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:

Das übergreifende Manufacturing Operations Management wird oft als Weiterentwicklung klassischer MES-Konzepte verstanden. Reichern Betreiber ihre MOM-Systeme mit Sensordaten an, werden vielfältige Optimierungen auf der Basis von Echtzeit-Daten möglich. Im Beispiel eines japanischen Produzenten waren es etwa die Reduzierung von Stillstandszeiten und Kosten.‣ weiterlesen

Insgesamt 15,6Mrd. Stunden betrug das Arbeitsvolumen im dritten Quartal 2022. Laut IAB ein Anstieg von 0,1 Prozent gegenüber dem Vorquartal. Die Zahl der Erwerbstätigen erreichte im dritten Quartal einen neuen Höchststand.‣ weiterlesen

Forschende des CISPA Helmholtz-Zentrum für Informationssicherheit und des Instituts Kastel am Karlsruher Instituts für Technologie (KIT) haben die Ergebnisse ihrer Machbarkeitsstudie zum Thema ’Encrypted Computing’ an die Agentur für Innovation in der Cybersicherheit (Cyberagentur) übergeben.‣ weiterlesen

Komplexe Materialien auf Basis von Seltenen Erden sind wichtig für Hightech-Anwendungen, wie etwa für Permanentmagnete oder in Bildschirme. Die Chemie molekularer und nanoskaliger Verbindungen der Seltenen Erden sowie ihre physikalischen Eigenschaften untersucht nun der neue Sonderforschungsbereich SFB ’4f for Future’, den das Karlsruher Institut für Technologie (KIT) koordiniert.‣ weiterlesen

Sorgen sich Unternehmen bei der Analyse ihrer steigenden Datenmengen um Performance und IT-Sicherheit, sollten sie sich das Edge Computing-Konzept anschauen. Denn diese Zwischenschicht entlastet Netzwerke und anonymisiert Daten für ihre rechtssichere Cloud-Verarbeitung.‣ weiterlesen

Laut Ifo Institut ist die Zahl der Kurzarbeiter wieder leicht gestiegen – insbesondere in der Industrie. Im Vergleich zur Corona-Krise sei das Niveau jedoch noch sehr gering, so die Wirtschaftsforscher.‣ weiterlesen

Zwar laufen die Geschäfte der IT- und Telekommunikationsunternehmen besser als erwartet, laut Branchenverband Bitkom bleiben Unsicherheiten für die kommenden Monate hoch.‣ weiterlesen

Im Materialplanungslauf stellen Firmen sicher, ihren Materialbedarf zu decken. Aufgrund verschiedener Einflüsse errechnen die Systeme dabei oft größere Mengen, als benötigt werden - auch bei akutem Bedarf. Das neue Critical-Part-Information-System in der Dispositionssoftware von SCT soll das verhindern.‣ weiterlesen

Der europäische Cloudanbieter OVHcloud baut sein Portfolio in den Bereichen High-Performance Object Storage und Standard Object Storage aus. Die Speichersysteme gliedert der Anbieter in fünf Produktgruppen.‣ weiterlesen

Die Open Industry 4.0 Alliance kooperiert ab sofort mit Eclass. Die Allianz will den Standard als Informationsmodell einsetzen.‣ weiterlesen

China steigt in Sachen Roboterdichte in die Top-5-Länder weltweit auf. Mit 322 Einheiten pro 10.000 Mitarbeiter hat das Land die USA überholt.‣ weiterlesen