Industrielle Produktion

Das Internet of Things (IoT) und künstliche Intelligenz (KI) könnten traditionelle Ansätze zur Produktionsplanung hervorragend ergänzen. Denn ein IoT-vernetzter Maschinenpark kann bei unerwarteten Ereignissen automatisch neue Planungsläufe anstoßen, während die KI die anfallenden Plan- und Ist-Daten der Produktion laufend auf Verbesserungen abklopft.

Für den erfolgreichen Einsatz von künstlicher Intelligenz in der Produktion ist eine solide Datenbasis entscheidend. Je größer die Datenmenge und je höher die Datenqualität, desto besser funktionieren KI-Projekte. Falls die Daten in größeren Produktionsanlagen erfasst werden sollen, muss das Netzwerk dafür entsprechend ausgelegt werden – oder im Falle einer Nachrüstung die dafür notwendige Reserve haben. Im folgenden Artikel wird erläutert, auf welche Parameter es dabei ankommt.

Die Bandbreite an Analyseanwendungen reicht von klassischen Reports und Kennzahlen über Self Service Analytics bis hin zu künstlicher Intelligenz. Bei aller Vielfalt sollte der Zweck nicht aus dem Fokus geraten: transparenter und effizienter fertigen zu können. Zumal immer wieder neue Manufacturing-Analytics-Instrumente entwickelt werden.

Der digitale Zwilling ist der interdisziplinäre Kern zahlreicher Industrie-4.0-Anwendungen (I4.0). Implementierungsansätze sind allerdings oft noch individuell und kostenintensiv, da nutzbare Standards und Referenzmodelle bisher nicht vorhanden waren. Die Plattform I4.0 hat die Verwaltungsschale als einheitlichen Standard für den digitalen Zwilling eingeführt. Im Rahmen des KI-Innovationswettbewerbs entsteht daher im vom BMWi geförderten Forschungsprojekt IIP-Ecosphere eine Implementierung der Verwaltungsschale in der Sennheiser Future Factory.

Die wenigsten Fertigungsumgebungen sind homogen. Maschinen unterschiedlicher Hersteller und unterschiedliche Steuerungen bringen Herausforderungen mit sich, wenn es darum geht, einen Wert aus ihren Daten zu ziehen. Bei FactoryPal will man diesen Herausforderungen mittels Machine Learning begegnen – unter Einbeziehung der Mitarbeiter.

Mit der Anwendung von künstlicher Intelligenz (KI) in industriellen Applikationen lassen sich immer neue Herausforderungen lösen. Die stetig steigenden Datenmengen, die aus der immer komplexeren Automatisierung resultieren, erfordern Maschinen und Prozesse, die selbständig Erkenntnisse gewinnen und Abläufe anpassen können. Einige Beispiele zeigen, wie derartige Lösungen in verschiedenen Anwendungsgebieten aussehen.

Leo Müller ist Planer im Zentrallager eines großen Automobilherstellers. In den letzten Jahren kam es immer wieder zu hohen Inventarüberschüssen im Ersatzteilbereich. Oft lagern am Ende des Lebenszyklus eines Teils noch hohe Bestände im Zentrallager. Diese Bestände haben über Jahre Lagerplatz eingenommen und müssen dann verschrottet werden. Eine große Verschwendung von Ressourcen, Kapital und Lagerplatz. Aber wieso muss es dazu kommen?

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.