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.
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. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
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.
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.
