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

Becos GmbH
www.becos.de

Das könnte Sie auch Interessieren

Bild: Fraunhofer IEM
Bild: Fraunhofer IEM
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.

Bild: schoesslers GmbH
Bild: schoesslers GmbH
appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

Das gemeinnützige appliedAI Institute for Europe stellt den kostenfreien Online-Kurs ‚AI Essentials‘ zur Verfügung, der es Interessierten ermöglicht, in die Welt der Künstlichen Intelligenz einzusteigen. Konzepte wie maschinelles Lernen und Deep-Learning sowie deren Anwendungsmöglichkeiten und Auswirkungen auf unser Leben und unsere Wirtschaft sind Teile der umfassenden Einführung.

Bild: Trumpf SE + Co. KG
Bild: Trumpf SE + Co. KG
Künstliche Intelligenz macht Fabriken clever

Künstliche Intelligenz macht Fabriken clever

Seit dem Siegeszug des Chatbots ChatGPT ist künstliche Intelligenz in aller Munde. Auch in der industriellen Produktionstechnik kommt KI mit großen Schritten voran. Lernende Maschinen machen die Fertigung effizienter. Wie funktioniert das genau? Das können Interessierte auf der EMO Hannover 2023 vom 18. bis 23. September erfahren. Die Weltleitmesse für Produktionstechnologie wird ihr Fachpublikum unter dem Claim ‚Innovate Manufacturing‘. mit frischen Ideen inspirieren und künstliche Intelligenz spielt dabei ihre Stärken aus.

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.