス権限の制限、ローカルのリソースやネットワークの制約によって、リリースの調整が難しくなっていました。Krones 社は、ワークフローの一部に CI/CD パイプラインを統合し、テスト、ビルド、コンテナー作成、提供の各手順を自動化しました。

これらのパイプラインで、Krones 社は MATLAB^® を使用して AI モデルをトレーニングし、Simulink^® を使用して学習済みモデルを制御ロジックに統合し、組み込みシステム向けに、インターフェイスが定義されたコードを生成しています。チームは、タスクに応じてパッケージング手法を使い分けています。スタンドアロン アプリケーションには MATLAB Runtime を含む Docker イメージを、完全な MATLAB 環境とコード生成機能が必要なワークフローには MATLAB Docker イメージを使用しています。