Rüstzeitoptimierung im Zeitalter von Industrie 4.0

Rüstzeitoptimierung im Zeitalter von Industrie 4.0

Häufige Umrüstvorgänge machen eine Produktion ineffizient. Stillstandzeiten resultieren in geringeren Produktionszahlen, Ressourcen werden nicht optimal genutzt und die Fertigung kleiner Losgrößen erfordert eine zunehmende Flexibilisierung, die mit manueller Planung nur schwer zu erreichen ist. Mit Hilfe von künstlicher Intelligenz lassen sich jedoch die Rüstzeiten zwischen Aufträgen abgleichen und so eine bestmögliche Feinplanung unter Beachtung relevanter Produktionsparameter gewährleisten. Resultat dieser Anpassung: geringe Rüstzeiten und hohe Maschinenauslastung unter Einhaltung der Liefertermine.

 Durch einen Abgleich der Produktionsdaten mit den produktspezifischen Rüstzeiten lassen sich die Rüstvorgänge verbessern.
Durch einen Abgleich der Produktionsdaten mit den produktspezifischen Rüstzeiten lassen sich die Rüstvorgänge verbessern. – Bild: Anacision GmbH

In der Formel-1 ist der Boxenstopp der Moment, auf den es zeitlich ankommt. In diesen Sekunden kann der teure Rennwagen nämlich nicht fahren und der Pilot eben nicht das tun, wofür er im Grunde bezahlt wird: als Erster über die Ziellinie kommen. Daher ist es nicht verwunderlich, dass diese Stopps nur so kurz und selten wie möglich, gleichzeitig aber auch so lange und häufig wie nötig sein dürfen. Ähnlich verhält es sich im produzierenden Gewerbe. Teuer erstandene Produktionsmaschinen sollen maximal ausgelastet werden. Sowohl beim Boxenstopp als auch den Rüstzeiten gilt: Eine stillstehende Maschine kostet Geld. Sehr viel Geld sogar, schließlich lässt sich während den Umrüstungen nicht produzieren. Je länger eine Maschine stillsteht, desto mehr Produktionsressourcen ruhen ungenutzt – zudem ist die Produktion von kleinen Losgrößen sehr aufwendig. Nicht zu vergessen ist der hohe Personalaufwand und die Personalkosten, die mit solch einer Umrüstung einhergehen. Bis heute ist die Rüstzeitdispositon im klassischen Sinne ein manuelles Geschäft. Die Planung des Fertigungsprozesses wird von Mitarbeitern des Unternehmens durchgeführt. Dazu müssen sie die offenen Aufträge, deren Liefertermine sowie die jeweilige Produktionsdauer und die Maschinenverfügbarkeiten im Blick behalten. Es gilt also bereits einiges zu beachten und zu planen. Mithilfe langjähriger Erfahrung und der daraus resultierenden Intuition lässt sich diese Aufgabe für eine oder zwei Maschinen noch mit menschlicher Brainpower erledigen. Ob das jedoch überhaupt noch effektiv ist, steht auf einem anderen Blatt. Aber spätestens, wenn wir von mittelständischen Unternehmen reden, stößt dieser Ansatz an natürliche Effizienzgrenzen. Alle Prozessparameter stets in Echtzeit parat und im Überblick zu haben, ist heute fast unmöglich. Statt dass die Maschinen möglichst effektiv vor sich hinruckeln, stapeln sich Papiere mit Aufträgen und Ordner mit Einrichteblättern zu Werkzeugen, Haltern und Spannmitteln auf den Schreibtischen der Verantwortlichen.

Der Rüstzeitoptimierer liefert eine angepasste Feinplanung mit detaillierter Darstellung aller Aufträge. Letzte Anpassungen, wie z.B. die Maschinenverfügbarkeit, können manuell konfiguriert werden.
Der Rüstzeitoptimierer liefert eine angepasste Feinplanung mit detaillierter Darstellung aller Aufträge. Letzte Anpassungen, wie z.B. die Maschinenverfügbarkeit, können manuell konfiguriert werden. – Bild: Anacision GmbH

KI als objektive Entscheidungsgrundlage

Genau an diesem Punkt kann die Kollegin KI helfen. Denn, wenn es darum geht, rationale Entscheidungen zu treffen, welcher Auftrag wann und mit welchen Maschineneinstellungen erledigt werden soll, kommt es nicht auf Intuition, sondern nur auf Logik und Effizienz an. Um im Bild des Einstieges zu bleiben: Künstliche Intelligenz hilft, den Boxenstopp erheblich zu verkürzen. Der F1-Bolide kann länger auf der Rennstrecke bleiben. Aber wie macht die Kollegin KI das? Zuerst berechnet sie die individuellen Rüstzeiten zwischen allen anstehenden Produktionsaufträgen, um bei der Planung individuelle Werkzeugbelegungen zu berücksichtigen. Bei 100 Aufträgen sind das bereits 10.000 Kombinationen. Die KI gleicht diese Daten ab und erstellt dann automatisiert die effizienteste Produktionsreihenfolge für die verfügbaren Maschinen. Jede Produktion hat jedoch individuelle Planungskriterien – der Auftrag für einen wichtigen Kunden muss vorrangig erledigt werden, eine Maschine steht ungeplant still oder ein Werker ist krank. Diese Daten lassen sich ebenfalls erfassen, um sie bei der Produktionsplanung dann zu berücksichtigen, selbst für erfahrene Experten ein aufwändiger Prozess, nicht jedoch für eine KI. Im Handumdrehen berechnet sie einen Produktionsplan für hunderte oder tausende Aufträge. Die Vorteile einer KI-basierten Rüstzeitoptimierung sind:

• erhöhte Maschinenverfügbarkeit durch die Reduktion der Rüstzeiten

• Zeiteinsparung durch den Wegfall manueller Planung

• mehr Transparenz über die Prozesse durch

eine zentrale Datenhaltung.

 Durch einen Abgleich der Rüstparameter der anstehen Produktionen ist es möglich, die Reihenfolge zeitoptimiert zu verändern.
Durch einen Abgleich der Rüstparameter der anstehen Produktionen ist es möglich, die Reihenfolge zeitoptimiert zu verändern. – Bild: Anacision GmbH

Die Praxislösung

Das Unternehmen Anacision arbeitet seit dem vergangenen Sommer mit dem Spezialisten für Werkzeugsysteme ESA Eppinger zusammen. Nach einer anfänglichen Konzeptionsphase wurde im nächsten Schritt ein erster Prototyp gebaut, aus dem heraus dann ein erstes Minimum Viable Product entstand. Der MVP-Rüstzeitoptimierer verbessert schon jetzt den Produktionsplan basierend auf den Rüstzeiten. Zudem ermöglichen standardisierte Schnittstellen eine Steuerung der Einrichteblätter und Produktionspläne. Die durch das Umrüsten bedingten Stillstandzeiten reduzierten sich daraufhin um 35 Prozent. Dadurch ließen sich pro Woche rund ein halber Arbeitstag einsparen. Darüber hinaus wurden bereits über 2.000 Einrichteblätter digitalisiert. Aktuell stehen nun die nächsten Entwicklungsschritte an. Aus dem MVP wird ein fertiges Produkt, das sich dann auf andere Fertigungstechniken ausweiten lässt. Zudem bietet es die Möglichkeit, weitere Optimierungsziele wie das Lieferdatum und die Werkzeugverfügbarkeit einzubinden. Weitere standardisierte Schnittstellen zu vorhandenen ERP- und MES-Lösungen folgen. Grundsätzlich konnte das Vorgehen dabei auf vier Schritte hin verbessert werden:

1. standardisiertes Einlesen der Einrichteblätter

2. Konfiguration der Maschinen im System und Anpassung auf die Besonderheiten der Produktion

3. Ausrichtung der Anpassung auf die Ziele

der Produktionsplanung

4. Integration in die Systemlandschaft oder die Bereitstellung von geeigneten Schnittstellen.

Dieses Vorgehen hat sich nicht nur bewährt, sondern spart den Unternehmen einiges an Kapital. Schließlich kosten stillstehende Maschinen eine Menge Geld. Mit Blick auf die Rüstzeitoptimierung lässt sich sogar besser sagen: Stillstehende Maschinen verschwenden Geld, genauer gesagt etwa 3,3Mrd.€ jährlich im deutschen Mittelstand. Das geht aus einer Fallstudie von Anacision in Zusammenarbeit mit ESA Eppinger hervor. Alleine mit Blick auf die Post-Corona-Depression, unter der in den kommenden Monaten einige Industrieunternehmen leiden werden, ist die Rüstzeitoptimierung eine smarte Methode die Effizienz der eigenen Produktion mit Hilfe einer angepassten KI-Lösung zu erhöhen.

Anacision GmbH
www.anacision.de

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

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.