KI Use Cases in der Produktion: Taktzeitoptimierung
Wie kann KI helfen, kritische Taktzeitschwankungen in verketteten Fertigungslinien zu vermeiden? Dieser Frage gehen wir in Teil 1 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.
In verketteten Produktionsanlagen, etwa Bandanlagen mit mehreren Bearbeitungszellen, können sich kleinere Taktabweichungen in einzelnen Bearbeitungsschritten aufschaukeln und die übergreifende Synchronisation der Prozesse aus dem Rhythmus bringen. Das kann zu Engpässen oder auch Stausituationen in der Material- und Werkstückzuführung und damit letztlich zu Stillständen und Neueinstellungen der Anlage führen.
Eine KI kann helfen, solche betriebskritischen Situationen proaktiv zu vermeiden, indem sie frühzeitig lokale Taktstörungen erkennt und diese aussteuert ehe sie Schaden anrichten können. Dieser KI Use Case wird im Folgenden stufenweise aufgebaut.
Ein Monitoring-System ebnet der KI den Weg
Ausgangspunkt für die KI-Entwicklung ist ein KI-tauglicher Datenbestand. Im Produktionskontext wird dieser Datenbestand üblicherweise über ein oder mehrere Monitoring-Systeme erzeugt, womit Anlagenzustände und Betriebsdaten in Echtzeit erfasst und die Daten für weitere Auswertungen zugreifbar gemacht werden können.
Stufe 1: KI-Erkennung
In dem erzeugten Datenbestand kann eine Erkennungs-KI nach Abweichungen in Taktmustern suchen und ähnliche Muster in unterschiedlichen Gruppen zusammenfassen. Im Nachgang können diese Gruppen von Prozessexpert:innen mit sachdienlichen Namen versehen, d.h. kategorisiert werden. Das Ergebnis kann dann bereits in einem Hinweissystem für Anlagenbediener:innen verwendet werden, das sich immer dann meldet, wenn das aktuelle Taktmuster in eine unerwünschte Gruppe fällt oder keiner Gruppe zugeordnet werden kann.
Stufe 2: KI-Diagnose
Im nächsten Schritt deckt eine Diagnose-KI Wirkungsketten zwischen Problemen in der Fertigungslinie, erkannten Taktzeitmustern und unterliegenden Anlageneinstellungen auf. Das Hauptaugenmerk liegt hierbei darauf, zu verstehen, aus welchen Gründen die Linie ihre Synchronisation verliert oder gar zum Stillstand kommt. Sofern Taktzeitstörungen auch Qualitätsprobleme am Werkstück verursachen können, sollte die Werkstückqualität nach Möglichkeit mit in die Diagnose, d.h. mit in den Datenbestand, aufgenommen werden.
Hier bringt KI eine ganz besondere Fähigkeit mit an den Tisch. Sie erlernt nämlich das Regelwerk der unterliegenden Wirkungsketten ohne dass sie jemals eine explizite Regel vorgesetzt bekommen hat, rein auf Datenbasis.
Die Form, in der eine KI implizit erlernte Regeln 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 somit für den Menschen durchaus unbefriedigend sein. aiXbrain arbeitet daher intensiv an menschzentrierter KI, die unter anderem für Menschen verständliche Erklärungen liefert.
Stufe 3: KI-Vorhersage
Eine Vorhersage-KI dreht die in der KI-Diagnose erlernten Regeln nun zeitlich um und zieht Rückschlüsse aus den beobachteten Taktzeitmustern und den unterliegenden Anlageneinstellungen auf die zukünftige Anlagensynchronisation. Über ein vorausschauendes Warnsystem können Anlagenbediener:innen nun von der Vorhersage-KI frühzeitig informiert werden, dass die Anlage in Probleme läuft, wenn die Taktzeitabweichungen nicht behoben werden.
Und zugleich können Hinweise aus der Diagnose-KI den Bediener:innen dabei helfen, schnell effektive Gegenmaßnahmen vorzunehmen. Unter dem Strich können so kritische Zustände der Linie abgewendet werden.
Stufe 4: KI-Steuerung
In der letzten Ausbaustufe unterbreitet eine Steuerungs-KI im Falle einer Warnung der Vorhersage-KI der Anlagenbediener:in einen Einstellungsvorschlag, um die Linie wieder in Takt zu bringen und sich abzeichnende Probleme zu vermeiden. Hat die Steuerungs-KI genügend viele verschiedene Wirkungsketten, d.h. Einstellung-Taktzeit-Anlagenzustand Paare, beobachtet, kann sie eigenständig Rückschlüsse darauf ziehen, welche Anpassung der Einstellungen zu welchen Taktzeitmustern führen. Mit diesem erlernten Wissen kann die Steuerungs-KI eine Aussteuerung in einen unkritischen Betriebsbereich begleiten und spart damit Kosten, Zeit und Nerven.
Mehrwert von KI für die Taktzeitoptimierung
Die händische Analyse und Aussteuerung von Taktzeitschwankungen in verketteten Fertigungslinien ist mit hohem Aufwand verbunden. Das Aufspüren von tiefer liegenden Problemursachen funktioniert häufig nicht und ohne ein umfassendes Verständnis der Wirkungsketten ist eine proaktive Fehlervermeidung nicht möglich. KI in ihren verschiedenen Einsatzformen bringt Licht in die Ecken, in die der Mensch aktuell nicht sehen kann und ermöglicht somit nachhaltige Verbesserungen in der Prozessführung.
Für den Einsatz im Tagesbetrieb kann KI in Form eines oder mehrerer KI-Assistenten zur Verfügung gestellt werden. Damit erhalten Anlagenbediener:innen ein mächtiges Werkzeug, welches sie befähigt, in Zusammenarbeit mit der KI komplexe Probleme an der Linie zu lösen. aiXbrain legt hohen Wert darauf, solche hybriden Intelligenzsysteme zu etablieren, in denen sich Mensch und KI kollaborativ ergänzen.
Wenn Sie sich für weitere wertschöpfende KI Use Cases in der Produktion interessieren, empfehlen wir Ihnen die weiteren Artikel unserer Miniserie:
