Verbesserung Ihres Fertigungsprozesses durch KI mit minimalen Investitionen

Einführung

‍

Die Welt bewegt sich rasant auf Industrie 4.0 oder die vierte industrielle Revolution zu, bei der künstliche Intelligenz (KI) und auf maschinellem Lernen basierende Systeme nicht nur die Art und Weise verändern, wie wir mit Informationen interagieren, sondern auch den Fertigungssektor revolutionieren. Die Industrie 4.0 vollzieht sich in einem rasanten Tempo, was es den Herstellern schwer macht, ihre Prozesse zu ändern und mit der technologischen Entwicklung Schritt zu halten. Viele Menschen denken, dass KI die Zukunft ist, aber die Wahrheit ist, dass KI schon jetzt stattfindet!‍In diesem Blogpost zeigen wir Ihnen, wie Sie KI in Ihrer Fertigungsanlage mit minimalen Investitionen einsetzen können. Zunächst werden einige wichtige Probleme in der Branche angesprochen, danach werden Leitlinien für die Auswahl eines erfolgreichen KI-Projekts gegeben. Schließlich werden auf der Grundlage dieser Leitlinien einige Anwendungsbeispiele vorgestellt.

‍

‍

‍

Warum ist die KI nicht vollständig in die Fertigungssysteme integriert?

‍

Historisch gesehen ist die Fertigungsindustrie eine sehr konservative Branche. Historische Trends zeigen, dass sich die Hersteller vor allem auf die Steigerung von Präzision, Flexibilität, Komplexität und Geschwindigkeit konzentrieren und gleichzeitig versuchen, Kosten und Ressourcenverbrauch zu senken. Wenn von Industrie 4.0 die Rede ist, denken viele Menschen an die Fabrik der Zukunft, in der alles vernetzt, orchestriert und selbstlernend ist.

Die Wahrheit ist, dass die meisten bestehenden Hersteller nicht über die nötige Infrastruktur verfügen, um dies zu ermöglichen. Daher fürchten sich die meisten Unternehmen vor hohen Investitionen und der Neugestaltung von Prozessen. Der Wunsch nach Innovation ist vorhanden, aber es bestehen Risiken, ähnlich wie bei anderen Aspekten der Wirtschaft.

Laut einem Bericht von Oxford Economics/SAP investieren 34 % der Führungskräfte in der Fertigungsindustrie in KI, um ihre Belegschaft zu verstärken, die Produktivität zu verbessern, die Effizienz zu maximieren und ein datengestütztes Entscheidungsmanagement zu schaffen.

Wie können wir das Problem angehen, das wir auf einem eher traditionellen Markt haben?

‍

Obwohl jedes Unternehmen einzigartig ist und es keinen einheitlichen Weg gibt, um die KI-Transformation voranzutreiben, gibt es einige Richtlinien, damit KI einen Beitrag zu Ihren Fertigungsprozessen leisten kann. Die Fertigungswelt kann viel von anderen Branchen lernen, in denen KI erfolgreich eingesetzt wird. Es mag seltsam erscheinen, aber Suchmaschinen, Preisvorhersagen im E-Commerce, KI, die Spieler in einem Spiel besiegt, oder die Software autonomer Autos sind mit den meisten Fertigungsprozessen sehr eng verwandt. Obwohl die Anwendung völlig unterschiedlich ist, ist das mathematische Problem, das gelöst werden muss, sehr ähnlich. So können wir Algorithmen nutzen, die in anderen Sektoren verwendet werden, und sie auf den Fertigungsprozess anwenden.

‍

_{Wie künstliche Intelligenz in verschiedenen Branchen von ML6 eingesetzt wurde:}

‍

‍

‍

Wo können Sie KI mit minimalen Vorabinvestitionen einsetzen und gleichzeitig schnelle Ergebnisse erzielen?

‍

Regel 1: Suchen Sie nach einem etablierten Prozess, der sich in hohem Maße wiederholt

Esist wahrscheinlich, dass Ihr Unternehmen seit vielen Jahren Daten speichert und Sie diese Protokolle nutzen können, um eine große Menge an Daten zu erhalten, ohne die Prozesse neu zu gestalten.

‍

Regel 2: Finden Sie einen Prozess mit messbarem Ergebnis

Sie können einen KI-Algorithmus leichter trainieren, wenn Sie wissen, was Sie optimieren wollen, und wenn Sie das gewünschte Ergebnis gemessen haben. Die meisten KI-Techniken erfordern einen markierten Datensatz, was bedeutet, dass Sie neben den Eingabedaten auch die Ausgabe kennen müssen.

‍

Regel 3: Suchen Sie nach Unsicherheit in Prozessen  

Ungewissheit bedeutet Raum für Verbesserungen. Unsicherheit in der Fertigung kann verschiedene Gründe haben, u.a.:
‍

• Prozessschwankungen.
  Das Verhalten von Prozessen lässt sich nicht immer vorhersagen, so dass die meisten Herstellungsverfahren Sicherheitsfaktoren erfordern, um dies auszugleichen. Dies führt dazu, dass mehr Material verwendet wird und die Effizienz sinkt.
• Optimierung der Parameter.
  Komplexe Prozesse werden von Menschen nicht immer gut verstanden, weil es zu viele Parameter gibt, die eingestellt werden müssen. Daher ist es wahrscheinlich, dass ein Prozess suboptimal abläuft. Wenn Sie ein System entwerfen können, das Ihren Output vorhersagen kann, wissen Sie genau, wie viele Ressourcen benötigt werden, und können jedes Mal eine perfekte Wahl für die Maschineneinstellungen treffen.
• Stillstand eines mehrstufigen Fertigungsprozesses, der Sicherheitsbestände und Lagerbestände erforderlich macht.

‍

‍

Wo können wir diese Techniken anwenden?

‍

Es gibt zahlreiche Anwendungen, bei denen KI in der Fertigungsindustrie eingesetzt werden kann, z. B. Qualitätskontrolle, vorausschauende Wartung, Vorhersage des Lebensendes, Lieferketten- und Nachfrageoptimierung, Bestandsoptimierung und Energiereduzierung.

Lassen Sie uns die drei Faustregeln anhand von zwei Anwendungsfällen demonstrieren.

‍

Anwendungsfall 1: Reduzierung von Abfall und Verbesserung der Materialqualität bei Mischprozessen

‍

Einer der ersten Schritte in der Stahl-, Lebensmittel-, Pharma- oder Gummiindustrie besteht darin, bestimmte Zutaten zu mischen, um ein Endprodukt mit den richtigen Materialeigenschaften zu erhalten (ähnliche Problemstellung wie in unserem vorherigen Blogbeitrag hier). Diese Eigenschaften hängen stark von der Qualität des Ausgangsmaterials, den Parametereinstellungen und Prozessvariationen, der Mischung der Komponenten usw. ab. Dies ist ein typischer Prozess, bei dem es eine Menge interner und externer Unsicherheiten gibt, die die endgültigen Materialeigenschaften beeinflussen können. Die Komplexität des Prozesses führt zu einer suboptimalen Lösung und der Hersteller führt Sicherheitsfaktoren ein, um ein stabiles Produkt zu gewährleisten. In den meisten Fällen handelt es sich um einen gut etablierten, sich wiederholenden Prozess, der durch Sensoren für Temperatur, Druck, Geschwindigkeit usw. überwacht wird. Daher ist es wahrscheinlich, dass eine Menge strukturierter Daten verfügbar sind. Schließlich wird die Materialqualität durch Inline-Sensoren, Labortests und/oder visuelle Inspektionen gemessen. Es ist wichtig, und wird oft vergessen, dass auch die Qualität des Eingangsmaterials gemessen und gut dokumentiert wird, da diese wahrscheinlich eine hohe Korrelation mit der Qualität des Ausgangsmaterials aufweist.

KI kann direkt angewendet werden, um z. B. die Materialeigenschaften mithilfe von Regressionsmodellen oder visuelle Defekte mithilfe von Deep-Learning-Algorithmen vorherzusagen, ohne dass Investitionen oder Prozessumgestaltungen erforderlich sind. Außerdem kann KI dem Bediener Empfehlungen geben, wie er die Einstellungen der Maschine ändern kann. Darüber hinaus kann KI dem Konstrukteur einer F&E-Abteilung mehr Einblick in den Prozess geben und eine höhere Qualität der Materialien ermöglichen. Die Verwendung von IoT-Echtzeitdaten in Kombination mit selbstlernenden Algorithmen führt zur Vorhersage von Parametern für eine optimale Produktion bei gleichzeitiger Einhaltung der Qualitätsanforderungen und Reduzierung von Ressourcen und Emissionen.

‍

Anwendungsfall 2: Ermittlung der optimalen Einstellungen für einen Fertigungsprozess

‍

Unzählige Parameter in einem Fertigungsprozess können abgebildet und optimiert werden. Dies manuell zu tun, ist eine mühsame Arbeit und aufgrund der vielen Möglichkeiten und unterschiedlichen Bedingungen im Grunde unmöglich. Diese Unwägbarkeiten machen die Vorhersage des gewünschten Ergebnisses zu einer schwierigen Aufgabe. In den meisten Fällen werden diese Prozesse durch Sensoren gut überwacht und die gewünschten Ergebnisse gemessen. Anwendungsbeispiele sind die Verbesserung des Antriebsstrangs eines Elektrofahrrads und die Senkung des Energieverbrauchs in einem Rechenzentrum.

‍

Um hohe Investitionen zu vermeiden, empfiehlt es sich, zunächst mit der Vorhersage der Leistung zu beginnen, z. B. Batterielebensdauer, Energieverbrauch. Als Nächstes können Sie eine so genannte Empfehlungsmaschine erstellen, die Empfehlungen für Prozessparameter ausspricht. Schließlich können Sie einen vollständig autonomen Parameteroptimierer implementieren, der es einem selbstlernenden System ermöglicht, unter allen Umständen die optimale Lösung zu finden.

‍

Schlussbemerkungen und nächste Schritte

‍

KI kann einen wesentlichen Beitrag zur Fertigung leisten, indem sie zu schnellerem Handeln und schnellerer Entscheidungsfindung, innovativen Produkt-, Dienstleistungs- und Materialdesigns, verbesserter Effizienz, höherer Präzision und niedrigeren Kosten führt. Es ist Zeit für einen Wandel. Sie können KI nutzen, ohne dass hohe Investitionen oder umfangreiche Prozessumgestaltungen erforderlich sind. Sie müssen nur nach den richtigen Möglichkeiten suchen, um produktiver und nachhaltiger zu werden. Es ist an der Zeit, Ihr Unternehmen auf die nächste Stufe zu heben, es ist Zeit für KI!