In Produktionsumgebungen werden so riesige Datenmengen generiert, dass sie nicht von einer Person allein interpretiert werden können“, sagt Cronje. „Daher sollte man menschliche Expertise durch künstliche Intelligenz (KI) erhöhen – nicht nur zu Analysezwecken, sondern um präventive Korrekturmaßnahmen einzuleiten.“
KI-Lösungen wie Omni von Dataprophet sammeln in komplexen Produktionsumgebungen Verlaufsdaten zu Produktion und Qualität aus verschiedenen Quellen und bereiten diese Daten dann in Echtzeit auf, um potenziellen Qualitätsproblemen vorzugreifen – sogar bei nachgelagerten Prozessen. Cronje: „Hier bieten KI-Algorithmen die Möglichkeit, Kaskadeneffekte zu analysieren und erfolgreich Vorhersagen zu treffen.“
Bei herkömmlichen Methoden erfolgt die Feinabstimmung von Produktionsparametern bisher nur auf Zell- oder Maschinenebene, also praktisch unabhängig von vor- oder nachgelagerten Variablen. „Durch KI dagegen erhält man durch die gleichzeitige Nutzung von Daten aus verschiedenen Quellen einer Produktionsanlage ein umfassendes Bild, aufgrund dessen anschließend die richtigen Produktionsparameter eingestellt werden können.“
Das zeigt auch das Beispiel einer großen Gießerei, die Motorblöcke für Daimler herstellt. Das Werk kämpfte mit erheblichen Problemen aufgrund von hohen Ausschuss- und Nacharbeitsquoten. Gelöst wurde das Problem, indem 15 Monate lang Produktionsdaten unterschiedlicher Formate (von Excel-Dateien bis zu Access-Datenbankdaten) gesammelt wurden.
Anschließend ermittelte man mit einem Prognosemodell die optimalen Betriebsparameter und identifizierte Motorblöcke, an denen Defekte auftreten würden. So wurde die Ausschussquote im ersten Betriebsmonat um 50 % verringert und die externe Ausschussquote innerhalb der ersten drei Monate auf 0 % reduziert. Letztlich wurden insgesamt 1 Million Dollar jährlich eingespart. Cronje: „Nach dem Einsatz von Omni wurde zum ersten Mal in der Geschichte des Unternehmens kein einziges defektes Gussstück mehr produziert.“
Dataprophet
Bild: MPDV Mikrolab GmbHPredictive Quality sagt Qualität voraus
Mit der Softwarefunktion Predictive Quality kann der MES-Softwareanbieter MPDV die Qualität eines produzierten Artikels bereits auf Basis von Prozessdaten vorhersagen. Der Weg zu Predictive Quality:
1. Prozessdaten erfassen und mit Qualitätsdaten korrelieren;
2. Vorhersagemodelle entwickeln und
3. Modell ausführen und auf Basis von Echtzeitdaten Qualität vorhersagen. Neben der eigentlichen Qualität gibt Predictive Quality auch einen Wahrscheinlichkeitswert aus, der über die jeweilige Vorhersagequalität informiert.
MPDV Mikrolab GmbH
Mehr zum Thema Industrie 4.0
