Konsequenzen verhindern
Bei herkömmlichen statistischen Methoden stellen die Menge, die Rate und die Diversität der Daten in umfangreichen Herstellungsprozessen ein Problem dar. Wo unbeabsichtigte Konsequenzen, die oft in großen, komplexen Fertigungslinien auftreten, durch statistische Prozesssteuerungen nicht bewältigt werden können, bieten KI-Algorithmen die Möglichkeit, Kaskadeneffekte zu analysieren und erfolgreich Vorhersagen zu treffen. Es werden Betriebsparameter vorgeschlagen, um unbeabsichtigte Konsequenzen zu verhindern und die Qualität zu optimieren. Die Feinabstimmung von Produktionsparametern ist bisher praktisch unabhängig von vor- oder nachgelagerten Variablen auf Zell- oder Maschinenebene erfolgt. Deshalb war es nahezu unmöglich, die Auswirkungen von Änderungen bei vorgelagerten Prozessen zu ermitteln und weitere Probleme zu verhindern.
Steuerungen einstellen
Durch KI-Abläufe können Steuerungen abhängig von den relativen Auswirkungen der einzelnen Zellen oder Maschinen innerhalb der gesamten Fertigungslinien eingestellt werden. Durch die gleichzeitige Nutzung von Daten aus verschiedenen Quellen einer Produktionsanlage erhält man ein umfassendes Bild, aufgrund dessen anschließend die richtigen Produktionsparameter eingestellt werden können. Das oberste Ziel besteht darin, den optimalen Betriebsstatus der Fertigungslinie zu erreichen und mögliche Defekte an den einzelnen Stationen des Produktionsprozesses effektiv zu verringern.
Aus der Praxis
Wie Herstellungsprozesse durch Künstliche Intelligenz revolutioniert werden können, zeigt sich in der der Praxis. Data Prophet arbeitet beispielsweise seit einigen Jahren mit einer der größten Gießereien der Südhalbkugel zusammen, die Motorblöcke für Daimler. Das Werk hatte mit Problemen aufgrund von hohen Ausschuss- und Nacharbeitsquoten zu kämpfen, welche sich sehr negativ auf die Kostenbasis auswirkten. Gelöst wurde das Problem, indem 15 Monate lang Produktionsdaten unterschiedlicher Formate, die von Excel-Dateien bis hin zu Access-Datenbankdaten reichten, aus allen Teilen des Unternehmens gesammelt wurden. Anschließend ermittelte man mit dem Prognosemodell Omni die optimalen Betriebsparameter und identifizierte Motorblöcke, an denen Defekte auftreten würden. So wurde die Ausschussquote im ersten Betriebsmonat um 50 Prozent verringert und die externe Ausschussquote innerhalb der ersten drei Monate auf 0 Prozent reduziert.
