Anzeige
Anzeige
Anzeige
Beitrag drucken

Künstliche Intelligenz im MES

Implizites Planungswissen per KI integriert

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.

 (Bild: ©sdecoret / Fotolia.com)

(Bild: ©sdecoret / Fotolia.com)

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.

Assistenzbasierte Fertigungsplanung

Doch wie sieht eine assistenzbasierte Fertigungsplanung und -steuerung auf KI-Basis aus? Vereinfacht gesagt, lernt die KI aufgrund der Eingriffe durch den Planer, welche Änderungen er in Zukunft vornehmen wird. Die KI unterbreitet ihm entsprechende Vorschläge für die Planung bzw. Steuerung. Aus der Entscheidung des Planers, diesen Vorschlag zu akzeptieren oder zu ändern, lernt die KI. Des Weiteren kann sie den Planer bei seiner Eingabe auf unplausible Konstellationen aufmerksam machen. Planung und Steuerung werden so präziser und verlässlicher gegenüber einer Entscheidung, die auf der Auswertung historischer Daten basiert. Der Planer behält dabei die Entscheidungshoheit. Er kann mit Hilfe sogenannter Exception Rules die KI übersteuern. Die KI ergänzt den Planer, indem sie den Aufwand für manuelle Eingriffe und das damit verbundene Risiko für Planungsfehler reduziert. Es handelt sich also um ein Komplementär-, nicht um ein Defizitärmodell. Nicht der Planer, sondern immer wiederkehrende Planungskorrekturen gehören in einer Produktion mit intelligenten Assistenzsystemen der Vergangenheit an. Da durch maschinelles Lernen das implizite Wissen sukzessive Teil des Systems wird, geht zudem der Zugriff auf dieses Wissen nicht verloren, wenn der entsprechende Mitarbeiter ausfällt oder aus dem Unternehmen ausscheidet.

Für volatile Werksumgebungen

Der Einsatz von KI-Assistenzsystemen ist insbesondere in Produktionen mit hohem Volatilitätspotenzial sinnvoll, in denen ein Marktumfeld mit hoher Dynamik permanente Schwankungen und Änderungen bedingt. Ein Beispiel ist die Print&Packaging-Industrie, in der produzierende Unternehmen für viele Abnehmer sehr unterschiedliche Produkte fertigen. Die Becos GmbH aus Stuttgart ist mit ihren MES- und IoT-Lösungen u.a. in dieser Branchen aktiv und entwickelt KI-basierte Anwendungen für produzierende Unternehmen. In einem konkreten Einsatz einer assistenzbasierten Fertigungsplanung und -steuerung bei einem Verpackungshersteller erreichte das Unternehmen bei einer automatischen Einplanungsquote von über 90 Prozent eine Planungszeitreduktion von bis zu 30 Prozent. Unter den Bedingungen einer steigenden Fertigungsdynamik und eines zunehmenden Wettbewerbsdrucks ist der Einsatz KI-basierter Assistenzsysteme nicht nur eine Frage der Wirtschaftlichkeit, sondern auch der Zukunftsfähigkeit eines jeden produzierenden Unternehmens.


Das könnte Sie auch interessieren:

Früher war Scada oft nur zweckmäßiges Instrument zur Anlagen- und Prozessverwaltung. Doch im Zeitalter des Internet of Things und damit verbundenen neuen Geschäftsmodellen rückt auch die Bedeutung der Scada-Plattform an eine bedeutendere Stelle.‣ weiterlesen

Viele große Unternehmen investieren derzeit in Digitaltechnik, um Transparenz in ihre Lieferketten zu bringen - und so Kosten einzusparen. Mit Radio-Frequency-Identification(RFID)-Technik von Kathrein werden die Durchläufe bei einem Stuttgarter Automobilhersteller besser planbar und Wartezeiten kürzer.‣ weiterlesen

Mit der Übernahme des IoT-Spezialisten Bright Wolf, will der IT-Dienstleister Cognizant seine Expertise im Bereich Internet of Things erweitern.‣ weiterlesen

Vorherzusagen, wann ein Werkzeug kaputt geht, ist nicht leicht. Mittels der Messung von Schallemissionen ist dies zwar möglich, aber auch teuer. Kombiniert man jedoch gängige Verfahren mit neuen Technologien, ergeben sich immer bessere und schnellere Verfahren.‣ weiterlesen

Seit dem 25. Mai 2018 gilt die europäische Datenschutzgrundverordnung, meist nur DSGVO genannt. Der IT-Sicherheitsspezialist Rohde & Schwarz Cybersecurity berichtet, wie es um die Umsetzung in der hiesigen Industrie steht.‣ weiterlesen

In vielen Ländern Europas scheint sich der Arbeitsmarkt zu stabilisieren. Darauf deuten die Zahlen des Europäischen Arbeitsmarktbarometers hin, das nun erstmals veröffentlicht wurde.‣ weiterlesen

Eine IoT-Sicherheitsarchitektur sollte sowohl in IT- als auch in OT-Umgebungen für mehr Transparenz sorgen und Prozesse schützen. Dazu müssen die Daten aus dem IoT-Edge erfasst und extrahiert werden. Auf dieser Grundlage können Unternehmen effizienter agieren, bessere Geschäftsentscheidungen treffen und Digitalisierungsprojekte beschleunigen.‣ weiterlesen

GBTEC und Proalpha haben angekündigt, zukünftig in den Bereichen Process Mining und Business Intelligence zusammenzuarbeiten. Kunden sollen so einen Mehrwert bei der digitalen Transformation erhalten.‣ weiterlesen

Beim Anlagen- und Werkzeugbau setzt die Volkswagen AG auf Datendurchgängigkeit. Die Projektmanagement-Software Coman vernetzt die Projektbeteiligten dazu durchgängig und digital, bis hin zu den Zulieferern. Denn wenn Manager Giuseppe Lo Presti früh erkennt, dass es in einem Gewerk gerade nicht rund läuft, können gezielte Maßnahmen erfolgen.‣ weiterlesen

Mehr als eine Milliarde Schadprogramme verzeichnet das Bundesamt für Sicherheit in der Informationstechnik im aktuellen Lagebericht. Und auch die Corona-Pandemie wirkt sich auf die aktuelle Sicherheitslage aus.‣ weiterlesen

Eine Voraussetzung bei der Entwicklung von industriellen KI-Anwendungen sind ausreichende Daten. Diese sind jedoch nicht immer in der benötigten Menge, Qualität oder Struktur vorhanden. Anhand eines konkreten Beispiels erläutert dieser Beitrag, wie sich ein Data Lake anlegen und mit Daten füllen lässt, bis er ein Fundament für quasi beliebige KI-Applikationen bildet.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige