Adaptive und prädiktive Produktionsplanung

Feinplanung mit IoT- und KI-Antrieb

Das Internet of Things (IoT) und künstliche Intelligenz (KI) könnten traditionelle Ansätze zur Produktionsplanung hervorragend ergänzen. Denn ein IoT-vernetzter Maschinenpark kann bei unerwarteten Ereignissen automatisch neue Planungsläufe anstoßen, während die KI die anfallenden Plan- und Ist-Daten der Produktion laufend auf Verbesserungen abklopft.
Technologiegespann zur Produktionsplanung
Technologiegespann zur Produktionsplanung – Bild: Anacision GmbH

Die Feinplanung legt fest, wo, wann und durch wen welcher Arbeitsschritt in der Fertigung vollzogen wird. Die Fertigungsaufträge sollen möglichst schnell und termingerecht abgeschlossen und die Ressourcen gut ausgelastet sein, sodass eine hohe Overall Equipment Effectiveness (OEE) entsteht. Viele Pläne kommen in der Praxis wegen unvorhersehbarer Ereignisse wie Personalausfall oder Materialknappheit nicht zum Einsatz. Auch auf der Auftragsseite können Änderungen anfallen, wenn etwa Bestellmengen aufgestockt oder Priorisierungen verändert werden. Werden Pläne obsolet, entscheidet das Personal oft aus Erfahrung, wie es mit kurzfristigen Änderungen umgeht. Da die Komplexität aufgrund der vielen Einflussfaktoren in einer Fabrik immer weiter steigt, lassen selbst gute Entscheidungen der Mitarbeiter noch Raum für Verbesserungen. Somit ließe sich der OEE im Werk verbessern, wenn die eingesetzte Feinplanungslösung adaptiv auf unvorhersehbare Ereignisse reagiert.

Adaptive Feinplanungslösungen

Bild: ©Kzenon/stock.adobe.com

Die zunehmende Ausweitung von Industrial IoT-Installationen im Werk führen zu immer mehr Ereignissen in der Fertigung, die als digitale Events abgebildet sind. Das bietet die Moglichkeit, Ist-Daten von Maschinen zu erfassen und an die Feinplanung zu melden. So können Planabweichungen sofort prognostiziert und bewertet werden. Dies ermöglicht eine laufende Umsetzbarkeitskontrolle der bestehenden Planung sowie eine rasche Identifizierung von Handlungsbedarf. Der Feinplanungsalgorithmus kann darauf reagieren und den Produktionsplan zügig anpassen. Dieser kann anschließend per IoT an die Ausgabegeräte wie Maschinen-HMI oder mobile Endgeräte kommuniziert werden.

KI liefert Handlungsempfehlungen

Auf diesen Datenverkehr lassen sich KI-Modelle applizieren. Anhand des kontinuierlichen Stroms aus Plan- und Ist-Daten kann eine KI Zusammenhänge erkennen und diese künftig berücksichtigen. KI-Systeme können scheinbar zufällig auftretende Abweichungen als wiederkehrend auftretende Muster erkennen. Falls etwa Vorgabezeiten unter bestimmten Voraussetzungen (z.B. Produktvariante) regelmäßig zu ungenau sind, kann die Vorgabezeit automatsich korrigiert werden. Damit ist das Feinplanungssystem nicht nur anpassungsfähig, sondern wird vorausschauend. Zusätzlich können durch KI-Applikationen dauerhafte Engpässe in der Fertigung automatisch identifiziert und datenbasierte Handlungsempfehlungen abgeleitet werden – beispielsweise die Empfehlung von zusätzlichen Schichten oder der Ankauf von Equipment.

Leicht in Schritten implementierbar

Die bisher beschriebenen Lösungsansätze lassen sich gut in einzelnen Schritten implementieren. In kleinen Schritten! Kein „Mammutprojekt“, das nach drei Jahren live geht. Vieles spricht dafür, dass IoT- und KI-Anwendungen wie diese künftig deutlich flexiblere Feinplanungsansätze in den Werken ermöglichen. Die obendrein langfristig noch dazu beitragen, Optimierungspotenzial im Werk aufzuspüren.

Anacision GmbH

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