Daten analysieren, Produktion verbessern

Daten analysieren, Produktion verbessern

Welche Wege schlägt die Industrie 4.0 als nächstes ein? Frans Cronje, Geschäftsführer des Machine-Learning-Spezialisten Data Prophet, ist der Ansicht, dass künstliche Intelligenz der nächste bedeutende Schritt für Hersteller sein wird und dieser bereits unmittelbar bevorsteht.

 (Bild: ©sdecoret/Fotolia.com)

(Bild: ©sdecoret/Fotolia.com)

Aus dem Schlagwort Industrie 4.0 ist inzwischen ein Industriestandard geworden. Wenn man nicht einmal darüber nachdenkt, wie man seine Daten zur Optimierung der Produktionsverfahren nutzen kann, riskiert man es, auf der Strecke zu bleiben. Die Umsetzung von Industrie 4.0 in einer Anlage oder Fabrik ist jedoch längst nicht das Ende der Fahnenstange oder gar eine einfache Rechenaufgabe. Vielmehr ist es eine sich weitere entwickelnde Philosophie, in die fortwährend innovative Ideen integriert werden und die ständig unerwartete Wendungen nehmen wird. Was also wird als nächstes passieren? Zunächst einmal befindet sich jedes Unternehmen in einer anderen Phase. Jedoch haben alle Firmen, die auf Industrie-4.0-Technologien umstellen, etwas gemeinsam: Sie alle versuchen die Daten ihrer Fertigungslinien zu sichten, zu sortieren, zu löschen, einzustufen und vor allem auch zu analysieren.

75690819 - close up of engineer using computer controlled probe to scan engine block (Bild: ©industrieblick/Fotolia.de)

75690819 – close up of engineer using computer controlled probe to scan engine block (Bild: ©industrieblick/Fotolia.de)

Expertise erhöhen

In einer Prozesssteuerungsumgebung wird dabei eine riesige Datenmenge generiert. Diese ist so umfangreich, dass sie nicht von einer Person allein interpretiert werden kann. Daher besteht die Gefahr, dass die Bediener von der Informationsflut überwältigt werden und wichtige Möglichkeiten der Prozess- und Qualitätsoptimierung ungenutzt bleiben. Die Antwort lautet, menschliche Expertise durch künstliche Intelligenz (KI) zu erhöhen – nicht nur zu Analysezwecken, sondern um Maßnahmen vorherzusagen und einzuleiten. Eine korrekte Vorhersage der nächsten Schritte in einer bestimmten Situation und präventive Korrekturmaßnahmen erweisen sich als überaus nützlich, wenn dies auf kostengünstige Weise, im angemessenen Umfang und früh genug erfolgen kann, um Ergebnisse sinnvoll zu verändern, beispielsweise um Ausschuss zu vermeiden. Kurz gesagt, der KI-Einsatz hat das Ziel, große Datenmengen so zu nutzen, dass die Kosten von Qualitätsmängeln drastisch gesenkt werden, indem den Bedienern optimale Parametereinstellungen vorgegeben werden. Wenn künftige Ereignisse in vollem Umfang vorhergesagt werden können und dies zum Standard wird, können dadurch sämtliche Disziplinen revolutioniert werden. Die offensichtlichsten Beispiele dafür sind Google, Facebook oder Amazon. Dort wurden Anwendung und Effizienz von Plattformen und Massenwerbung durch KI radikal verbessert. Beispielsweise werden riesige Mengen von scheinbar zusammenhangslosen Online-Verhaltensdaten, die von Milliarden von Google- und Facebook-Nutzern generiert werden, mithilfe von KI gesichtet. Durch den Einsatz der Technologie können dann in Echtzeit die besten Antworten auf Suchabfragen oder die nützlichsten Werbeanzeigen ausgewählt werden, die den einzelnen Benutzern angezeigt werden sollen.

Komplexe Umgebungen

Warum sollte dieser Prozess also nicht auch für Produktionsdaten geeignet sein? Ob in der Automobilbranche, im Bergbau oder in anderen Schwerindustriezweigen – zu Fertigungslinien aus der realen Arbeitswelt gehören immer mehrere Prozessabläufe. Manche laufen parallel, andere sequenziell, aber alle beeinflussen sich gegenseitig und erfordern eine bestimmte Kombination aus Produktionsvariablen, damit die optimale Effizienz und der geringste Verlust gewährleistet sind. KI-Lösungen werden in komplexen Produktionsumgebungen wie Gießereien, Mineralaufbereitungswerken, Langstahlwalzwerken und bei der Automobilherstellung sowie in Montageanlagen eingesetzt. Dort werden aus verschiedenen Quellen Verlaufsdaten zu Produktion und Qualität gesammelt und in einer übersichtlichen Ansicht dargestellt. Anschließend können die Daten in Echtzeit mit Algorithmen verarbeitet werden, um potenziellen Qualitätsproblemen bei nachgelagerten Prozessen vorzugreifen. Darüber hinaus können proaktiv Korrekturmaßnahmen vorgegeben werden, um Qualitätsabweichungen zu vermeiden. Und das ist längst keine Theorie mehr. Es ist bereits möglich, mithilfe von maschinellen Lernmethoden, digitale Kopien von Anlagen zu erstellen, um die optimale Betriebsweise von komplexen mehrstufigen industriellen Prozessen zu ermitteln.

Seiten: 1 2 3Auf einer Seite lesen

DataProphet
www.dataprophet.com

Das könnte Sie auch Interessieren

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.