- Anzeige -
- Anzeige -
- Anzeige -
Lesedauer: min
Historische Daten zur Rüstzeitprognose nutzen

Nov 28, 2019 | Industrielle Produktion

Worauf es bei KI ankommt

Bei der Modellbildung macht sich auch die Leistungsfähigkeit der verwendeten KI-Engine bemerkbar. Leistungsfähige KI-Engines zeichnen sich dadurch aus, dass sie die für die Modellbildung verwendeten historischen Daten selbständig aufbereiten können. Hierzu zählt im Rahmen der Vorbereitung auf die eigentliche Modellerstellung neben der Datensynchronisation auch die unüberwachte Anomalie-Erkennung – also die automatisierte Erkennung und Bereinigung der Trainingsdaten um Ausreißer. Dieses Vorgehensmodell, welches den herkömmlichen und größtenteils manuellen CRISP-DM-Ansatz automatisiert, wird auch als Automated Data Science bezeichnet. Der eigentliche Clou besteht jedoch in der Verwendung des erzeugten Modells und somit der Vorhersage der Rüstzeit. Wird beispielsweise ein Arbeitsgang auf einer Maschine zu einem bestimmten Zeitpunkt mit einem bestimmten Werkzeug eingeplant, werden diese und gegebenenfalls weitere Daten verwendet, um auf Basis des zuvor erstellten Modells die wahrscheinliche Rüstzeit vorherzusagen. Da in einer Fertigung nicht nur bekannte Artikel gefertigt werden, sondern auch immer wieder neue Artikel oder Variationen davon hinzukommen, braucht es auch hierfür Vorgehensweisen, da in diesem Fall keine historischen Daten vorliegen. Eine gute KI-Engine wird die Prognose auf Basis bekannter Daten und Ähnlichkeitserwägungen berechnen. Die KI agiert dabei im Wesentlichen wie die manuelle Pflege erfolgen würde: ein Experte schließt von vergleichbaren Artikeln, Werkzeugen etc. auf die neue Kombination. Die Prognose wird damit nicht die Genauigkeit erreichen, die bei Kenntnis aller Faktoren möglich wäre, liegt jedoch sicherlich auch nicht hinter den herkömmlichen manuellen Schätzungen zurück. Liegen für den neuen Artikel historische Daten vor, können diese in einer erneuten Modellgenerierung ebenfalls verwendet werden und in das Modell einfließen. Dieser Closed-Loop ist ein weiteres wichtiges Merkmal einer leistungsfähigen KI-Engine – die Selbstüberwachung im Spannungsfeld zwischen Modell und Prognosequalität. Die KI-Engine sollte die Vorhersagequalität fortwährend überwachen und bei deren Abfall eine erneute Modellbildung auf der Basis der aktuellen historischen Daten anstoßen.

Sichtbare Verbesserung der Planung

Was die Rüstzeitvorhersage im Vergleich mit der herkömmlichen Methode über ERP-Vorgabezeiten und die Ergänzung über die Rüstwechsel-Module leisten kann, wurde auf der Basis von mehreren realen Produktionsszenarien untersucht. Es zeigt sich, dass die KI-basierte Vorhersage den herkömmlichen Vorgabemechanismen deutlich überlegen ist. Die planerische Einsparung lag im Bereich von etwa 20 Prozent und konnte im Untersuchungszeitraum an 53 von 56 Tagen bestätigt werden.

Ausblick

Während sich KI im privaten Bereich durch Siri, Alexa und Co. schon stark verbreitet hat, steckt der Einsatz im Fertigungsumfeld noch in den Kinderschuhen. Neben der technischen Barriere, die durch Automated Data Science umgangen werden kann, steht dem Einsatz natürlich auch die Frage im Weg, wie gut die KI tatsächlich ist und ob man ihr produktive Einsatzgebiete in der Fertigung anvertrauen möchte. Dieses Vertrauen kann beispielsweise aufgebaut werden, indem man dem Anwender die Möglichkeit gibt, das erstellte Modell auf der Basis der historischen Daten detailliert zu untersuchen. Kombiniert man das methodische Knowhow eines KI-Spezialisten mit der Praxisnähe eines MES-Anbieters, so können schnell einsetzbare Standardprodukte und flexible Lösungen entstehen. Deren Hauptvorteil besteht darin, dass die zur Verfügung stehenden Daten nicht erst aufwendig vorbereitet werden müssen. Damit können Kosteneinsparungen von bis zu 80 Prozent gegenüber dem heute üblichen Vorgehen gemäß CRISP-DM möglich werden.

Seiten: 1 2Auf einer Seite lesen

Autor:
Firma:

News

Weitere Beiträge

Das könnte Sie auch interessieren

KI-Vorreiter führen ihre KI-Initiativen trotz Corona unbeirrt fort

Unternehmen, die beim Thema künstliche Intelligenz (KI) führend sind, zeigen sich von der Corona-Pandemie unbeeindruckt: 78 Prozent der KI-Vorreiter unter den Unternehmen führen ihre KI-Initiativen wie vor der Pandemie fort, 21 Prozent haben deren Umsetzung sogar beschleunigt. Unter den Unternehmen, die KI noch nicht skalierbar einsetzen, fahren hingegen 43 Prozent ihrer Investitionen zurück und 16 Prozent haben ihre KI-Initiativen eingestellt. In Deutschland haben 44 Prozent der Unternehmen keine Änderungen vorgenommen, 8 Prozent die Geschwindigkeit erhöht und 19 Prozent ihre Initiativen aufgrund der unsicheren Lage eingestellt. Weiterhin verzeichnen Unternehmen mit skalierbaren KI-Anwendungen messbare Erfolge bei der Absatzsteigerung und der Reduzierung von Sicherheitsrisiken und Kundenbeschwerden. Zu diesen und weiteren Ergebnissen kommt die Studie ‚The AI Powered Enterprise: Unlocking the potential of AI at scale‘, für die 950 Unternehmen aus elf Ländern und elf Branchen befragt wurden.

mehr lesen

KI übernimmt Arbeit von Software-Ingenieuren

Für selbstadaptive Software gibt es heute unzählige Anwendungsmöglichkeiten. Doch die Entwicklung der Systeme stellt Software-Ingenieure vor neue Herausforderungen. Wissenschaftler vom Softwaretechnik-Institut Paluno an der Universität Duisburg-Essen (UDE) haben jetzt vielversprechende Ergebnisse mit neuartigen Verfahren der künstlichen Intelligenz (KI) erzielt, die den Entwicklungsprozess selbstadaptiver Systeme automatisieren.

mehr lesen

Wie wird künstliche Intelligenz zum Standardwerkzeug für den Mittelstand?

Das Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU möchte zusammen mit den produzierenden Unternehmen des Mittelstands die entscheidende Barriere für die Anwendung künstlicher Intelligenz überwinden: Die Köpfe sind überzeugt, aber die Umgestaltung der Produktionsanlagen und -prozesse in den Fabriken stockt. Deshalb arbeiten die Forscherinnen und Forscher an einem systematischen Leitfaden, mit dem KI zum Standardwerkzeug werden soll, das bessere Produkte mit geringerem Ressourceneinsatz ermöglicht. Erste Ergebnisse sind vielversprechend.

mehr lesen

Leistungsstarkes KI-System am KIT installiert

Als ein Werkzeug der Spitzenforschung ist künstliche Intelligenz (KI) heute unentbehrlich. Für einen erfolgreichen Einsatz – ob in der Energieforschung oder bei der Entwicklung neuer Materialien – wird dabei neben den Algorithmen zunehmend auch spezialisierte Hardware zu einem immer wichtigeren Faktor. Das Karlsruher Institut für Technologie (KIT) hat nun als erster Standort in Europa das neuartige KI-System NVIDIA DGX A100 in Betrieb genommen. Angeschafft wurde es aus Mitteln der Helmholtz Artificial Intelligence Cooperation Unit (HAICU).

mehr lesen

Machine Learning einfach gemacht

Seit einigen Jahren schon werden die Fantasien der Ingenieure und Anlagenbauer beflügelt durch die Möglichkeiten von KI- und Machine-Learning-Algorithmen. Klingt zwar zunächst sehr kompliziert, bietet aber konkrete Vorteile für die smarte Fabrik. Maschinen und Anlagen bzw. Produktionsprozesse erzeugen kontinuierlich Daten. Erfolgreich werden zukünftig Unternehmen sein, denen es gelingt, Mehrwert aus diesen Daten zu generieren.

mehr lesen

Die vernetze Fabrik für die Zukunft

Krisen decken Schwachstellen auf. In der Corona-Pandemie zeigt sich der Wert der vernetzten Produktion und Logistik. Das Internet der Dinge (Internet of Things, kurz IoT) hilft der Industrie, auf Ausfälle flexibler als bisher zu reagieren, denn in Echtzeit lassen sich Auslastung und Zustand jeder einzelnen Maschine verfolgen, und es herrscht Transparenz über die Lieferkette. Die Bosch-Gruppe, eines der weltweit führenden Technologie- und Dienstleistungsunternehmen, hat damit positive Erfahrungen gemacht.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.