Beitrag drucken

Von Feinplanung bis Qualitätsprüfung

KI in der Elektronikfertigung

Indem sie Informationsflüsse automatisieren hilft, kann KI in der Feinplanung von Produktionsprozessen hohes Einsparpotenzial freisetzen. Nachdem TQ das in seiner Elektronikfertigung mehrfach belegen konnte, will der Fertiger selbstlernende Systeme demnächst an allen Produktionsstandorten ausrollen.

 (Bild: TG GRoup international GmbH)

(Bild: TG GRoup international GmbH)

Herkömmliche Software funktioniert nach festen Regeln, wohingegen KI-Programme fortlaufend mit neuen Daten gespeist werden, hinzulernen und die erzielten Ergebnisse kontinuierlich optimieren. KI-Software bildet Verknüpfungen, erkennt Muster und bewältigt Aufgaben, bei denen bisherige Software-Lösungen an ihre Grenzen stoßen. Der Einsatz künstlicher Intelligenz in Unternehmen heißt, Software zu nutzen, die auf Methoden des maschinellen Lernens (Machine Learning) basiert. So sollen Prozesse automatisiert, optimiert, beschleunigt und nicht zuletzt nachhaltiger ablaufen können.

Realität überfordert Software

Gerade bei kleinen Stückzahlen, kurzen Lebenszyklen und hoher Varianz sind viele herkömmlich arbeitenden Programme mit der Komplexität der Feinplanung überfordert oder unwirtschaftlich in ihrer Erstellung. Vor allem das tägliche Zusammenstellen von Fertigungsreihenfolgen, Steuerungsprozessen und die Planung von Maschinenressourcen ist in vielen Unternehmen oft mit hohem manuellem Aufwand verbunden, was auf die Effizienz einwirkt. Die Einführung KI-gestützter Prozesse kann viele dieser Effekte bereits heute auffangen, wobei ihre praktische Einführung mit einigen Maßnahmen zu begleiten sind. Bei aller Technologie gilt es weiter die Komponente Mensch mit zu berücksichtigen. Eine der anspruchsvollen Aufgaben besteht darin, die KI-Experten und die Produktionsprozessexperten für eine gemeinsame Lösung an einen Tisch zu bringen und den Wissenstransfer abzusichern. Gerade zu Beginn eines Projekts ist es wichtig, die Mitarbeiter, die bisher Prozesse manuell ausgeführt haben, einzubeziehen und an der Lösung teilhaben zu lassen. Diese Vorgehensweise empfiehlt sich bei jeder Form der Automatisierung. So gilt es, ähnlich wie beim Einsatz der Robotik, dem Change Management als wichtigste Säule im Implementierungsprozess ausreichend Aufmerksamkeit zu widmen.

KI optimiert die Feinplanung

Für den Einsatz von KI bietet die Feinplanung ein ideales Einsatzgebiet. Die vorhandenen Betriebsmittel werden effizient genutzt, Maschinen ausgelastet und die Ressource Mensch von Aufgaben entlastet. Beim Elektronik-Spezialisten und Technologiedienstleister TQ wird die Steuerung und Feinplanung mittlerweile automatisiert und datengetrieben durchgeführt. Dafür nutzt ein intern entwickeltes Tool die sogenannte Reinforced-Learning-Methode. Hierfür werden historische Auftrags- und maschinenbezogene Daten aus über fünf Jahren herangezogen, um einen eigens entwickelten Algorithmus zu trainieren und dessen Vorhersagen und Ergebnisse zu optimieren. Der Algorithmus wird für den errechneten Fertigungsmix mit relevanten Vergangenheitsdaten aus der SMD-Fertigung gespeist. Dieser bringt sich dann selbst bei, wie eine optimale Maschinenbelegung aussehen sollte.

Planungslauf in 15 Minuten

In weniger als 15 Minuten übernimmt das von TQ entwickelte Programm den gesamten Fertigungsvorrat aus dem ERP-System von SAP und errechnet daraus automatisiert die Fertigungsreihenfolge inklusive Linienzuordnung, Schichtplanung und Rüstreihenfolge. Dieser Vorgang nahm manuell bisher täglich mehrere Stunden je Fertigungsstandort in Anspruch.

 (Bild: TG GRoup international GmbH)

(Bild: TG GRoup international GmbH)

Qualitätskontrolle mit KI

Ein weiteres Anwendungsgebiet von KI ist die Qualitätskontrolle. Bei TQ wird etwa die Qualität von Elektromotoren KI-gestützt geprüft. Durch maschinelles Lernen konnten Prüfumfänge und Prüfzeiten enorm reduziert und präzisere Ergebnisse erzielt werden. Zum Einsatz kommt hierbei die so genannte Supervised-Learning-Methode, bei der der Algorithmus mit ‚Gut‘- und ‚Schlecht‘-Mustern trainiert wird. Auch hier gilt: je größer der Pool an Trainingsdaten desto präziser und schneller arbeitet der Algorithmus später im produktiven Einsatz. Das bedeutet auch, dass der Algorithmus mit steigender Anzahl an geprüften Motoren immer schneller zwischen gut von schlecht unterscheiden kann – bei gleicher Vorhersagegenauigkeit. Auch hier lassen sich viel Zeit sparen und Ausfallwahrscheinlichkeiten besser vorhersehen. Auf andere Fertigungsorganisationen übertragen, könnte von einem kontinuierlichen Verbessern der Endprüfung von Produkten gesprochen werden, ohne Eingriffe von Mitarbeitern.

Weiteres Potenzial verborgen

Insgesamt zeigte sich, dass KI Produktivitätssprünge ermöglicht, die durch klassische schrittweise Prozessverbesserung kaum erreichbar sind. Weitere Ausbaumöglichkeiten sieht der Fertiger demnach im Bereich seiner Manufacturing Execution Systems (MES), also seiner Produktionsleitsysteme. Über sie ließen sich die zuvor beispielhaft beschriebenen Methoden auf den Produktionsprozess ausweiten und in die bestehenden Arbeitsprozesse einbinden. So nimmt der schrittweise Ausbau von KI-Funktionalitäten einen festen Platz in der mittel-bis langfristigen Produktionsstrategie bei TQ ein.


Das könnte Sie auch interessieren:

Prof. Dr.-Ing. Holger Hanselka, Präsident des Karlsruher Instituts für Technologie (KIT) wird der 11. Präsident der Fraunhofer-Gesellschaft und löst Prof. Dr.-Ing. Reimund Neugebauer nach fast elf Jahren ab.‣ weiterlesen

Christian Thönes, Vorstandsvorsitzender bei DMG Mori, hat am Donnerstag sein Amt niedergelegt. Sein Vertrag wurde im Rahmen einer Aufsichtsratssitzung einvernehmlich beendet. Alfred Geißler wurde vom Aufsichtsrat zum Nachfolger bestellt.‣ weiterlesen

Microsoft feiert 40. Geburtstag in Deutschland und eröffnet ein europäisches Experience Center in München. Es ist eines von vier Experience Centern weltweit.‣ weiterlesen

Expertinnen und Experten der Plattform Lernende Systeme beleuchten in einem neuen Whitepaper, wie es um die Entwicklung europäischer bzw. deutscher KI-Sprachmodelle bestellt ist.‣ weiterlesen

Cyber-physikalische Systeme (CPS), wie etwa Autos oder Produktionsanlagen, stecken voller elektronischer und mechanischer Komponenten, die von Software gesteuert werden. Jedoch ist es eine Herausforderung, die Systemarchitekturen solcher Systeme fortwährend konsistent zu halten. Neue Methoden dafür soll ein Sonderforschungsbereich (SFB) am Karlsruher Institut für Technologie (KIT) entwickeln.‣ weiterlesen

Mit der Akquisition der Pod Group hat G+D bereits 2021 sein Portfolio im IoT-Bereich erweitert. Durch den Erwerb von Mecomo geht das Unternehmen nun einen weiteren Schritt in Richtung IoT-Komplettanbieter im Transport- und Logistikbereich.‣ weiterlesen

Die Grimme-Gruppe produziert individuell konfigurierte Landmaschinen. Was für den Wettbewerb Vorteile bringt, ist allerdings mit großem Aufwand verbunden - so verwaltete Grimme Kundenanfragen lange über ein Excel-Tool. Mit dem Softwareanbieter Slashwhy zusammen wurde dies durch ein webbasiertes Anfragemanagement-Programm abgelöst.‣ weiterlesen

Die Software Moryx hilft der Fertigungssteuerung, Maschinen schnell auf einen neuen Kurs zu bringen oder sie für den nächsten Auftrag anzupassen. Mit seinen einheitlichen Bedienoberflächen und seiner niedrigen Einstiegshürde ist das Tool von Phoenix Contact insbesondere auf den Einsatz in Fertigungen mit der Losgröße 1 ausgerichtet.‣ weiterlesen