Digitalisierte Produktion.

Drei Fragen an... Markus Günther

Wie Künstliche Intelligenz Fertigungsbetriebe in Zeiten von Losgröße 1 wettbewerbsfähig hält, erklärt Markus Günther, Produktmanager und Machine Learning-Experte beim Softwarehaus Inform. 

Markus Günther, Produktmanager und Machine Learning-Experte bei Inform. © Inform

Herr Günther, der Trend zur zunehmenden Vernetzung der Produktionsumgebungen ist allgegenwärtig. Welche Rolle spielt Künstliche Intelligenz (KI) dabei?
KI spielt eine Schlüsselrolle, wenn es darum geht, angesichts einer zunehmend komplexen Auftragslage termintreu und kosteneffizient zu produzieren. Algorithmen-gestützte Planungstools ermöglichen, gerade in der variantenreichen Einzel- und Kleinserienfertigung den Überblick zu behalten und Produktionskapazitäten optimal auszulasten. Gängige ERP-Systeme verwalten die Daten lediglich. Intelligente APS-Systeme sind hingegen in der Lage, Planungs- und Dispositionsentscheidungen zu treffen und Handlungsempfehlungen auszuspielen. Dabei berücksichtigen sie bereichsübergreifend alle relevanten Faktoren und Zusammenhänge. So können sie weitverzweigte Auftragsnetze mit den real verfügbaren Kapazitäten abgleichen und dynamisch terminieren – eine wertvolle Eigenschaft, die traditionellen ERP-Systemen fehlt. Unternehmen erhalten so einen robusten Produktionsplan und können ihre Aufträge auch im Störungsfall termingerecht fertigstellen. Der Begriff KI umfasst übrigens verschiedene Formen der Computerintelligenz. Bei Inform setzen wir auf einen hybriden Ansatz, der wissens- und datengetriebene Verfahren, wie etwa Machine Learning (ML), kombiniert. Das letzte Wort hat aber immer der Mensch. 

Anzeige

Wo genau kommen intelligente Algorithmen zum Einsatz und wie sehen konkrete Anwendungsszenarien aus?
Fertigungsbetriebe können sowohl auf Produkt- als auch auf Prozessebene von KI profitieren. Betrachten wir zum Beispiel ML-Algorithmen: Diese erkennen Muster und Zusammenhänge in großen Datenmengen und prognostizieren auf dieser Basis zukünftige Entwicklungen. So können sie zum Beispiel anhand vergangener Bestelldaten Wiederbeschaffungszeiten für Zukaufteile bestimmen, die Dauer von Arbeitsgängen vorhersagen oder die Angebotserstellung beschleunigen, indem sie die anfallenden Kosten genauer abzuschätzen in der Lage sind. Dies verbessert Prozessqualität und Termintreue. Durch diese Fähigkeiten können Maschinen darüber hinaus Prozess- und Sensordaten effizienter auswerten, beispielsweise vorausschauend darauf hinweisen, wenn eine Wartung notwendig wird, und so späteren Ausfällen vorzubeugen. Die höhere Erkennungsleistung sorgt außerdem dafür, dass Maschinen Qualitätsabweichungen schneller erkennen und ihre Ursache identifizieren können. So lässt sich die Produktqualität gezielt optimieren. 

Was müssen Unternehmen beachten, die ihre Produktionsplanung digitalisieren wollen?
Viele Firmen sehen nur einen kleinen Ausschnitt dessen, was sich mit KI und im Spezifischen ML tatsächlich bewerkstelligen lässt. Es geht nicht nur um Intelligenz auf der Produkteebene. Das Spektrum der Möglichkeiten ist viel breiter und umfasst auch Dienstleistungen und Prozesse. Ein weiteres Missverständnis besteht bezüglich des nötigen Datenbestands: Hier machen sich Unternehmen oft zu viele Gedanken wegen der vermeintlich schlechten Qualität ihrer Daten. Dabei reicht diese in der Regel völlig aus, um ein intelligentes Planungstool einzuführen. Auch die Datenbereinigung und -pflege sind.

Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige

I/O-Module

Skalierbare Kommunikation

Die I/O-Module der Serie Edam-4200 von Acceed bieten eine kostengünstige Lösung für die Datenkommunikation mit lokalen Endgeräten in Netzwerken der Automation und Gebäudesteuerung, zum Beispiel für die Produktionskontrolle oder Fernwartung.

mehr...
Anzeige
Anzeige
Anzeige
Anzeige

Mobile Roboterplattformen

Auf die Planung kommt es an

Autonome Transportsysteme. Mobile Roboterplattformen bieten Potenziale zur Produktionsoptimierung. Das Forschungsverbundprojekt FORobotics betrachtet mobile, ad-hoc kooperierende Roboterteams, Teilprojekt 3 „Aufgabenorientierte Planung“ befasst sich...

mehr...