Erst die Anwendung, dann die Technologie
Wo die werksnahe IT von KI profitiert
Der Einfluss von künstlicher Intelligenz (KI) auf IT-Lösungen in der Fertigung lässt sich kaum leugnen. Von Predictive Quality bis hin zu Automated Data Science ist das Potenzial von KI-Anwendungen bereits jetzt groß - gerade auch in Verbindung mit historischen Daten aus dem Manufacturing Execution System.
Bild: ©Industrial Arts/stock.adobe.comGrundsätzlich hat sich an der Aufgabenstellung an die Fertigungs-IT wenig geändert - sie soll immer noch den Fertigungsbetrieb unterstützen bzw. optimieren. Was sich geändert hat, ist die Komplexität - Losgrößen werden kleiner, die Variantenvielfalt größer. In Folge dessen wächst die Datenflut, mit der sowohl Software als auch Menschen umgehen müssen. Dabei kann künstliche Intelligenz Abhilfe schaffen. Doch welche Anwendungen haben welches Potenzial, wenn man sie mit künstlicher Intelligenz anreichert?
Predictive Quality
Mit Predictive Quality hat der MES-Hersteller MPDV bereits ein konkretes Produktbeispiel umgesetzt: Grundannahme für die Vorhersage der Qualität ist, dass es auch zu Ausschuss oder Nacharbeit kommen kann, wenn sich alle Prozessparameter innerhalb der jeweils gültigen Toleranzen bewegen. Grund dafür sind komplexe Zusammenhänge und Wechselwirkungen, die oft auf die eigentliche Fertigungstechnologie zurückzuführen sind. Predictive Quality berücksichtigt das und gibt Mitarbeitern in der Fertigung die Möglichkeit, sofort zu sehen, ob der aktuell produzierte Artikel Ausschuss oder ein gutes Teil ist - unter Angabe der Eintrittswahrscheinlichkeit. Damit lässt sich etwa die Qualität eines Motorblocks vorhersagen, während dieser gerade noch abkühlt. So kann entschieden werden, ob es sich lohnt, weiter in ein Teil zu investieren oder ob es direkt wieder eingeschmolzen wird. Der Predictive Quality-Ansatz nutzt maschinelles Lernen und verarbeitet erfasste Prozessdaten in Echtzeit.
Rüstzeiten minimieren
Im Rahmen der Fertigungsplanung wird auf eine Reihe von Vorgabewerten zurückgegriffen, um eine Grundlage für die Bearbeitungsdauer eines Vorgangs und die Übergangszeiten zwischen zwei Vorgängen eines Auftrags zu haben. Die Rüstzeit ist eine dieser Vorgaben, die bisher meist manuell mit der Stoppuhr gemäß REFA-Verband ermittelt wird. KI kann diese Rüstzeitvorhersage unterstützen. Dazu wird auf Basis historischer Daten aus einem Manufacturing Execution System (MES) ein Modell erstellt, dass Faktoren - wie etwa die Länge der Rüstzeit bezogen auf die Kombinationen aus Artikel, Maschine, Werkzeug - berücksichtigt. Im Rahmen der Modellerstellung können die verwendeten historischen Daten auch auf ihre Eigenschaft als Einflussfaktor untersucht werden. Eine gängige Rüstwechselmatrix kommt dabei schnell an ihre Grenzen, da es einfach zu viele mögliche Kombinationen gibt. Der eigentliche Clou besteht jedoch in der Verwendung des erzeugten Modells und somit in der Vorhersage der Rüstzeit. Wird beispielsweise ein Arbeitsgang auf einer Maschine zu einem bestimmten Zeitpunkt mit einem bestimmten Werkzeug eingeplant, werden diese und gegebenenfalls weitere Daten verwendet, um auf Basis des zuvor erstellten Modells die wahrscheinliche Rüstzeit vorherzusagen. Auch für neue Kombinationen können Rüstzeiten auf Basis von Ähnlichkeitserwägungen abgeschätzt werden. Die KI agiert dabei im Wesentlichen so, wie die manuelle Pflege erfolgen würde. Was die Rüstzeitvorhersage im Vergleich mit der herkömmlichen Methode leisten kann, wurde auf Basis von mehreren realen Produktionsszenarien untersucht. Dabei zeigt sich, dass die KI-basierte Vorhersage den herkömmlichen Vorgabemechanismen deutlich überlegen ist. Aus Analysen geht hervor, dass durch den Einsatz von KI-Systemen rund 20 Prozent neue Kapazitäten in der Produktion frei werden.
Relevante Faktoren
Für viele Unternehmen würde allein die Benennung der tatsächlichen Einflussfaktoren auf Basis historischer Daten schon einen Mehrwert darstellen. Denn oft fehlen Informationen darüber, wie relevant ein Einflussfaktor für die zu erwartende Rüstzeit ist. Die Analyse der Einflussfaktoren auf Ihre Relevanz hin ist quasi ein nützliches Nebenprodukt der Modellerstellug. Die Methodik kann aber auf jedes andere Anwendungsfeld übertragen werden, in dem Vorhersagen von Interesse sind.
Optimierte Fertigungsplanung
Im Vergleich zum bisher heuristischen Vorgehen bei der automatischen Fertigungsplanung kann mit künstlicher Intelligenz ein entscheidender Schritt in Richtung optimale Fertigungsplanung gemacht werden. Im Gegensatz zum schrittweisen Vorgehen der Heuristik, werden mittels Reinforcement Learning zahlreiche Entscheidungsmöglichkeiten geprüft, bevor eine endgültige Planungsentscheidung getroffen wird. Ein Reinforcement Learning (verstärkendes Lernen)-Algorithmus bewertet die getroffenen Entscheidungen, hinterfragt diese und lernt daraus. Mit jeder Entscheidung sammelt das System neue Informationen über die vorhandenen Daten, was Schritt für Schritt die Qualität der Planungsentscheidung verbessert. Die Vorteile: Alle ausschlaggebenden Faktoren wie Aufträge, Arbeitsplätze, Transportwege, Rüstzeiten, begrenzte Ressourcen sowie Personalverfügbarkeiten berücksichtigt das System bereits bei der Entscheidungsfindung. So lassen sich Rüstzeiten minimieren, Durchlaufzeiten verkürzen, die Termintreue erhöhen, Personalkosten minimieren oder eine Materialverfügbarkeitsprüfung durchführen. Beim Einsatz einer entsprechenden Lösung kann der Anwender zudem selbst festlegen, welche Faktoren das System berücksichtigen soll und in welchem Maße.
Automated Data Science
Insbesondere bei der Modellbildung macht sich die Leistungsfähigkeit eines KI-Systems bemerkbar. Diese sind in der Lage, die für die Modellbildung verwendeten historischen Daten selbständig aufzubereiten. Dazu zählt im Rahmen der Vorbereitung auf die eigentliche Modellerstellung neben der Datensynchronisation auch die Anomalie-Erkennung - also das automatisierte Erkennen von Ausreißern und deren Bereinigung. Diese Vorgehensweise wird auch als Automated Data Science bezeichnet. Kombiniert man darüber hinaus das methodische Knowhow eines KI-Spezialisten mit der Praxisnähe eines MES-Anbieters, so können schnell einsetzbare Standardprodukte und flexible Lösungen entstehen. Deren Hauptvorteil besteht darin, dass die zur Verfügung stehenden Daten nicht erst aufwendig vorbereitet werden müssen. Damit sind Kosteneinsparungen von bis zu 80 Prozent gegenüber dem heute üblichen Vorgehen möglich.
Schritt in die Zukunft
Die Nutzung von KI in der Fertigung ist ein grundlegender Schritt in die Zukunft und kann Unternehmen den entscheidenden Wettbewerbsvorteil bieten. Im Zusammenspiel mit einer MES-Software lässt sich dieser Vorteil nutzen. Dabei gilt auf dem Weg zur Smart Factory: In erster Linie geht es um die Anwendung, darauf erst folgt die Technologie.
Rüstzeiten minimieren
Im Rahmen der Fertigungsplanung wird auf eine Reihe von Vorgabewerten zurückgegriffen, um eine Grundlage für die Bearbeitungsdauer eines Vorgangs und die Übergangszeiten zwischen zwei Vorgängen eines Auftrags zu haben. Die Rüstzeit ist eine dieser Vorgaben, die bisher meist manuell mit der Stoppuhr gemäß REFA-Verband ermittelt wird. KI kann diese Rüstzeitvorhersage unterstützen. Dazu wird auf Basis historischer Daten aus einem Manufacturing Execution System (MES) ein Modell erstellt, dass Faktoren - wie etwa die Länge der Rüstzeit bezogen auf die Kombinationen aus Artikel, Maschine, Werkzeug - berücksichtigt. Im Rahmen der Modellerstellung können die verwendeten historischen Daten auch auf ihre Eigenschaft als Einflussfaktor untersucht werden. Eine gängige Rüstwechselmatrix kommt dabei schnell an ihre Grenzen, da es einfach zu viele mögliche Kombinationen gibt. Der eigentliche Clou besteht jedoch in der Verwendung des erzeugten Modells und somit in der Vorhersage der Rüstzeit. Wird beispielsweise ein Arbeitsgang auf einer Maschine zu einem bestimmten Zeitpunkt mit einem bestimmten Werkzeug eingeplant, werden diese und gegebenenfalls weitere Daten verwendet, um auf Basis des zuvor erstellten Modells die wahrscheinliche Rüstzeit vorherzusagen. Auch für neue Kombinationen können Rüstzeiten auf Basis von Ähnlichkeitserwägungen abgeschätzt werden. Die KI agiert dabei im Wesentlichen so, wie die manuelle Pflege erfolgen würde. Was die Rüstzeitvorhersage im Vergleich mit der herkömmlichen Methode leisten kann, wurde auf Basis von mehreren realen Produktionsszenarien untersucht. Dabei zeigt sich, dass die KI-basierte Vorhersage den herkömmlichen Vorgabemechanismen deutlich überlegen ist. Aus Analysen geht hervor, dass durch den Einsatz von KI-Systemen rund 20 Prozent neue Kapazitäten in der Produktion frei werden.
MPDV Mikrolab GmbH
Dieser Artikel erschien in IT&Production 1 (Januar Februar) 2020 - 06.02.20.Für weitere Artikel besuchen Sie www.it-production.com
