Auch wenn noch lange die eigentlichen Anwendungen im Fokus der Fertigungsindustrie stehen werden, so kann man den technologischen Einfluss auf IT-Lösungen für die Smart Factory kaum mehr leugnen, insbesondere wenn es dabei um Künstliche Intelligenz (KI) geht. Aber nicht nur die Wissenschaft beschäftigt sich mit diesem Thema. Auch in der Industrie sind mittlerweile viele innovative KI-Lösungen angekommen – und ein Ende ist noch lange nicht in Sicht.
Grundsätzlich hat sich an der Aufgabenstellung an die Fertigungs-IT wenig geändert – sie soll immer noch den Fertigungsbetrieb unterstützen und Optimierungen ermöglichen. Was sich geändert hat, ist die Komplexität. Losgrößen sind nun wesentlich kleiner, was die Variantenvielfalt enorm steigert. In Folge dessen wächst die Datenflut, mit der sowohl Software als auch Menschen umgehen müssen. Für einen effizienten Umgang mit diesen Massendaten braucht es neue Methoden – die Künstliche Intelligenz schafft hier Abhilfe.
Die Methoden der Künstlichen Intelligenz sind vielseitig und können in nahezu jedem Anwendungsfeld der Fertigungs-IT zum Einsatz kommen. Die folgenden Beispiele sollen zeigen, welche Potenziale in den jeweiligen Anwendungen stecken, wenn man sie mit KI anreichert.
Qualität vorhersagen
Mit Predictive Quality hat MPDV bereits ein konkretes Produktbeispiel umgesetzt: Grundannahme für die Vorhersage der Qualität ist, dass es auch zu Ausschuss oder Nacharbeit kommen kann, wenn sich alle Prozessparameter innerhalb der jeweils gültigen Toleranzen bewegen. Grund dafür sind komplexe Zusammenhänge und Wechselwirkungen, die oftmals auf die eigentliche Fertigungstechnologie zurückzuführen sind. Predictive Quality berücksichtigt diese Zusammenhänge und gibt Mitarbeitern in der Fertigung die Möglichkeit, sofort zu sehen, ob der aktuell produzierte Artikel Ausschuss oder ein gutes Teil ist – und das unter Angabe der Eintrittswahrscheinlichkeit. Damit lässt sich etwa die Qualität eines Motorblocks vorhersagen, während dieser gerade noch abkühlt. Mitarbeiter können also frühzeitig entscheiden, ob es sich lohnt, weiter in ein Teil zu investieren oder, ob sie es direkt wieder einschmelzen, was Zeit spart und Kosten senkt, da potenziell fehlerhafte Teile frühzeitig ausgeschleust werden können. Predictive Quality basiert auf der Ausführung eines Modells, das beispielsweise mittels Machine Learning erstellt wurde und erfasste Prozessdaten in Echtzeit verarbeitet.
Rüstzeitvorhersage
Im Rahmen der Fertigungsplanung wird auf eine Reihe von Vorgabewerten zurückgegriffen, um eine Grundlage für die zu berücksichtigende Bearbeitungsdauer eines Vorgangs und für die Übergangszeiten zwischen zwei Vorgängen eines Auftrags zu haben. Die Rüstzeit ist eine dieser Vorgaben, die bisher meist manuell mit der Stoppuhr gemäß REFA ermittelt wird. Um die wachsende Zahl der möglichen Kombinationen aus Werkzeugen, Material, Personal und sonstigen Einflussfaktoren gerecht zu werden kann KI die Rüstzeitvorhersage unterstützen. Dazu wird auf Basis historischer Daten aus einem MES ein Modell erstellt, das alle Faktoren berücksichtigt, wie etwa die Länge der Rüstzeit bezogen auf die Kombinationen aus Artikel, Maschine, Werkzeug. Im Rahmen der Modellerstellung können die verwendeten historischen Daten auch auf ihre Eigenschaft als Einflussfaktor untersucht werden. Eine herkömmliche Rüstwechselmatrix kommt dabei schnell an ihre Gre
[ Wenn Sie den kompletten Beitrag lesen möchten, klicken Sie hier ]
Schlüsselwörter:
Künstliche Intelligenz, KI, Manufacturing Execution System, MES, Fertigungsplanung, Qualitätsmanagement, Rüstzeiten
