Künstliche Intelligenz Intelligente Fertigung mit künstlicher Intelligenz

Die künstliche Intelligenz (KI) wird heute in autonomen LKWs, Chatbots für den Kundendienst und in Drohnenzügen eingesetzt. Und auch in der Fertigungsindustrie lässt sich mit künstlicher Intelligenz die Produktivität steigern.

Anbieter zum Thema

Micro-Epsilon Messtechnik GmbH & Co. KG

compmall GmbH

MicroControl GmbH & Co. KG

Magic Software Enterprises (Deutschland) GmbH

KI-Lösungen liefern wichtige Informationen, die es Herstellern ermöglichen können, schneller und effizienter Produkte in höherer Qualität zu produzieren. Zudem können sie Manager dabei unterstützen, fundierte Geschäftsentscheidungen zu treffen. Es gibt verschiedene Möglichkeiten, mit Hilfe künstlicher Intelligenz Produktionsschritte von der Fertigung bis zur Auslieferung des Endprodukts zu optimieren. Wir zeigen Ihnen fünf Wege auf, wie Produktivität durch den KI-Einsatz gesteigert werden kann:

Optimierte Lieferkette – Die Schritte entlang der Lieferkette lassen sich durch den Einsatz intelligenter Sensoren optimieren. Sie verfolgen die genaue Position der Komponenten, analysieren und lernen maschinell dazu. McKinsey prognostiziert, dass maschinelles Lernen die Fehlerquote bei der Lieferkettenvorhersage um 50 % senken und die Kosten für Transport und Lagerung sowie die Verwaltung der Lieferkette um 5 % bis 10 % beziehungsweise 25 % bis 40 % senken wird.

Künstliche Intelligenz

Wer ist hier der Boss?

BMW hat bereits ein KI-System implementiert, das ein Bauteil vom ersten Fertigungsschritt bis zum Fahrzeugverkauf für 31 Montagewerke in 15 Ländern nachverfolgt. Dieses System stellt sicher, dass alle Teile zur richtigen Zeit am richtigen Ort ankommen und möglichst wenig Ressourcen verbraucht werden.

Bessere Bestandskontrolle – KI und maschinelles Lernen können den Bedarf prognostizieren, indem sie Hunderte von Modellen und Möglichkeiten testen und gleichzeitig ihre Kalkulationen für die Einführung neuer Lieferanten, Produkte und Materialien anpassen. Durch genauere Nachfrageprognosen lassen sich Überproduktionen und die Kosten für Überbestände in den Lagerregalen vermeiden. Ein Überschuss an Rohstoffen oder Fertigerzeugnissen bindet Liquidität, die an anderer Stelle nutzbringender einzusetzen ist. Unzureichende Bestände oder Lieferengpässe sind ebenso schädlich. Sie verursachen Produktverzögerungen, die sich negativ auf die Kundenzufriedenheit auswirken und die Unternehmenseigenschaft Zuverlässigkeit in der Wahrnehmung schwächen.

Predictive Maintenance – Es gibt einen großen Anreiz, in Lösungen für Predictive Maintenance zu investieren, da sie einen hohen Return on Investment (ROI) und eine schnelle Deckung der aufgewendeten Anschaffungskosten bieten. Durch den Einsatz von Sensoren zur Überwachung der Betriebsbedingungen werden Techniker im Vorfeld über mögliche Geräteprobleme informiert. Die Wartung der Maschinen erfolgt abhängig vom tatsächlichen Abnutzungsgrad und nicht aufgrund geplanter Wartungseinsätze oder allgemeiner Herstellerempfehlungen. Werden Predictive Maintenance Systeme mit ERP-Systemen vernetzt, können Maschinen sogar ihre eigene Leistung auswerten, selbst Ersatzteile bestellen und bei Bedarf einen Außendiensttechniker beauftragen.

Künstliche Intelligenz

Die Mehrheit denkt bei Künstliche Intelligenz an Alexa, Siri und Co.

Siemens hat bei älteren Motoren und Getrieben von Windkraftanlagen und anderen Geräten intelligente Boxen mit Sensoren und einer Kommunikationsschnittstelle installiert, um den Zustand einer Maschine zu beurteilen. Unregelmäßigkeiten werden zeitnah erkannt und der Einsatz eines Wartungseinsatzes festgestellt. Die Deutsche Bahn implementierte eine ähnliche Predictive Maintenance Lösung, um den Zustand der Motoren von Hochgeschwindigkeitszügen zu überwachen.

Kunden sind bereit, mehr für personalisierte Produkte zu zahlen

Kundenspezifische Fertigung – Die voranschreitende Entwicklung bei KI und Software Intelligenz ermöglicht Unternehmen, Produkte und Dienstleistungen zu entwickeln, die hochgradig personalisiert sind. Ein Fünftel der Verbraucher gaben bei einer Untersuchung von Deloitte an, dass sie bereit sind, für personalisierte Produkte und Dienstleistungen einen Aufschlag von 20 % zu bezahlen. Eine stärkere Personalisierung führt zu mehr Vertrauen und einer höheren Markenbindung. Daimler nutzt beispielsweise Echtzeitdaten von Bauteilen und deren Verfügbarkeit, um effizient auf Fahrzeugänderungen zu reagieren und diese anzupassen. Der Automobilhersteller stellt sogar eine App bereit, mit der Kunden den Fortschritt „ihrer“ Fahrzeugmontage verfolgen können (Joyful Anticipation).

Autonome Optimierung – KI-Systeme überwachen verbrauchte Mengen, Zykluszeiten, Temperaturen, Durchlaufzeiten, Fehler und Ausfallzeiten, um die Produktionsabläufe kontinuierlich zu optimieren. KI kann es uns ermöglichen, Daten in einer herstellerunabhängigen Umgebung, in der alle Maschinen dieselbe Sprache sprechen, in verwertbare Informationen umzuwandeln. Die Produktionseffizienz von Maschine zu Maschine in der Fertigung erhöht sich. Siemens rüstet bereits Geräte mit KI-Fähigkeiten aus, um die Zuverlässigkeit von Stromnetzen zu verbessern, Störungen im Netz zu klassifizieren und zu lokalisieren und die notwendigen Berechnungen aus der Ferne durchzuführen, damit sich elektrische Systeme selbst wiederherstellen.

5 Experten zum Thema Künstliche Intelligenz

Nachgefragt: Wo bleibt die Intelligenz in der Industrie?

Ja, es gibt auch Widerstand gegen die Implementierung von KI-Systemen. Viele Unternehmen zögern, umfangreiche Produktions- und Prozessdaten auszutauschen, da diese streng vertraulich sind. Andere haben Bedenken hinsichtlich der Datensicherheit und fehlender Standards. Mitarbeiter befürchten, dass sie durch Maschinen ersetzt werden oder verweigern eine Zusammenarbeit mit KI-Systemen.

Es besteht zudem die Herausforderung, Daten zwischen verschiedenen Gerätetypen und Backoffice-Systemen mit hoher Zuverlässigkeit und geringer Latenz zu integrieren. Das ist wichtig, damit die Systeme von Echtzeit-Erkenntnissen profitieren. Eine Datenmanagement-Plattform bietet Skalierbarkeit mit den erforderlichen Funktionen zum Erheben, Integrieren, Verarbeiten und Austauschen großer Datenmengen mit einem hohen Maß an Leistung und Sicherheit.

Trotz aller Bedenken kann KI ganzheitlich betrachtet den Weg für Effizienzsteigerungen in der gesamten Fertigungsorganisation ebnen. Technologie, Mitarbeiter und Prozesse werden sich im Laufe der Zeit anpassen. Maschinelles Lernen kann dann zu einem unverzichtbaren Bestandteil in Fertigungsunternehmen werden und Produktqualität und Kundenservice verbessern.

Dieser Beitrag erschien zuerst auf unserem Partnerportal Maschinenmarkt.de.

* Stephan Romeder ist Geschäftsführer bei Magic Software Enterprises (Deutschland) GmbH in 85737 Ismaning, Tel. (0 89) 96 27 30, infogermany@magicsoftware.com, www.magicsoftware.com/de

(ID:45400479)