KI in der Industrie

Das Konzept der „intelligenten Fabrik“ stammt aus der 4. industriellen Revolution, auch bekannt als Industrie 4.0. Der Schwerpunkt liegt dabei auf der Integration fortschrittlicher Technologien wie künstliche Intelligenz, IoT und Automatisierung in Fertigungsprozesse.

Inspiriert von den Veränderungen, die die Ökosysteme in den digitalen Medien, den Finanzdienstleistungen oder der Telekommunikation neu definiert haben, haben sich viele Experten ausgemalt, wie sich die zunehmende Volatilität, Ungewissheit, Komplexität und Mehrdeutigkeit (oft als „VUCA“ bezeichnet) auf die Welt der globalen Produktion und Logistik auswirken wird und wie die Technologie eingesetzt werden kann, um sie radikal umzugestalten.

VUCA wirkt sich in mehrfacher Hinsicht auf die globale Produktion und Logistik aus:

1. Volatilität der Lieferkette: VUCA kann zu unvorhersehbaren Nachfrage- und Angebotsverschiebungen führen, die die Hersteller vor Herausforderungen bei der Rohstoffbeschaffung und Produktionsplanung stellen.
2. Ungewissheit im Transportwesen: Änderungen von Vorschriften, geopolitische Spannungen und Naturkatastrophen können zu Unsicherheiten in der Logistik des weltweiten Warentransports führen.
3. Komplexer grenzüberschreitender Handel: Die zunehmende Komplexität des grenzüberschreitenden Handels mit seinen zahlreichen Vorschriften, Zollverfahren und Dokumentationsanforderungen kann die globale Logistik vor größere Herausforderungen stellen.
4. Mehrdeutige Markttrends: VUCA kann zu schnell wechselnden Kundenpräferenzen und Markttrends führen, was es Herstellern und Logistikanbietern erschwert, die Nachfrage vorherzusehen und entsprechend zu planen.

Um die Auswirkungen von VUCA abzumildern, investieren Unternehmen in der Fertigungs- und Logistikbranche in Technologien wie künstliche Intelligenz, IoT und Blockchain, um die Transparenz und Flexibilität ihrer Abläufe zu erhöhen. Sie erforschen auch neue Geschäftsmodelle und Partnerschaften, um ihre Widerstandsfähigkeit angesichts von Unsicherheit und Unvorhersehbarkeit zu erhöhen.

Bei der intelligenten Fabrik geht es nicht um Technologie, sondern um den geschäftlichen Nutzen. Das Ziel einer intelligenten Fabrik ist es, ein hohes Maß an Effizienz, Flexibilität und Individualisierung in der Produktion zu erreichen und gleichzeitig Verschwendung und Fehler in der „VUCA-Welt“ zu minimieren. Die Bedeutung der intelligenten Fabrik liegt in ihrer Fähigkeit, die Wettbewerbsfähigkeit der Unternehmen zu verbessern, indem sie die Kosten senkt, die Produktionsgeschwindigkeit erhöht und die Qualität der Produkte verbessert. Darüber hinaus können intelligente Fabriken zu neuen Geschäftsmodellen führen, wie z. B. Service und Massenanpassung, was Innovation und Wachstum in der Fertigungsindustrie weiter vorantreiben kann.

Herausforderungen der intelligenten Fertigung

Die Einführung einer intelligenten Fabrik steht vor vielen Herausforderungen. Die Herausforderung der technischen Komplexität ist vielleicht am einfachsten zu bewältigen, auch wenn sie alles andere als einfach ist: Die Integration von fortschrittlichen Technologien wie KI, IoT und Automatisierung in eine Fabrikumgebung kann komplex sein und erfordert spezielles Fachwissen. Auch rein technische Probleme, die durch die Technik entstehen, können durch sie gelöst werden. Die vielleicht wichtigsten Lösungen kommen in Form von Plattformen.

In der Automobilindustrie können verschiedene Fahrzeuge entworfen und gebaut werden, wobei für eine Reihe von äußerlich unterschiedlichen Modellen und sogar Fahrzeugtypen dieselben gemeinsamen Design-, Konstruktions- und Produktionsverfahren sowie Hauptkomponenten verwendet werden. In ähnlicher Weise können standardisierte digitale Plattformen genutzt werden, um eine Vielzahl von digitalen Diensten von einer Vielzahl von Anbietern für eine Vielzahl von Endgeräten bereitzustellen.

Das Konzept der Plattformen kann (und muss) in der Welt der Fertigung in Form von Industrial-IoT-Plattformen oder Shopfloor-Operations-Plattformen implementiert werden, die die intelligenten Geräte mit Prozessen verbinden und sie in Master-Fabrikplanungs- und Prozessmanagementsysteme wie MES, WMS oder ERP integrieren. In vielen Branchen haben sich Plattformen als Lösung für das Problem der Integration von Altsystemen durchgesetzt: Altsysteme werden in digitale „Adapter“ gehüllt, die in Form von standardisierten Diensten, die in die Plattformen eingesteckt werden, Zugang zu Altfunktionen und Daten bieten.

Moderne digitale Plattformen können in den meisten Fällen als Dienste in einer globalen Cloud-Infrastruktur bereitgestellt werden. Diese Möglichkeit ist zwar ein bedeutender Wandel, wird aber von den Akteuren der verarbeitenden Industrie eher widerwillig in Betracht gezogen. Insbesondere der Bereich OT (Operational Technology) ist oft auf Punktlösungen und Punktintegration ausgerichtet. Hier stößt die Chance zur Transformation auf die Mauer des „Legacy-Denkens“, das ein großes kulturelles Hindernis für die digitale Transformation darstellt.

Was wohl noch wichtiger ist, ist die Datenintegration und -verwaltung. Die intelligente Fabrik ist ein datengesteuertes Ökosystem aus Mensch und Technik. Das Sammeln und Integrieren großer Datenmengen aus verschiedenen Quellen kann eine technische Herausforderung sein und erfordert eine robuste Datenverwaltungsinfrastruktur sowie Fachkenntnisse (z. B. von Datenwissenschaftlern). Darüber hinaus ist ein solider Management- und Governance-Ansatz erforderlich, um die Zuständigkeiten und Rollen des Unternehmens klar zuzuweisen, z. B. in Bezug auf Dateneigentum und -verwaltung. Während diese Herausforderung durch die Lean-Management-Gemeinschaft und -Prozesse auf natürliche Weise unterstützt wird, zumindest was die Fertigungs- und Logistikprozesse betrifft, ist es wiederum der Bereich der Kultur und des Managementstils (z. B. eine evidenzbasierte Managementkultur), der fast den gesamten Unterschied bei der Nutzung von Big Data ausmacht.

Ein weiteres komplexes Problem ist die Cybersicherheit: Da intelligente Fabriken in hohem Maße auf vernetzte Systeme angewiesen sind, sind sie anfällig für Cyber-Bedrohungen wie Hackerangriffe und Malware, was strenge Cybersicherheitsmaßnahmen zum Schutz vor diesen Risiken erfordert. Obwohl dieses Problem nur mit der Technologie zusammenzuhängen scheint, kann es nicht wirksam gelöst werden, ohne sich mit der Unternehmenskultur, der Technologieverwaltung und sogar der grundlegenden menschlichen Psychologie zu befassen.

Natürlich gibt es noch viele andere Herausforderungen. Die Einführung einer intelligenten Fabrik erfordert oft einen bedeutenden kulturellen Wandel innerhalb eines Unternehmens, da sich die Art und Weise, wie gearbeitet wird, ändert und die Rolle der menschlichen Arbeitskräfte in einigen Bereichen reduziert werden kann. Die fortgeschrittene Automatisierung erfordert häufig, dass sich die Arbeitnehmer neue Fähigkeiten aneignen, was für Unternehmen mit einer großen und vielfältigen Belegschaft eine Herausforderung darstellen kann.

Schließlich erfordert die Implementierung einer intelligenten Fabrik erhebliche Investitionen in neue Technologien, Infrastrukturen und Prozesse, was für einige Unternehmen eine Herausforderung darstellen kann. Um eine positive

Trotz dieser Herausforderungen sind die potenziellen Vorteile einer intelligenten Fabrik, wie z. B. höhere Effizienz, aussagekräftige Erkenntnisse und fundiertere Entscheidungen, geringere Kosten und bessere Produktqualität, für viele Hersteller eine lohnende Investition. Laut IDC haben mehr als 80 % der Befragten der World CEO-Umfrage von 2022 die Schwelle zur Einführung eines „Digital First“-Programms bereits überschritten, und mehr als die Hälfte der Befragten führt bereits ein solches Programm durch, wobei 27 % ihre Prioritäten für die digitale Transformation lange vor der Pandemie festgelegt haben.

„Triple A“ für intelligente Fertigung

Die Umwandlung einer Produktionsanlage in eine intelligente Fabrik ist ein komplexes Thema. Komplexe Probleme lassen sich vereinfachen, indem man sie in kleinere, überschaubare Komponenten zerlegt oder sie aus einer anderen Perspektive betrachtet. Eine einfache Lösung für ein komplexes Problem zu finden, erfordert jedoch ein tiefes Verständnis des Problems und die Fähigkeit, kreativ zu denken und Abkürzungen in Form von Heuristiken anzuwenden.

Wir möchten den Lesern ein solches „Denkwerkzeug“ in Form der „Triple A“-Heuristiken für die intelligente Fertigung anbieten. Diese Heuristik vereint einen Ausgangspunkt, ein transformatives Geschäftskonzept und eine Technologie, die Sie bei der Planung Ihrer digitalen Reise unterstützen kann.

Das dreifache A steht für fortschrittliche Robotik (Startpunkt), autonome Operationen (Geschäftskonzept) und künstliche Intelligenz (Basistechnologie). Wir wollen sehen, wie sie funktionieren:

„A“ für fortgeschrittene Robotik

Von Robotern „alter Schule“ zu intelligenten Maschinen

Fortgeschrittene Robotik bezieht sich auf den Einsatz fortschrittlicher Technologien und Techniken für den Entwurf, die Entwicklung und die Steuerung von Robotern für verschiedene Anwendungen. Roboter sind in der Fertigungsindustrie schon seit Jahrzehnten präsent. Der Erfindungsreichtum der Roboteringenieure ermöglichte es, mühsame Arbeiten wie Lackieren, Schweißen, die Herstellung elektronischer Bauteile oder die Lebensmittelverarbeitung zu automatisieren. Der Schwerpunkt dieser Welle der Automatisierung von Produktionsprozessen lag jedoch auf der Massenproduktion.

Bei den Robotern der „alten Schule“ handelt es sich um programmierbare Geräte, die für bestimmte Aufgaben im Produktionsprozess optimiert sind. Intelligente Maschinen, die den Übergang zur fortgeschrittenen Robotik markieren, können sich an unterschiedliche Prozessanforderungen und Produkteigenschaften anpassen und mit Menschen und Maschinen gleichermaßen koexistieren und zusammenarbeiten.

Dazu gehört die Integration von künstlicher Intelligenz, maschinellem Lernen, Computer Vision und anderen fortschrittlichen Sensoren und Aktuatoren in Roboter, was deren Fähigkeit zur Ausführung komplexer Aufgaben und zur Interaktion mit ihrer Umgebung verbessert. Advanced Robotics wird in einer Vielzahl von Branchen eingesetzt, z. B. in der Fertigung, im Gesundheitswesen, in der Logistik und in anderen Bereichen, um die Effizienz, Genauigkeit und Sicherheit zu verbessern und die Kosten zu senken. Die Entwicklung fortschrittlicher Robotertechnik wird durch den Bedarf an Automatisierung in verschiedenen Industriezweigen sowie durch die steigende Nachfrage nach flexiblen und intelligenten Systemen vorangetrieben, die sich an wechselnde Umgebungen anpassen und mehrere Aufgaben erfüllen können.

Legen der Grundlagen

Die auf Roboterlösungen basierenden Anlagen – wie Montagelinien oder Materialtransportlösungen – haben ihren natürlichen Lebenszyklus. Bei der Planung von Nachrüstungen, Modernisierungen oder dem Ersatz dieser Anlagen sollten Sie anders denken – statt Spezialisierung und punktueller Integration sollten Sie auf Flexibilität, offene Architektur und Plattformen setzen.

In vielen Fällen liegt eine große Chance in der Intralogistik. Sie ist in der Regel schlecht automatisiert, die Auslastung der Anlagen ist schlecht und unkontrolliert, einfache Automatisierungslösungen sind oft starr und teuer in Bezug auf das Änderungsmanagement. Wenn Sie diese Symptome feststellen, sollten Sie damit beginnen, Geräte und Plattformen für autonome Transportsysteme zu untersuchen. Der Materialtransport ist letztlich der Blutkreislauf der Produktionsanlagen. Branchenanalysten wie IDC weisen darauf hin, dass die Intralogistik der Dreh- und Angelpunkt für Ihre digitale Revolution sein kann.

„A“ für autonome Operationen

Betrieb mit Autopilot

Wenn Maschinen immer intelligenter werden, brauchen sie auch viel weniger Aufmerksamkeit vom Menschen. Zumindest kann sich der Schwerpunkt der menschlichen Intelligenz von der Mikromanagementfunktion der Maschinen auf die Steuerung der Systeme verlagern. Da die Autos immer intelligenter werden, müssen die Fahrer das Auto nicht mehr in ihrer Garage überprüfen und einstellen, um eine optimale Leistung zu erzielen, die Gänge manuell schalten oder die Straßen der Stadt genau kennen, um von A nach B zu kommen.

Die Fahrer müssen sich für einen bestimmten Fahrstil entscheiden – z. B. Sport, Eco, Autopilot – damit das Auto sein Innenleben an die Leistungserwartungen des Fahrers anpassen kann. und folgen Sie den Hinweisen der Computer Vision Navigation, während Sie sich für eine schnellere oder wirtschaftlichere Route entscheiden. Diese Verlagerung wird sich dramatisch verstärken, wenn das autonome Auto endlich auf die Straße kommt und seinen Fahrgästen die Möglichkeit gibt, die Fahrtzeit produktiver oder angenehmer zu nutzen (es sei denn, der Fahrgast genießt es, Auto zu fahren).

Ähnlich verhält es sich in der Welt der Produktion und Logistik. Bei herkömmlichen automatisierten Verfahren werden Maschinen, Roboter und Computersysteme eingesetzt, um sich wiederholende Aufgaben mit einem hohen Maß an Präzision und Geschwindigkeit auszuführen. In diesem Fall sind die Maschinen so programmiert, dass sie bestimmte Aufgaben ausführen und von einem zentralen System gesteuert werden, aber dennoch muss der Mensch eingreifen, um Parameter anzupassen, Entscheidungen zu treffen und Wartungsarbeiten durchzuführen.

Von der Geräteverwaltung bis zur Betriebsverwaltung

Autonomer Betrieb hingegen bedeutet einen höheren Automatisierungsgrad, bei dem die Maschinen in der Lage sind, Aufgaben selbstständig und ohne menschliches Eingreifen auszuführen. Diese Systeme sind mit fortschrittlichen Sensoren, Algorithmen für maschinelles Lernen und Entscheidungsfindungsfunktionen ausgestattet, die es ihnen ermöglichen, sich an Veränderungen in ihrer Umgebung anzupassen und auf der Grundlage von Daten Entscheidungen in Echtzeit zu treffen.

Zusammenfassend lässt sich sagen, dass automatisierte Vorgänge ein hohes Maß an Vorprogrammierung und menschlichem Eingreifen erfordern, während autonome Vorgänge in der Lage sind, Aufgaben selbständig und ohne menschliches Eingreifen auszuführen.

Auch hier gilt: Die Intralogistik kann als Grundlage für Ihren autonomen Betrieb gesehen werden. Die autonome Intralogistikplattform kann Aufträge direkt vom WMS- oder ERP-System entgegennehmen und bietet aussagekräftige Einblicke in die Prozessleistung und die Gerätenutzung, da die Roboter Daten sammeln können, während sie sich in der Produktionshalle bewegen.

„A“ für Künstliche Intelligenz

Industrielle AI-Anwendungsfälle

Industrielle KI-Anwendungen umfassen sowohl den Betrieb als auch das Management. Es gibt viele Beispiele für Anwendungen künstlicher Intelligenz in der Fertigung. Lassen Sie uns einige davon vorstellen.

1. Autonome Fahrzeuge für den Materialtransport – autonome mobile Roboter und Gabelstapler nutzen maschinelles Sehen und Bilderkennung, um sich in der dynamischen Umgebung moderner Fabriken frei zu bewegen und Materialtransportaufgaben in Zusammenarbeit mit Fabrikgeräten und -systemen zu erledigen. Solche Systeme verwenden oft verschiedene
2. Virtuelle Realität und digitale Simulationen physischer Anlagen (digitale Zwillinge) nutzen Modelle des maschinellen Lernens und fortschrittliche Leistungsanalysen, um vorausschauende Wartungsmöglichkeiten zu bieten: Algorithmen der künstlichen Intelligenz und KI-Systeme analysieren Sensordaten, um vorherzusagen, wann Geräte wahrscheinlich ausfallen werden, und ermöglichen es den Herstellern, Wartungsarbeiten zu planen, bevor es zu Ausfällen kommt.
3. Qualitätskontrolle: Systeme mit künstlicher Intelligenz nutzen Bildverarbeitung und maschinelles Lernen, um Defekte und Abweichungen von Qualitätsstandards in Echtzeit zu erkennen und so die Produktqualität zu verbessern und Abfall zu reduzieren.
4. Produktionsplanung und -optimierung: Algorithmen der künstlichen Intelligenz werden eingesetzt, um Produktionspläne zu optimieren, Ausfallzeiten zu reduzieren, die Auslastung der Anlagen an den Montagelinien zu maximieren und Abfall zu minimieren.
5. Lagerbestandsverwaltung: KI-Systeme analysieren Daten über Verkäufe, Produktion und Lagerbestände von Komponenten und Rohstoffen, um die Lagerbestände zu optimieren und das Risiko von Überbeständen und Fehlbeständen zu verringern.
6. Erweiterte Realität (AR): KI-gestützte AR-Systeme unterstützen die Mitarbeiter bei Wartungs-, Reparatur- und Montageaufgaben, verbessern die Effizienz und reduzieren Fehler.

Prozessoptimierung und -erprobung

Dies sind nur einige Beispiele dafür, wie Künstliche Intelligenz in der Fertigung eingesetzt wird, um die Effizienz zu steigern, Kosten zu senken und die Produktqualität zu verbessern. Da sich die Technologien der künstlichen Intelligenz ständig weiterentwickeln, können wir in Zukunft mit noch mehr innovativen Anwendungen rechnen.

Eine dieser Anwendungen ist die Nutzung fortschrittlicher Datenwissenschaft und digitaler Zwillinge zur Optimierung des Materialflusses für autonome Intralogistikvorgänge. Diese Fähigkeit ermöglicht es dem Betriebsleiter, mehrere Szenarien zu bewerten und die optimale Lösung für einen bestimmten Fertigungs- oder Lagerprozess auszuwählen.

Zusammenfassung

Heuristiken sind mentale Abkürzungen oder Faustregeln, die dem Einzelnen helfen, schnell und effizient Entscheidungen zu treffen. Einfache Heuristiken können bei der Lösung komplexer Probleme nützlich sein, da sie eine schnelle Entscheidungsfindung ermöglichen. Heuristiken helfen dem Einzelnen, eine Lösung zu finden, ohne alle möglichen Optionen in Betracht ziehen zu müssen. Sie reduzieren die Informationsflut – Komplexe Probleme sind oft mit einer Vielzahl von Informationen verbunden. Heuristiken können den Entscheidungsprozess vereinfachen, indem sie die Menge an Informationen, die berücksichtigt werden müssen, reduzieren.

Heuristiken können einen guten Ausgangspunkt für die Lösung eines komplexen Problems bieten und führen oft zu Lösungen, die gut genug sind, auch wenn sie nicht optimal sind. Dies kann besonders in Situationen nützlich sein, in denen eine perfekte Lösung nicht machbar ist oder in einer beträchtlichen Zeitspanne entwickelt werden muss.

Es ist wichtig zu erwähnen, dass die Triple-A-Heuristik die Grundlage der autonomen Intralogistikplattformen von AUTONOMY@WORK bildet, die sowohl intelligente, von navigierender KI gesteuerte Maschinen als auch datengesteuerte Werkzeuge für die Prozessgestaltung und -optimierung umfassen, die durch digitale Zwillingssimulation unterstützt werden.

Wir sind davon überzeugt, dass unsere „Triple A“-Heuristik als eines der grundlegenden Navigationsinstrumente bei der Planung der digitalen Transformation von Produktionshallen oder Fertigungsanlagen und der Einführung von industriellen KI-Anwendungen verwendet werden kann. Es ist jedoch zu bedenken, dass Heuristiken auch zu Verzerrungen und Fehlern bei der Entscheidungsfindung führen können, weshalb es wichtig ist, ihre Verwendung und Ergebnisse kritisch zu bewerten.