Anzeige
Anzeige
Anzeige
Beitrag drucken

Algorithmen für die Fabrik

Historische Daten zur Rüstzeitprognose nutzen

Die Planung der Fertigung kann immer nur so gut sein, wie die Vorgaben und Annahmen auf denen sie basiert. Künstliche Intelligenz macht aus starren Vorgaben dynamische Prognosen. Damit wird auch die Planung deutlich realistischer.

Rüstvorgänge sind in der Fertigung an der Tagesordnung und nehmen oft viel Zeit in Anspruch. (Bild: ©Kadmy/stock.adobe.com)

Rüstvorgänge sind in der Fertigung an der Tagesordnung und nehmen oft viel Zeit in Anspruch. (Bild: ©Kadmy/stock.adobe.com)

Bei vielen Unternehmen bilden Manufacturing-Execution-Systeme zusammen mit ERP-Anwendungen das digitale Rückgrat der Fabrik und der damit verbundenen Produktionsprozesse. Ein zentraler Aspekt in beiden Systemen ist die Planung der Fertigung. Dafür wird im ERP-System 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. Am Beispiel dieser Vorgabewerte – speziell an der Rüstzeit – lässt sich der Nutzen von künstlicher Intelligenz (KI) im MES verdeutlichen.

Herkömmliches Vorgehen

Im einfachsten Fall wurde die Rüstzeit bisher manuell gemessen (REFA-Vorgehen). Wird bereits ein MES eingesetzt, kann die Rüstzeit natürlich auch aus den erfassten Ist-Zeiten ermittelt werden. Ausreißer sollten dabei stets eliminiert werden bzw. gewichtet einfließen. Die eigentliche Komplexität bei der Rüstzeitermittlung entsteht jedoch durch die Kombination diverser Einflussfaktoren: abhängig vom verwendeten Werkzeug kann die Rüstzeit für ein Produkt variieren, Farbwechsel vergrößern oder verkleinern die Rüstzeit, gegebenenfalls sind weitere Faktoren zu berücksichtigen. Ein MES deckt diese Variabilität oftmals mit integrierten Funktionen ab, in der die Übergänge mit zeitlichen Zu- oder Abschlägen gepflegt und dann bei der Feinplanung berücksichtigt werden können. Abhängig von der Anzahl der Einflussfaktoren resultieren daraus oftmals kaum noch zu überblickende Stammdatenuniversen. Genau an diesem Punkt könnte künstliche Intelligenz die Spielregeln verändern.

Zeitgemäßes Vorgehen mit KI

Durch KI – speziell durch Machine Learning – kann die Rüstzeit auf der Basis historischer Daten vorausgesagt werden. Grundlage hierfür bildet der Paradigmenwechsel zwischen der klassischen Programmierung und Machine Learning. War bei der klassischen Programmierung ein detailliertes Verständnis des abzubildenden Sachverhalts und seiner Einflussfaktoren notwendig, um aus Eingangsdaten mit Hilfe des erstellten Programms Ergebnisdaten zu erzeugen, entfällt das aufwendige und restriktive Verständnis des Sachverhalts und seiner Einflussfaktoren durch den Einsatz von Machine Learning. Auf der Basis historischer Daten aus dem MES (wie lange hat das Rüsten bezogen auf die Kombinationen aus Artikel, Maschine, Werkzeug, … unter Berücksichtigung der Schicht, … tatsächlich gedauert) wird das ‚Programm‘ erstellt, welches man bei Machine Learning auch als Modell bezeichnet. Durch die Verwendung historischer Daten bei der Modellerstellung können diese auf ihre Eigenschaft als Einflussfaktor untersucht werden. Eine Dokumentation all dieser Faktoren im MES wäre in den meisten Fällen aufgrund der Komplexität kaum sinnvoll. Für viele Unternehmen würde die Ausweisung der tatsächlichen Einflussfaktoren auf Basis der historischen Daten schon einen Mehrwert darstellen.

Paradigmenwechsel: von der klassischen Programmierung zu Machine Learning (Bild: MPDV Mikrolab GmbH)

Paradigmenwechsel: von der klassischen Programmierung zu Machine Learning (Bild: MPDV Mikrolab GmbH)


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