Künstliche Intelligenz – Hebel für die OEE

Warum liegt die mittlere Anlagenverfügbarkeit der maschinellen Fertigung im Mittelstand bei weniger als 40 Prozent? Wie kann künstliche Intelligenz helfen, dies zu verbessern? Lösungen liefert OEE.AI aus Aachen.
Bild: IFP Software GmbH

In den meisten Unternehmen geschieht die Rückmeldung zu den produzierten Stückzahlen nach Abschluss des Fertigungsauftrags. Während der Produktion erfolgte Ausfälle und Störungen werden in Papierlisten aufgeschrieben und wöchentlich zusammengefasst. Die Daten stehen oft in aggregierter Form und mit nur geringem Detailgrad zur Verfügung. Die eigentlichen Ursachen der Anlagenverluste bleiben so unerkannt – oder wie soll ein Mitarbeiter zwei Wochen nach dem Auftreten noch ermitteln, warum die Anlage 16 Prozent langsamer gelaufen ist? Wenn jedoch die Ursachen für mögliche Verluste nicht bekannt sind, lassen sich auch keine strukturierten Optimierungen vornehmen.

Echtzeitdaten auswerten

Die Produktion bewegt sich in Richtung laufende Erfassung und Auswertung der zugehörigen Daten. Das Konzept besteht darin, mit Algorithmen Echtzeitdaten der Produktion auszuwerten, um Ursachen für Störungen zu erkennen. Die Kunst liegt dabei darin, das Domänenwissen – die Erfahrung der Mitarbeiter vor Ort – in den Prozess zu integrieren. Anlagen können meist nur das Resultat ‚kein Werkstück‘ erkennen; dass das Werkstück jedoch aufgrund eines fehlenden Logistikmitarbeiters oder einer zu langen Qualitätskontrolle gefehlt hat, kann die Anlage nicht wissen.

Minimalinvasive KI

Minimalinvasive Technologien sind Plug&Play und in unter 20 Minuten installiert. Software-as-a-Service (SaaS) ist investitionsarm und oft kostengünstig. In Rechenzentren in Deutschland werden die Daten berechnet und in Echtzeit über den Browser beim Anwender angezeigt. Aufwändige Programminstallationen und Rechneranforderungen gehören hierbei der Vergangenheit an. Auf dieser Basis lassen sich Produktionsinformationen in Echtzeit anzeigen, die Verantortliche dann direkt zur Bewertung der Situation verwenden: die Ausbringung, Produktionsgeschwindigkeiten, aktuelle Störungen und vieles mehr. Mit KI-Algorithmen lassen sich ganz neue Handlungsvorschläge erstellen: Beispielsweise ist vorhersagbar, mit welcher Wahrscheinlichkeit in den nächsten 30 Minuten eine Anlagenstörung erwartet wird (‚besser, wir senden gleich schon mal den Instandhalter hin‘). Letztlich dienen die Auswertungen dazu, den Mitarbeitern relevante Informationen zu geben. So werden die Mitarbeiter unterstützt, aufgewertet und in ihrer Rolle gestärkt – und nicht entmündigt. Zu den Leistungen von OEE.AI gehört alles von der Anlagenverbindung, Datenübertragung, Auswertung und KI-Bewertung bis zum Bereitstellen der Informationen für die Mitarbeiter. Das Startup aus Aachen wurde 2016 gegründet und die Lösungen kommen bereits weltweit in deutlich mehr als 100 Installationen zur Anwendung.

www.oee.ai

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