Plattformökonomie als Basis für Business Intelligence (BI)

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.
Plattformökonomie als Basis für Business Intelligence (BI) - Das Coscom Software ECO-System ebnet Weg für KI und maschinelles Lernen. Das Ziel: Nicht nur Daten sammeln, sondern sie durch intelligente Verknüpfungs- und Auswertemechanismen nutzen, um den kontinuierlichen Verbesserungsprozess (KVP) im Shopfloor voranzutreiben, um neuen Effizienzpotenzialen auf die Spur zu kommen.
Plattformökonomie als Basis für Business Intelligence (BI) – Das Coscom Software ECO-System ebnet Weg für KI und maschinelles Lernen. Das Ziel: Nicht nur Daten sammeln, sondern sie durch intelligente Verknüpfungs- und Auswertemechanismen nutzen, um den kontinuierlichen Verbesserungsprozess (KVP) im Shopfloor voranzutreiben, um neuen Effizienzpotenzialen auf die Spur zu kommen.Bild: Coscom Computer GmbH

Modelle für digitale Ökosysteme basieren auf dem Wissen über natürliche Ökosysteme, insbesondere in Bezug auf Aspekte des Wettbewerbs und der unterschiedlichen Kooperationsformen. Ein digitales Ökosystem ist ein verteiltes, anpassungsfähiges, offenes soziotechnisches System mit Eigenschaften der Selbstorganisation, Skalierbarkeit und Nachhaltigkeit, inspiriert von natürlichen Ökosystemen. Das ECO-System von Coscom für die Zerspanungsindustrie mit seiner zentralen Datenbank-Plattform soll diesen Ansatz nachhaltig unterstützen: Alle fertigungsrelevanten Daten sind in einer gemeinsamen Wissensquelle (‚Single Source of Truth‘) zusammengeführt und aufgrund durchgängiger Digitalisierung für alle ‚Datenkonsumenten‘ unternehmens- und Shopfloor-weit im Zugriff.

Zentraler Datenpool für Machine Learning und Business Intelligence

„Maschinelles Lernen kann genutzt werden, um auf Basis von Erfahrungen und Erkenntnissen aus Datenpools der Vergangenheit zukünftige Arbeitsprozesse zu optimieren. So könnte auch ein Leitrechner aus eigenen Stücken einen Auftrag planen und die dafür notwendigen Ressourcen orchestrieren“, regt Christian Erlinger, Geschäftsführer von Coscom Computer, zum Nachdenken an.

Darüber hinaus können die von der zentralen Coscom-Datenbank-Plattform konsolidierten Fertigungsinformationen genutzt werden, um generelle, auftragsübergreifende Effizienzthemen anzugehen – z.B. die Evaluierung des Nutzenpotenzials eines neuen Bearbeitungszentrums einschließlich aller zusätzlich erforderlichen Betriebsmittel. So ließe sich analysieren, welche Vorteile neue Technologien haben, wie z.B. das Trochoidalfräsen, bei dem mit hoher Zustelltiefe gearbeitet wird, einschließlich passender Bearbeitungsstrategien.

Neue Wege gehen – ohne Risiko und auf Basis valider Daten

Christian Erlinger erklärt zum Hintergrund: „Wir haben in einem BI-Projekt zur Effizienzsteigerung den Einsatz einer neuen Maschine ausgewertet. Es hat sich herausgestellt, dass die neu nutzbare Technologie des Trochoidalfräsens zu wenig genutzt wurde. Der Grund: Es wurde das bestehende CAM-Programm bei einem Folgeauftrag nur minimal geändert, weil sich die Bauteile in ihrer geometrischen Ausprägung ja auch nur wenig geändert hatten – die grundsätzliche Bearbeitungsstrategie wurde nicht in Frage gestellt.“ Mit anderen Worten: Es wurde nicht neu programmiert, vielmehr vertraute man auf die Wiederverwendung bereits vorhandener CAM-Programme – die Folge: Alles blieb beim Alten: „Unsere BI-Anwendung zeigte auf, welche Frästechnologien wie oft zum Einsatz kamen und welche Potenziale nicht ausgeschöpft wurden.“

Eine ähnliche Analyse brachte zutage, wie viele Werkzeuge in welcher Menge bevorratet werden sollten. Bei der Suche nach dem idealen Werkzeugbestand spielen viele Aspekte eine Rolle, z.B. auch die Lieferzeit: Obwohl ein Werkzeug nicht so häufig genutzt wird, sollten mehrere davon auf Lager gelegt werden, weil die Lieferzeit lange ist. Derartige gegenseitigen Abhängigkeiten bringt eine von der  Datenbank-Plattform unterstützte BI-Anwendung zutage und hilft so bei der optimalen Entscheidungsfindung von komplexen Zusammenhängen.

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: 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.