Gemeinsam mit der TU Dresden wird ein KI-basiertes Verfahren für das Produktionsmanagement entwickelt, welches die dynamischen Randbedingungen des Unternehmens viel umfangreicher als bisher in die Planung einbezieht und entsprechende Prognosen erstellt.
Die Bedeutung der von Fertigungssystemen als zentrale Drehscheibe von Produktionsdaten in der Industrie wächst im Umfeld der zunehmenden Digitalisierung immer stärker.
Die Möglichkeiten, die sich durch jüngste Fortschritte der Datenanalyse im Bereich „Künstliche Intelligenz“ und Machine Learning ergeben, sind im herkömmlichen Produktionsumfeld vieler Unternehmen noch unzureichend eingebettet. Hier setzt das Vorhaben PrognoseMES an.
Die damit verbundenen technischen Ansätze und Einsatzbereiche im Unternehmen sind sehr vielfältig.
Technischer Ansatz und Use Cases (Beispiele)
| Einzelprognose | Vorhersage Produktqualität Wahrscheinlichkeit Ausschuss Qualitätsprognose eines Bauteils |
| Anomaliedetektion | Energiesenken lokalisieren Fehlerlokalisierung Reklamation |
| Assoziierung | Ermittlung von Indikatorindizes Dynamische Infoverteilung |
| Planung | Nutzung Freikapazität Auslastung Mehrmaschinen Unterstützung Planungsmodul |
| Trendprognose | Prognose Termintreue Personalfehlzeiten Bewertung Lagerbestände |
Das zu entwickelnde Software-Addon wird aktuell als Modulbaustein für die Software imaso® maintenance verwendet, entwickelt und praxisnah getestet.
Aktuelle Use Cases des Demonstrators
- Einzelprognose zur Vorhersage der Produktqualität und Wahrscheinlichkeit von Ausschuss am Beispiel eines Automobilzulieferer.
- Planung und Vorhersage (Forecast) von Meldungen und Ereignissen im Rahmen der Instandhaltung.
Zielsetzung des Projektes
Im Managementbereich spielt die Verlässlichkeit der Vorhersage eine große Rolle, auf Maschinenebene sind konkrete Ursache-Wirkung Zusammenhänge interessant. Die Rückführung einer Vorhersage auf die hauptverantwortlichen Eingangsgrößen ist für die Akzeptanz der Lösung maßgeblich und soll aus diesem Grund besondere Beachtung erfahren.
Unser Ziel ist es hierbei, die Einstiegshürden von KI in den verschiedenen Unternehmensbereichen (bspw. Qualität, Planung, oder Instandhaltung) zu minimieren und praxisnah wertvolle Ergebnisse zu liefern.
Dieses Vorhaben wird aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) gefördert.
