Resilienz trifft künstliche Intelligenz

Künstliche Intelligenz (KI) optimiert Prozesse und gestaltet die gesamte Produktion zuverlässiger, flexibler und resilienter. Wie genau das funktioniert, zeigen Forscherinnen und Forscher des Fraunhofer IPA von 12. bis 16. April auf Hannover Messe, die in diesem Jahr virtuell stattfindet.
Bild: Fraunhofer IPA, Foto: Rainer Bez

Seit der Coronakrise hat der Begriff ‚Resilienz‘ Hochkonjunktur. Er kommt ursprünglich aus der Materialwissenschaft und beschreibt die Eigenschaft eines Körpers, nach einer Verformung von selbst wieder seine ursprüngliche Gestalt anzunehmen. Übertragen auf ganze Gesellschaften, die Wirtschaft, einzelne Unternehmen oder auch deren Produktionsstraßen und -anlagen meint Resilienz die Fähigkeit, Krisenzeiten und Störungen ohne anhaltende Beeinträchtigungen zu meistern. Wie KI die industrielle Produktion resilienter gestalten und Prozesse optimieren kann, zeigen einige Exponate, die Wissenschaftlerinnen und Wissenschaftler vom Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA auf der Messe zeigen.

Ein Forschungsteam um Brandon Sai von der Abteilung Fabrikplanung und Produktionsmanagement hat ein Tool entwickelt, das die Ursachen für Produktivitätsverluste in verketteten Anlagen erkennt und eine schnelle Beseitigung von Störungen ermöglicht. Bei ‚Maximize Overall Equipment Effectiveness‘ (MOEE) analysieren implementierte Algorithmen das Verhalten einer Anlage automatisch und erstellen ein individuelles Prozessmodell. Dabei werden die verschiedenen Prozessschritte eines Produktionszyklus visualisiert und beurteilt. „Die Algorithmen berechnen beispielsweise, welche Abläufe wann und in welcher Reihenfolge stattfinden und wie lange sie jeweils dauern. Erfolgen Prozessschritte nicht in der gewünschten Geschwindigkeit und sind sie nicht optimal aufeinander abgestimmt, so sagt dies etwas über die Leistung aus«, erläutert Sai. Darüber hinaus liefern die selbstlernenden Algorithmen Informationen zur erzielten Qualität. „Durch eine Kombination aus automatischer Prozessmodellerstellung und maschinellen Lernverfahren erkennen wir Produktivitätsverluste zum Zeitpunkt ihres Auftretens und tragen so zu einer schnellen Beseitigung der Störung bei“, erklärt Sai.

Thematik: Newsarchiv
| News
Fraunhofer-Institut IPA

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