Geschäftsprozess-Optimierung

Daten KI-gerecht aufbereiten

16. Juli 2019, 3:00 Uhr | Dr. Rudolf Felix

Fortsetzung des Artikels von Teil 1

Reihenfolge-Optimierung in der ­Produktion

Das Qualitative Labeln ist in einer Reihe von industriellen Anwendungen bereits im Einsatz – etwa bei KI-Autopiloten zur selbsttätigen Steuerung von Produktionsabläufen oder zum Lernen von Systemeinstellungen in der Automobilindustrie und im Bereich der Energiewirtschaft. Unter anderem geht es dabei um Verfahren im Zusammenhang mit Selbstdiagnosen komplexer Maschinen für Predictive Maintenance. Weitere Anwendungen wie die Prognose von Energielastprofilen in sogenannten Micro Grids oder im Bereich Predictive Quality sind in Vorbereitung.

Klassifizierung relevanter Kriterien, PSI
Klassifizierung von relevanten Kriterien mittels Qualitativem Labeln und daraus folgenden Handlungsempfehlungen.
© PSI FLS Fuzzy Logik & Neuro Systeme

Ein konkretes Beispiel einer industriellen Anwendung, bei der das Verfahren des Qualitativen Labelns zum Einsatz kommt, ist die Optimierung von Sequenzen in der Automobilproduktion basierend auf den Plan-Zeiten. Die hier festgelegten KPIs leiten sich ab aus den Arbeitszeiten von Tätigkeiten und Abläufen in jeder der Arbeits-stationen entlang einer Montagelinie. Die zu produzierenden Fahrzeuge sind so in Sequenz zu stellen, dass keine der Arbeitszeiten-KPIs ihre Kapazitätsobergrenzen überschreiten. Lässt sich eine Überschreitung punktuell nicht vermeiden, so ist unmittelbar im Anschluss eine Arbeitszeitentlastung sicherzustellen, indem in der Sequenz auf Fahrzeuge mit komplexen Tätigkeiten Fahrzeuge mit weniger komplexen Arbeitsinhalten folgen.

Über die hohe Kombinatorik der möglichen Sequenzen hinaus unterliegt die Sequenzierung – wie fast alle Produktionsprozesse – einer immensen Dynamik hinsichtlich der Variantenvielfalt und der Zusammensetzung der Auftragsmengen, die sich daraus ergibt, dass jeder Kunde ein individuell zusammengesetztes und damit anderes Fahrzeug bestellt. Aus der Perspektive der Fabrik sind die Zusammensetzungen der Auftragsvarianten astronomisch komplex, die Auftragsabarbeitung soll aber geordnet und geplant ablaufen. Hier hilft das automatisch aus KPIs abgeleitete Qualitative Labeln, die rohen Auftragsdaten KI-fertig aufzubereiten, damit die Lernfähigkeit der Sequenzierungssoftware und die geforderte Prozessstabilität trotz der hohen Kombinatorik sichergestellt sind.
 


  1. Daten KI-gerecht aufbereiten
  2. Reihenfolge-Optimierung in der ­Produktion
  3. Prädiktive Instandhaltung

Verwandte Artikel

PSI FLS Fuzzy Logik & Neuro Systeme GmbH

Industrie 4.0

Künstliche Intelligenz