Resiliente Fertigung mit künstlicher Intelligenz

Resiliente Fertigung mit künstlicher Intelligenz

Der Schlüssel für resiliente Produktionssysteme ist es, auf unvorhergesehene Ereignisse reagieren zu können, bevor ein Schaden eintritt. Im Förderprojekt Spaicer entsteht gerade ein solcher Ansatz für Resilienzmanagement auf Basis von künstlicher Intelligenz und Industrie 4.0-Standards.

Bild: ©eyetronic/Stock.adobe.com

Der Begriff der Resilienz ist in den letzten Jahren immer öfter zu hören. Auslöser dafür sind neben häufiger werdenden Natur- und Umweltkatastrophen auch die diversen politischen und wirtschaftlichen Krisen wie die globale Finanz- und Euro-Staatsschuldenkrise, der Brexit oder jüngst die Corona-Epidemie. Wenn Produktionsprozesse und Geschäftsmodelle von Unternehmen in solchen Krisen widerstandfähig bleiben, bezeichnet man sie als resilient. In der Materialwissenschaft wird der Begriff Resilienz beispielsweise für die Eigenschaft eines Materials verwendet, nach einer Deformation rasch wieder zurück in die alte Form zu finden. Ähnlich wird das Wort auch in der Ökologie verwendet: Resiliente Systeme sind in der Lage, sich trotz interner oder externer Störungen eigenständig stabil zu halten. Industrie 4.0- und KI-Technologien eröffnen neue Möglichkeiten, um ein vergleichbare Resilienz in Produktionsunternehmen zu stärken. Denn durch die Vernetzung von Komponenten und Systemen entlang einer Wertschöpfungskette sind zusätzliche Daten verfügbar, die mithilfe von KI-Methoden auf Muster durchsucht werden können, die auf Störungen hindeuten. Auf dieser Basis und den entsprechenden abgeleiteten Eintrittswahrscheinlichkeiten lassen sich früh alternative Handlungsstrategien entwickeln und umsetzen. Dabei können Beeinträchtigungen auf sehr unterschiedlichen Ebenen auftreten. Unternehmen, die industrielle Feinschneidtechnologien einsetzen, müssen sich beispielsweise mit Störungen auf der Maschinen- bzw. Mikroebene beschäftigen. So führen Schwankungen im Werkstoff zu erhöhtem Werkzeugverschleiß. Wird dies nicht rechtzeitig erkannt, kann es zum Werkzeugbruch führen. Um beschädigte Teile auszutauschen, muss die Maschine angehalten werden. Mitunter können dabei Kosten von mehreren Hunderttausend Euro pro Stunde anfallen. Resilienz bedeutet in diesem Fall, den Werkzeugverschleiß fortlaufend und derart zuverlässig zu prognostizieren, dass die Instandhaltung zeitlich sinnvoll geplant und kostengünstig erfolgen kann. Das ist nur einer der Anwendungsfälle des Projekts Spaicer. Ziel des Projekts ist es, produzierenden Unternehmen – insbesondere aus dem Mittelstand – zu solcher Resilienz auf Basis KI-basierter Systeme zu verhelfen.

Resilienz-Services ohne Programmierkenntnisse

Bild: ©xreflex/Stock.adobe.com

Wirtschaftliche Krisen, Engpässe bei Rohstofflieferungen oder auch Pandemien betreffen zwar meist ganze Branchen oder Volkswirtschaften, dennoch ist Resilienz als Eigenschaft immer auch von den Voraussetzungen eines Unternehmens abhängig. Neben den allgemeinen Störpotenzialen und Trends im Markt muss immer auch das Unternehmen und sein Netzwerk betrachtet werden. Mit standardisierten Tools ist das kaum möglich. Benötigt werden daher modulare und leicht adaptierbare Werkzeuge, die auf die Bedürfnisse und Anforderungen eines Unternehmens zugeschnitten werden können. Im Projekt Spaicer werden daher sogenannte Smarte Resilienz-Services (SRS) entwickelt. Sie eignen sich einerseits für den Einsatz in den unterschiedlichen Unternehmen und erledigen dort ähnliche Aufgaben, erlauben aber auch, Anpassungen gemäß individuellen Abläufen und Anforderungen vorzunehmen – ohne Programmierkenntnisse von den Unternehmen selbst. Dies sollte insbesondere für mittelständische produzierende Unternehmen interessant sein, für die der Einsatz von KI-Technologien aufgrund fehlenden Wissens nicht selten eine Herausforderung darstellt. Grundlage der SRS sind sogenannte technische Agenten. Diese sind in der Lage, weitgehend selbstständig und zugleich mit Blick auf das Gesamtsystem zu agieren. Spaicer entwickelt Agenten, die sowohl unterschiedliche Produktionsdaten aus Steteuerungen, MES- und ERP-Software, als auch unternehmensexterne Datenquellen wie Wettervorhersagen, Rohstoffpreise oder Marktprognosen einbeziehen. Die Datenanalyse erfolgt durch eine Kombination von Methoden des Maschinellen Lernens und formalen Planungs- und Interferenzmethoden. Angeboten und zur Verfügung gestellt werden die SRS über offene Plattformen. Spaicer plant dafür eine hybride Plattformarchitektur aus Cloud- und Edge-Computing-Elementen einzurichten. Damit geht das Projekt auch auf die Bedenken vieler Unternehmen ein, die generell keine unternehmensinternen Daten an ein Cloud-System übermitteln möchten. Mit dem hybriden Angebot können Produktionsdaten sowohl direkt auf den Produktionsmaschinen als auch in der Cloud oder in Kombination beider Ansätze verarbeitet werden. Die Anwender entscheiden selbst, welche Lösung sie wählen.

Hebel in einer Industrie 4.0

Durch Industrie 4.0-Technologie lässt sich die Produktion entlang der gesamten Wertschöpfungskette vernetzen. Mit den damit verbundenen Effizienzgewinnen gehen auch höhere Risiken einher, da die Glieder der Kette nun öfter als zuvor nahtlos ineinandergreifen müssen. All diese Komponenten kontinuierlich zu analysieren, übersteigt die Möglichkeiten vieler Unternehmen. Daher sollte ein Resilienzmanagement auf automatisierte Systeme zugreifen können. Deren Aufgabe besteht darin, relevante Daten zusammenzutragen und zu analysieren, um Entscheidern auf dieser Grundlage Handlungsoptionen aufzuzeigen. Im Projekt wird das Zusammenspiel zwischen einem KI-basierten Resilienzmanagement und der Unternehmensplanung in mehreren Praxisbeispielen erprobt. Unter anderem sollen für einen Automobilzulieferer die Auswirkungen politischer Konflikte auf dessen Produktion antizipiert werden. Da dieser just-in-Time- Zulieferungen von Teilen und sehr geringe Lagerbestände nutzt, ist er sehr anfällig für Schwankungen bei den benötigten Rohstoffen. Durch die Analyse der Börsen- und Rohstoffpreisentwicklung sowie weiterer externer Datenquellen sollen signifikante Störungen früh identifiziert und Handlungsoptionen, wie etwa die Erweiterung des Lieferantennetzwerkes oder die Anpassung des Auftragsvolumens, aufgezeigt werden.

Das Projekt Spaicer wird im Rahmen des KI-Innovationswettbewerbs vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert. Das BMWi fördert mit dem Innovationswettbewerb die Entwicklung KI-basierter Plattformkonzepte. Die 16 ausgewählten Technologieprojekte sollen als Leuchttürme Impulse für den Einsatz von KI in wichtigen Sektoren der deutschen Wirtschaft setzen.

Bundesministerium für Wirtschaft und Energie

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.