Produktionsfeinplanung entlastet

Künstliche Intelligenz hilft dem Planer

Die Planung der Produktion kann das Personal einige Zeit kosten. Warum also nicht eine künstliche Intelligenz einsetzen, um die Planer zu unterstützen? Auf diese Weise gelang es dem Verpackungs-Spezialisten Constantia Teich, die Termintreue zu erhöhen.

Bild: ©Felix Büchele/Felixfoto

Constantia Teich deckt in der Produktion von Verpackungsmaterialien die gesamte Wertschöpfungskette ab – vom Walzen über Drucken und Veredeln bis zum fertigen Produkt. Pro Jahr verlassen rund eine Milliarde Quadratmeter Aluminiumfolie bzw. 65.000 Tonnen Verpackungsmaterial das Werk im österreichischen Weinburg. Das Unternehmen produziert Platinen für die Milchwirtschaft.Innerhalb der Constantia-Flexibles-Gruppe ist das Unternehmen zudem die umsatzstärkste Tochter und verfügt als einzige in der Gruppe über ein Folienwalzwerk. Die Kunden stammen aus der Molkereiwirtschaft, Lebensmittel-, Süßwaren-, Kaffee- und Tiernahrungsindustrie sowie aus der Pharmaindustrie. Des Weiteren beliefert Constantia Teich auch Schwesterunternehmen im eigenen Konzern.

Schlüsselanwendungen

Bei Constantia Teich werden sämtliche Prozesse analysiert, um Schlüsselanwendungen zu identifizieren und diese gemeinsam mit dem strategischen Partner Becos anhand einer Roadmap sukzessive umzusetzen. Eine dieser Schlüsselanwendungen ist im Rahmen des Order-Management-Prozesses die Auftragsplanung. Termintreue sei für das Unternehmen sehr wichtig, sagt Robert Birkner, Leiter Auftragsplanung bei Constantia Teich. Dafür betreibt Constantia Teich einen hohen Aufwand bei der Einplanung von Fertigungsaufträgen. „Insbesondere in der Feinplanung ist der Zeit- und Personalaufwand sehr hoch“, ergänzt Birkner. Die Maschinenkapazitäten werden über den gesamten Zeithorizont eines Auftrags abgeglichen. Die Grob- und Feinplanung greifen auf das gleiche System und die gleichen Aufträge zu.

Immer weniger Eingriffe nötig

Um den Aufwand zu reduzieren, nutzt Constantia Teich für die automatische Auftragsplanung ein KI-gestütztes Assistenzsystem von Becos. Dieser Planungsassistent kommt in der Endfertigung beim Bänderschneiden zum Einsatz. „Für das Schneiden stehen uns insgesamt 25 Einzelmaschinen zur Verfügung, die sich in mehrere Maschinengruppen mit bis zu sieben Maschinen aufteilen“, erklärt Gerhard Schlager, Leiter Endfertigung bei Constantia Teich. „Da bei der Einplanung zahlreiche Varianten bestehen, wird der Einsatz einer Maschine nicht über Stammdaten vorgegeben.“ Die Ersteinplanung wird anhand eines Grundverfahrens vorgenommen, um Fertigungsaufträge den freien Maschinenkapazitäten zuzuweisen. Seit Mitte 2019 unterstützt der KI-basierte Planungsassistent die Einplanung auf die Maschinengruppen und Einzelmaschinen. Durch Machine Learning lernt das System mittels historischer Daten, wie die optimale Verteilung der Fertigungsaufträge für die Zukunft aussieht. „Der Planungsassistent macht dem Feinplaner entsprechende Vorschläge, die angenommen oder abgelehnt werden können“, sagt Schlager. Der Feinplaner kann also weiterhin eingreifen. Durch das maschinelle Lernen des Assistenzsystems nimmt die Zahl der Eingriffe jedoch kontinuierlich ab. Das Wissen des Feinplaners wird sukzessive ins System transferiert. Aus reinen Datenbanken werden sogenannte Wissensdatenbanken.

Durch den Einsatz des KI-Assistenten werden manuelle Eingriffe in die Planung reduziert.
Durch den Einsatz des KI-Assistenten werden manuelle Eingriffe in die Planung reduziert.Bild: Becos GmbH

Mitarbeiter entlastet

„Die Einführung des KI-gestützten Assistenzsystems verlief reibungslos“, erklärt Helmut Schagerl, Business Process Manager bei Constantia Teich, auch weil Becos unter anderem die Betriebsdatenerfassung, das Advanced-Planning-and-Scheduling-System und den Fertigungsleitstand eingeführt und weiterentwickelt hat. Der Leitstand ist bereits seit dem Jahr 2000 im Einsatz und wurde um den Planungsassistenten ergänzt. „Darüber hinaus deckt Becos den überaus wichtigen wissenschaftlichen Ansatz ab, den wir uns in Projekten und in Form von Beratungseinsätzen zu Nutze machen“, sagt Schagerl. Auch unter den Mitarbeitern gab es keinerlei Vorbehalte. Der Planungsassistent wird als Entlastung wahrgenommen, denn durch die geringe Zahl an manuellen Eingriffen sank auch die Zahl der Überstunden und der Feinplaner kann sich während der Arbeitszeit um andere Aufgaben kümmern. „Man muss dabei beachten, dass für den Anwender immer transparent sein muss, nach welchen Regeln der KI-gestützte Planungsassistent entscheidet“, betont Planungschef Birkner.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige