Partnerschaft für höhere Prozessqualität

Bild: PSI Software AG

Die PSI FLS Fuzzy Logik & Neuro Systeme GmbH und die Indutrax GmbH schließen eine Partnerschaft und bieten zukünftig integrierte Softwarelösungen, die aus Ortungsdaten mit KI-Methoden betriebliche Zusammenhänge analysieren, Schwachstellen identifizieren und Verbesserungspotenziale in verständlicher Form visualisieren. Dies sorgt für mehr Transparenz und höhere Prozessqualität in der Produktion und der Logistik. Fertigungsprozesse werden so in Echtzeit sichtbar und darüber hinaus KI-gestützte Optimierungsvorschläge abgeleitet. Dadurch wird effizientes Wachstum bei gleichzeitig steigender Prozessqualität ermöglicht.

Jetzt mit Standortbewusstsein

Qualicision und Deep Qualicision KI erweitern die Indutrax-Applikationen Producttracker und Assettracker um KI- und Decision-Support-Technologien. Aus reinen Standortdaten wird ein Standortbewusstsein (Deep Location Awareness) geschaffen. Im Kern ermöglicht die gemeinsame Lösung, Fertigungsprozesse in Echtzeit zu visualisieren und überdies KI-gestützte Optimierungsvorschläge zu unterbereiten. Durch die Ortungsdaten wird es möglich, einen digitalen Zwilling zu schaffen und einen Soll-/Ist-Vergleich der Produktionsdaten durchzuführen.

Mit der gemeinsamen Softwarelösung können Ortungs-, Identifikations- und Sensor-Daten in Echtzeit z.B. vom Shop-Floor in relevante Ereignisse für die Fertigungssteuerung (wie z.B. wie der Eintritt eines AGV in definierte Bereiche) überführt sowie mittels KI-Methoden aufbereitet und zur Verfügung gestellt werden. Die Sensorik als Lieferant der Maschinendaten bildet die Basis für das Industrial Internet of Things (IIoT). Doch erst durch Qualitatives Labeln und eine KI-basierte Geschäftsprozessdatenanalyse werden aus Daten wertschöpfende betriebliche Informationen, die einen echten Mehrwert für die Produktionssteuerung ermöglichen.

Lernende Datenanalyse

Die PSI-Tochter PSI FLS Fuzzy Logik & Neuro Systeme bietet mit Deep Qualicision Methoden der industriellen künstlichen Intelligenz für lernende Prozessdatenanalysen und vorausschauende Produktionsoptimierungen. Die lernende Entscheidungsunterstützungssoftware Deep Qualicision basiert auf Erweiterter Fuzzy-Logik und Methoden des Maschinellen Lernens sowie auf weiteren Verfahren der Künstlichen Intelligenz. Im Mittelpunkt ihres Einsatzes stehen Effizienzsteigerungen bei der Prozessoptimierung sowie bei der intelligenten lernenden Analyse von Geschäftsprozessdaten. Überall wo qualifizierte Entscheidungen zu treffen sind, liefert Deep Qualicision Optimierungs- und Entscheidungsunterstützung. Beispiele sind Optimierungen von Produktionsreihenfolgen in der Automobilindustrie und in produzierenden Unternehmen generell, Management von Transportprozessen, Optimierung von Betriebsabläufen in Depots für Busse und Straßenbahnen.

Thematik: Newsarchiv
| News
PSI Software AG

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