KI Use Cases in der Produktion: Losgrößenoptimierung
Wie kann KI helfen, die besten Losgrößen für eine wirtschaftliche Sortenfertigung zu finden? Dieser Frage gehen wir in Teil 3 unserer Miniserie zu KI Use Cases in der Produktion nach. Jeder der vorgestellten KI Use Cases baut dabei auf den 4 Chancen zur Wertschöpfung mit KI in der Industrie auf.
Die richtigen Losgrößen für die tägliche Sortenfertigung zu bestimmen ist eine Kunst, selbst wenn die Kundenbedarfe grundsätzlich bekannt sind. Das gilt insbesondere, wenn die angebotene Variantenvielfalt hoch ist und Kunden auch einmal kleinere Mengen benötigen. Sobald Maschinen oder Anlagen für die Herstellung zweier unterschiedlicher Sorten umgerüstet werden müssen, bestimmen Anzahl und Größe der zu fertigenden Lose deren Verfügbarkeit sowie die erforderlichen Rüstaufwände. Lose lassen sich vergrößern, indem gleiche Sorten aus verschiedenen Kunden- bzw. Produktbedarfen zusammengelegt werden oder auf Vorrat produziert wird. Große Lose sind grundsätzlich gut für die Produktivität, können aber zu Überbeständen bestimmter Sorten oder zu einem Mangel an Maschinenkapazität für die Herstellung geringer oder dringender Bedarfsmengen führen. Hohe Kapitalbindung in Beständen oder Probleme mit der Liefertreue können die Konsequenz sein.
Eine KI kann helfen, die passenden Losgrößen zu bestimmen, um Kundenbedarfen, Lieferterminen und Lagerbeständen bestmöglich gerecht zu werden. Dieser KI Use Case wird im Folgenden stufenweise aufgebaut.
Ein MES ebnet der KI den Weg
Ausgangspunkt für die KI-Entwicklung ist ein KI-tauglicher Datenbestand. Die notwendigen Informationen für eine Losgrößenoptimierung sind vielfältig und fallen weit verstreut über die Fabrik an. Unter anderem zählen dazu der Produkt- bzw. Sortenstamm, Lagerbestände, die Kundenbedarfe mit Artikel-, Mengen- und Terminangaben, die aktuell verfügbaren Maschinen- und Personalressourcen sowie die verfügbaren Werkzeuge und Produktionsmaterialien. Alle diese Informationen werden mit den zugehörigen Betriebsdaten für einen möglichst weit zurückreichenden Zeitraum benötigt.
Mit einer passenden Datenstrategie lassen sich sicherlich auch alternative Datenspeicher für die erforderlichen Informationen realisieren, in der Regel werden Fertigungsbetriebe hierfür aber auf ein geeignetes Manufacturing Execution System (MES) zurückgreifen oder ein solches bereits im Einsatz haben.
Stufe 1: KI-Erkennung
Eine Erkennungs-KI kann im Datenbestand nach üblichen Losgrößenzusammenstellungen suchen und diese gegeneinander abgrenzen. Die so entstehenden Gruppen können von Prozessexpert:innen anschließend kategorisiert werden, bspw. “Produktivitätsmaximierung”, “Kleinmengenherstellung” oder “50:50”. Das Ergebnis kann bereits in einem Hinweissystem verwendet werden, das die Kategorie der aktuellen Losgrößenzusammenstellung oder aber deren Abweichung von bisher bekannten Kategorien anzeigt.
Stufe 2: KI-Diagnose
Im nächsten Schritt setzt eine Diagnose-KI die Losgrößenkategorien mit weiteren Betriebsdaten in Verbindung, etwa mit Lagerbeständen, Lieferterminen, Gesamtauslastung oder Personalverfügbarkeit. Dabei soll die KI insbesondere erlernen, welche Konstellationen aus Losgrößen und Betriebszustand zu Problemen bei Lagerbeständen, Personalbedarf und Liefertreue geführt haben. Auftretende Problemfälle lassen sich somit systematisch gegen bekannte Problemmuster abgleichen und können kontinuierlich Verbesserungspotenziale aufdecken.
Die Form, in der eine KI Zusammenhänge erlernt, speichert und ausgibt, ist für Menschen häufig nicht zu verstehen, da sich in den seltensten Fällen einfache “Wenn X, dann Y” Beziehungen ergeben. KI-Diagnosen können daher ohne geeignete Nachbearbeitung für den Menschen durchaus unbefriedigend sein. aiXbrain arbeitet daher intensiv an menschzentrierter KI, die unter anderem menschenverständliche Erklärungen mitliefert.
Stufe 3: KI-Vorhersage
Eine Vorhersage-KI dreht die in der KI-Diagnose erlernten Zusammenhänge um und zieht Rückschlüsse aus den gewählten Losgrößen und den beobachteten Betriebszuständen auf die voraussichtlichen Auswirkungen auf kritische Betriebsgrößen wie etwa Liefertermine oder Personalbedarfe. Über ein vorausschauendes Warnsystem können Produktionsplaner:innen von der Vorhersage-KI bereits in der Planungsphase Informationen erhalten, welche Probleme sich anhand der gewählten Planungsgrößen voraussichtlich einstellen werden.
Stufe 4: KI-Planung
In der letzten Ausbaustufe unterbreitet eine Planungs-KI im Falle einer Warnung der Vorhersage-KI den Produktionsplaner:innen einen Losgrößenvorschlag, der den sich abzeichnenden Problemen bestmöglich entgegenwirkt. Dabei greift die Planungs-KI sowohl auf die über die Zeit beobachteten Losgrößen-Betriebszustand Paare zurück, als auch auf die von Planer:innen umgesetzten Gegenmaßnahmen. Dieses über die Zeit immer umfangreicher werdende Wissen der Planungs-KI kann perspektivisch zu signifikanten Einsparungen bei Kosten, Zeit und Nerven beitragen.
Mehrwert von KI für die Losgrößenoptimierung
Die Analyse von Auswirkungen bestimmter Losgrößenzusammenstellungen sowie deren Optimierung übersteigt ab einem gewissen Sortenangebot das menschliche Leistungsvermögen. Zu viele verzahnte Seiteneffekte machen eine systematische oder gar händische Aufarbeitung unmöglich. KI in ihren verschiedenen Einsatzformen bringt Licht in die Ecken, in die der Mensch auch mit Hilfe herkömmlicher Software nicht blicken kann und sorgt für nachhaltige Verbesserungen bei Betriebsabläufen und Kundenzufriedenheit.
Das kollaborative Zusammenspiel von Produktionsplaner:innen und KI über die verschiedenen Ausbaustufen hinweg konserviert darüber hinaus wertvolles Know How in digitaler Form. Dieses Wissen steht allen aktuellen und zukünftigen Mitarbeiter:innen nachhaltig zur Verfügung.
Wenn Sie sich für weitere wertschöpfende KI Use Cases in der Produktion interessieren, empfehlen wir Ihnen die weiteren Artikel unserer Miniserie:
