MES mit eingebauter künstlicher Intelligenz

Von der Aggregation zur Interpretation

Da Manufacturing-Execution-Systeme regelbasiert arbeiten, verlangen Veränderungen im Produktionsablauf nach einer Neuprogrammierung des Systems. Mit künstlicher Intelligenz wird dies ein Stück weit autonomer. Der Mensch bleibt jedoch die letzte Instanz.
Bild: ©Kirill/stock.adobe.com

Die Anforderungen an Flexibilität und Reaktionsgeschwindigkeit in der Fertigung steigen. Die Variantenvielfalt nimmt zu, während sich die Produktion in Richtung Losgröße 1 entwickelt. Lieferzeiten müssen reduziert werden, wohingegen Lieferketten immer verzweigter werden. Das macht auch die Produktionsplanung komplexer. KI-basierte MES-Lösungen können die zunehmende Volatilität in der Produktion auffangen, indem die erhobenen Daten nicht mehr nur aggregiert, sondern mit künstlicher Intelligenz auch interpretiert werden können. Ein MES aggregiert Daten und erzeugt einen homogenen Datenpool. Die Daten können dann als Kennzahlen visualisiert werden. Durch die Auswertung historischer Daten wird z.B. die Abweichung von einem Normwert deutlich, ihre Ursachen hingegen können mit herkömmlichen Analysemethoden nicht identifiziert werden. Ein manueller Eingriff wird notwendig, wenn in Zukunft die festgestellte Abweichung vermieden werden soll. Dieser Eingriff wird jedoch immer wieder notwendig, wenn die einmal identifizierte Abweichung erneut auftritt. Durch die Nachjustage des MES wird die Abweichung unterbunden. Je komplexer ein Produktionssystem jedoch ist, desto schwieriger werden manuelle Interventionen, da ihre Folgen nicht mehr absehbar sind. Das gilt auch für Nachjustagen. Letztendlich lässt sich nicht mehr zurückverfolgen, ob neu auftretende Abweichungen im Zusammenhang mit aktuell vorgenommenen Änderungen stehen oder gänzliche andere Ursachen haben. Weitere Eingriffe werden notwendig – ein Teufelskreis.

Das System lernt

Bei KI-basierten MES entfallen solche Eingriffe zumeist, wenn sie die Daten interpretieren und bei Bedarf auf das Ergebnis reagieren können. Die Grundlage dafür ist Machine Learning. Dabei erkennt die KI wiederkehrende Muster im Datenpool und kann aufgrund des im System vorhandenen Wissens auf diese Muster reagieren. Die Reaktion selbst wird als neues Wissen im System gespeichert – das System lernt. In der Praxis erfolgt die KI-Reaktion aber (noch) nicht autonom durch das System, sondern durch den Mitarbeiter. Dieser entscheidet, wie er auf den Vorschlag der KI reagiert. Auf diese Weise wird auch implizites Wissen, also Arbeitserfahrung, Teil des KI-basierten MES. Dies wirkt auch dem Silo-Denken entgegen. Werden KI-gestützte Systeme über das gesamte Unternehmen ausgebreitet, steht das implizite Wissen bereichsübergreifend zur Verfügung. Scheiden Mitarbeiter aus dem Unternehmen aus, bleibt ihr Wissen erhalten.

Einsatzbereiche

Insbesondere in der Prozessüberwachung, -optimierung und -steuerung kann die KI ihr Potenzial entfalten. Durch vorausschauende Wartung (Predictive Maintenance) werden Verschleiß und Beschädigungen frühzeitig erkannt, sodass Maschinenausfälle verhindert werden. Viele Produktionsplanungs- und -steuerungssysteme stoßen bei steigender Variantenvielfalt und immer kürzeren Produktionszeiten an Grenzen. Mithilfe von KI kann für eine variantenabhängige Reihenfolgeplanung eine Prognose für unterschiedliche Produktionsszenarien erstellt werden, um den optimalen Produktionsablauf zu identifizieren. So lässt sich mit KI-gestützten MES-Lösungen auch in Produktionsbereichen, die bereits durch einen hohen Automatisierungsgrad gekennzeichnet sind, die Produktivität erhöhen.

Datenqualität

Die grundlegende Voraussetzung für den Einsatz von künstlicher Intelligenz ist eine hohe Qualität der Trainingsdaten. Ist diese Qualtität nicht gegeben, führt dies zu schlechten Ergebnissen. Auch mangelt es oft an Knowhow und Erfahrung, wenn es darum geht, eigene KI-Lösungen zu entwickeln. Um den Wissenstransfer zu verbessern, müssen Wissenschaft und Industrie enger miteinander verzahnt werden.

Seiten: 1 2Auf einer Seite lesen

Becos 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