Implizites Planungswissen per KI integriert

Implizites Planungswissen per KI integriert

Bild: ©sdecoret / Fotolia.com

Trotz IT-Unterstützung müssen Schichtleiter und Fertigungsplaner immer wieder in laufende Produktionsprozesse eingreifen. Künstliche Intelligenz (KI) hilft dabei, die Eingriffe zu verringern und die Produktionsqualität zu erhöhen.
Die Ursachen für die steigenden Ansprüche an eine flexible Produktion steigen zum einen durch die Individualisierung der Kundenwünsche, die zu einer erhöhten Produktvarianz führt. Zum anderen sorgen hohe Rohstoffkosten und der zunehmende Wettbewerbsdruck dafür, dass produzierende Unternehmen eine möglichst hohe Auslastung ihrer Maschinen und Anlagen erreichen und Ausschüsse reduzieren müssen. Doch trotz weitgehender Automatisierung können die Anforderungen einer dynamischen Multivariantenproduktion nicht erfüllt werden. ERP- und Manufacturing-Execution-Systeme (MES) in der Produktion sind daher kaum verzichtbar. Diese Systeme decken jedoch die Produktion nicht vollständig digital ab: Kann beispielsweise ein Fertigungsauftrag alternativ auf mehreren Maschinen eingeplant werden, muss der Planer dies entscheiden. Das System entwickelt auf Basis der vorhandenen Daten einen Fertigungsplan. Der Planer greift jedoch immer wieder ein, weil er Informationen hat, die dem System nicht vorliegen. Mit der Zeit entwickelt der Planer Präferenzen, sogenanntes implizites Wissen, über das nur er verfügt – nicht aber das Planungssystem.

Grenzen klassischer Systeme

Auch wenn ERP- und MES-Lösungen die Prozessintegration entlang von Wertschöpfungsketten und Fertigungsprozessen (horizontale und vertikale Datenintegration) immer weiter vorantreiben und so versuchen, implitzites Wissen zu verringern, stoßen klassische Planungssysteme oft an ihre Grenzen, denn manuelle Änderungen innerhalb der Fertigungsplanung werden außerhalb des Systems vorgenommen und haben damit keinen Einfluss auf die zukünftige Einplanung durch das Planungssystem.

Komplexe Systeme

Entscheidet also der Planer aus einem speziellen Grund, einen Auftrag auf eine andere Maschine zu legen, so muss er diese Änderung jedes Mal vornehmen, wenn bei zukünftigen Aufträgen die gleichen Gründe auftreten. Klassische Analysemethoden erkennen zwar durch die Auswertung historischer Daten die Änderung, nicht aber die Gründe für diese Entscheidung – ihre Systemlogik ist nicht dafür geeignet, die Entscheidung zu prognostizieren. Der Planer muss also in das Planungssystem eingreifen. Da ERP- und MES-Lösungen aber mit steigender Datenmenge und zunehmender Integration in weitere Unternehmensbereiche immer komplexer werden, kann der Planer diese Komplexität nur mit sehr hohem Aufwand nachvollziehen. Manuelle Eingriffe zur Änderung eines Fertigungsplans werden somit immer schwieriger und haben oft Auswirkungen auf Bereiche, die Fertigungsplaner und -steuerer nur aufwendig mitbetrachten können. An dieser Stelle kommt künstliche Intelligenz bzw. maschinelles Lernen ins Spiel.

Seiten: 1 2Auf einer Seite lesen

Anzeige

Anzeige

Das könnte Sie auch Interessieren

Bild: Abat AG
Bild: Abat AG
Forschungskooperation verlängert

Forschungskooperation verlängert

Bild: Abat AG Voneinander und miteinander lernen, gemeinsam an innovativen Ideen für den Markt innerhalb von Forschungskooperationen tätig sein - seit mehreren Jahren schon besteht eine enge Zusammenarbeit zwischen der Bremer Abat AG und der Uni Oldenburg (Abteilung...

Image: Xilinx Inc.
Image: Xilinx Inc.
Adaptive AI Vision

Adaptive AI Vision

Image: Xilinx Inc. Die Kria SOMs ermöglichen den schnellen Einsatz durch Bereitstellung einer End-to-End Lösung auf Board-Ebene mit vorkonfiguriertem Software Stack. Das Kria K26 SOM basiert auf der Zynq UltraScale+ MPSoC Architektur, die einen Quad-Core Arm Cortex...