Häufige Umrüstvorgänge machen eine Produktion ineffizient. Stillstandzeiten resultieren in geringeren Produktionszahlen, Ressourcen werden nicht optimal genutzt und die Fertigung kleiner Losgrößen erfordert eine zunehmende Flexibilisierung, die mit manueller Planung nur schwer zu erreichen ist. Mit Hilfe von künstlicher Intelligenz lassen sich jedoch die Rüstzeiten zwischen Aufträgen abgleichen und so eine bestmögliche Feinplanung unter Beachtung relevanter Produktionsparameter gewährleisten. Resultat dieser Anpassung: geringe Rüstzeiten und hohe Maschinenauslastung unter Einhaltung der Liefertermine.

PSI Polska Sp. z o.o hat eine neue KI-basierte Funktion im Warehouse Management System PSIwms im Distributionszentrum des polnischen Bekleidungsherstellers LPP S.A.

Viele Unternehmen haben das Potenzial selbstlernender Systeme, die Machine Learning benutzen, erkannt. Dieser Teilbereich der künstlichen Intelligenz basiert auf Algorithmen, die Muster und Gesetzmäßigkeiten in großen Datenmengen erkennen. Mithilfe neuronaler Netze lassen sich aus den Datenbeständen Rückschlüsse ziehen und Prognosen treffen. In vielen Branchen bereits etabliert, findet Machine Learning als Analyse- und Steuerungsinstrument nun auch zunehmend Anwendung in der Logistik. Ein Beispiel dafür ist die Verknüpfung des Microsoft Azure Machine Learning Studios mit Bestandsmanagement- oder ERP-Systemen. Mit diesen Lösungen lassen sich unter anderem Bestände und Bestellungen optimieren sowie Lagerprozesse erheblich verbessern.