Unleash the creative human power

Schlagwort: Digitalisierung

AI und Transformation

AI und Transformation

AI entfaltet die volle Leistung in der Produktion, wenn sie von Beginn an berücksichtigt wird. AI und Transformation gehören zusammen.

Seit einigen Jahren begleiten wir unsere Kunden dabei, ihre industriellen Prozesse nach Optimierungsmöglichkeiten mit Hilfe von lernenden Systemen zu durchforsten. Üblicherweise findet man an irgendeiner Maschine oder einer logistischen Bereitstellungseinrichtung Ansätze zur Umsetzung einer Lösung in neuronaler Architektur.

Doch es kam vor, das auf das gerade fertiggestellte Deep Neuronal Network verzichtet wurde aufgrund der zusätzlich erforderlichen Hardware oder es durch Einsatz einer neuen Technologie nicht mehr erforderlich war. Das gab Anlass unsere grundsätzliche Herangehensweise zu hinterfragen.

Das große Ganze

Bevor wir heute bei einer bestehenden Fertigungsanlage über weitere Optimierungen nachdenken, treten wir zunächst gedanklich einen Schritt zurück um uns der eigentlichen Aufgabe der Produkte bewusst zu werden. Idealerweise stellen wir im Beisein des Auftraggebers und manchmal auch ein oder mehreren seiner Kunden viele Fragen, die zum Nachdenken anregen sollen, wie z.B.:

  • Welchen genauen Zweck erfüllt das Produkt für den Kunden?
  • Welchen Mehrwert erzeugt es für den Kunden und für die Gesellschaft?
  • Wird es in 5 bis 10 Jahren noch gebraucht?
  • Wird es dann noch genauso gefertigt wie heute?
  • Könnte das Produkt noch mehr für die Kunden leisten?
  • Kann der Kundennutzen vielleicht auf eine völlig andere Weise erzeugt werden?
  • Wurden die eingesetzten Materialien nachhaltig gefördert und lassen sie sich wiederverwenden bzw. recyclen?

Es hilft, wenn man sich fragt, welchen Prozess ein Startup entwickeln würde, wenn es dieselbe Aufgabe nach modernen Gesichtspunkten lösen sollte. Hier würden Umweltfaktoren wie Energieeffizienz oder CO2-Footprint in den Vordergrund gesetzt und dann nach einem besonders eleganten Weg gesucht. Erfahrungsgemäß ist es sehr unwahrscheinlich, dass am Ende die bestehende, klassische Fertigungslinie wettbewerbsfähig bleibt.

AI und Transformation gehören einfach zusammen.

Produktion

AI und Transformation

Wie kann die zukünftige Fertigung schnell automatisch auf neue Varianten oder unterschiedliche Losgrößen umgestellt werden?

Welche Intelligenz braucht eine moderne Fertigung und wie kann eine AI dabei helfen? Man kann darauf achten, dass die Informationen die zur permanenten Anpassung der AI verwendet werden, ausreichend qualifiziert sind. Je mehr Parameter zur Optimierung herangezogen werden, umso genauer wird das Ergebnis. Die Sensorik an den Adapterstellen kann schon beim Layout danach ausgelegt werden.

Moderne Maschinen werden aus vielen autonomen Modulen aufgebaut, die über genormte Schnittstellen zusammengestellt werden können. An jeder Schnittstelle entstehen Daten, die zentral über eine AI ausgewertet werden können, das kann schon beim Design berücksichtigt werden.

Zu produzierende Produkte sollten eine überschaubare Anzahl an Varianten haben. Flexibilität für den Kunden kann anstelle einer kostenintensiven Diversifikation auch mit Hilfe von intelligenten Komponenten hergestellt werden, die sich von außen konfigurieren lassen.

Stark belastete Module können redundant verbaut werden und eine AI entscheidet entsprechend der aktuellen Last über das einzusetzende Element oder bei hoher Last vielleicht sogar für beide.

Umsetzung

AI und Transformation

Ein industrieller Prozess ist häufig sehr komplex. Viele Parameter fließen gleichzeitig unter wechselnden Bedingungen ein. Mit Hilfe von klassischen Optimierungsalgorithmen lassen sich solche Prozesse verbessern. Sie lassen sich für eine Bedingung vielleicht noch überschaubar aufstellen. Sobald sich die Umgebung jedoch ändert, müssen sie angepasst werden und gelten dann nur noch in diesem Kontext.

Eine selbst lernende AI, die unter allen möglichen Bedingungen trainiert wird erzeugt ihren Algorithmus selbst in Form von Schwellenwerten der Knoten in seinen Knotenschichten und kann bei Bedarf während des Betriebes weiterlernen.

Für die Integration von künstlich intelligenten Prozessen werden sehr gute Kenntnisse im Bereich der aktuellen Algorithmen benötigt. Die Forschung in diesem Bereich findet zur Zeit sehr intensiv statt, sodass die Verfahren ständig verbessert werden.

Eine Aufgabe für den Entwickler ist die Lernumgebung herzustellen, in der alle Bedingungen und Eigenschaften berücksichtigt werden können. Dazu existieren einige sehr gut geeignete Werkzeuge.   

Nachdem die neuronalen Netze trainiert sind, müssen sie auf die geeignete Hardware aufgespielt werden. Die großen energiefressenden Einschübe mit Multiprozessorsystemen werden z.Zt. abgelöst durch stromsparende „embedded systems“, die nur noch aus dem neuronalen Netz bestehen. Die fertig trainierte Software kann über Standard I/O Ports übertragen werden. Diese Systeme können mit Hilfe von echtzeitfähigen Hochsprachen weiter verfeinert werden.

Abschließend müssen Fertigungsdaten orchestriert werden und mit Hilfe von Machine-Learning-Algorithmen ausgewertet werden.

AI und Transformation

Selbstverständlich finden wir einige dieser modernen Ansätze und AI-Einsatz bei unserem Klienten auch schon vor, jedoch hat es sich bisher immer gelohnt, noch einmal alles neu zu bewerten.

Mit Hilfe von integralem Einsatz einer guten AI-Architektur lassen sich im industriellen Kontext zukünftige Veränderung bei Kundenverhalten, Lebenszyklen oder Störungen voraussagen, Produkte verbessern, Kosten reduzieren, Nachhaltigkeit steigern und viele weitere wichtige Erkenntnisse gewinnen.

AI und Transformation gehören zusammen.

Weniger ist mehr

less is moreUnser Denken wird von vielen fest verankerten Verzerrungen beeinflusst, das gilt natürlich auch für innovative Teams. Eines dieser kognitiven Probleme möchte ich im Zusammenhang mit Innovationen hervorheben: wenn es darum geht, bestehende Dinge zu verbessern, wird gerne etwas hinzugefügt, selten etwas weggelassen. Ein hinzugefügtes Leistungsmerkmal scheint gefühlt einen Mehrwert zu geben, doch das triff sehr häufig nicht zu – weniger ist mehr. Das der Mensch in diesem Punkt tatsächlich einseitig denkt, hat jüngst ein Team der Universität von Virginia (Garielle S. Adams) herausgefunden.

In der Vergangenheit sind viele bestehende Produkte mit Globalisierung und Segmentierung der Absatzmärkte konfrontiert worden. Zusätzlich wurde eine hohe Flexibilität bei der Reaktion auf Kundenwünsche gefordert. Um die Herstellkosten unter Kontrolle zu halten entstand eine zunehmende Differenzierung der Produkte und die Variationsvielfalt schoss in die Höhe. Die Auswahl für einen Käufer war häufig ohne einen qualifizierten Berater nicht mehr zu überblicken.

Die Digitalisierung zwing viele Hersteller, ihre Produkte über leicht verständliche Konfiguratoren anbieten zu können. Das führt vernünftigerweise zum Überdenken der Vielgestaltigkeit ihrer Erzeugnisse.

Ausweg

Sobald der Kunde im Mittelpunkt steht, dürfen seine Anforderungen nicht ignoriert werden. Wie kann trotzdem eine Variantenreduzierung ermöglicht werden?

Idealerweise löst man sich zunächst vollständig von schon existierenden Artikeln. In unseren Workshops beginnen wir deshalb mit der Strukturierung und Klassifizierung von Kundenerfordernissen bezogen auf das zu verbessernde Fabrikat. Jeder Teilnehmer lernt dabei die eigentliche Aufgabe vertieft kennen. Die daraus entstehenden Produktfamilien sollten für einen potentiellen Käufer einfach voneinander abzugrenzen sein. Er muss sich sofort mit den für ihn relevanten Familien identifizieren können.

Wenn die bestehende Produkte auf die neu gewonnenen Gliederungen abgebildet werden, ordnet man alle geforderten Leistungsmerkmale zu. Die Kundensicht wird im nächsten Schritt erweitert durch die Fertigungssicht. Anschließend wird der grundlegende Aufbau durch technische Baugruppen analysiert, modularisiert und ggf. neu strukturiert. Zusätzlich werden die bisher verwendeten Materialien hinterfragt und ausgetauscht falls es als sinnvoll erscheint. Dadurch entsteht eine ganzheitliche Betrachtung von Beschaffung über Produktion bis hin zur Kundenzufriedenheit noch bevor das eigentliche Erzeugnis entsteht.

Wir versuchen Funktionserweiterungen zu vermeiden. Besser sie werden in diesem Zusammenhang entfernt, reduziert, optimiert oder durch intelligentere Funktionen substituiert.

Nicht selten entsteht bei so einer Untersuchung ein völlig neuer Blickwinkel auf ein Markterzeugnis und eine Neuentwicklung ist die Folge. Vereinzelt wird hierdurch auch eine disruptive Technologie ausgelöst.

Innovationsteam Bearbeitungslinie

less is moreWeil die universelle Bearbeitungslinie eines industriellen Klienten neuerdings konfigurierbar sein und über das Internet angeboten werden sollten, haben wir in einem Innovations-Team den Fokus auf Vereinfachung der Kundenfunktionen gelegt. Im Laufe der Zeit hatten sich über hundert Möglichkeiten der Maschine zur Bearbeitung von Teilen angesammelt. Für einen potentiellen Käufer war das ohne gezielte Beratung nicht mehr zu überschauen.

Dem Team stand eine Auswertung der Häufigkeit des Verkaufs jeder Variante zur Verfügung. Man hätte selten georderte Varianten einfach entfernen können, doch wir wählten einen anderen Weg. Wir gruppierten die Bearbeitungsschritte in Kategorien, wie z.B. Transportieren, Aufnehmen, Positionieren, Messen, Verbinden, Verpacken. Bei der modularen Betrachtung dieser Gruppen erschuf das Team ein genormtes Schnittstellengerüst für Daten, Energien und Entsorgung, mit dem die Gruppen beliebig miteinander kombiniert werden konnten.

Funktionen innerhalb einer Gruppe konnten jetzt gemeinsam betrachtet werden. Deshalb haben wir uns überlegt, wie so eine Kategorie mit einem oder nur sehr wenigen Aggregaten bearbeitet werden könnte. Dabei waren die Team-Mitglieder, die noch nie an so einem Prozessablauf gearbeitet hatten, eine große Hilfe. Sie haben uns Wege aufgezeigt, die bisherige Art der Abarbeitung radikal zu überdenken. Beispielsweise gab es eine nicht sehr häufig bestellte Kategorie zur Bearbeitung von komplexen Geometrien. Sie bestand aus vielen unterschiedlichen Baugruppen und war sehr teuer. Mit Hilfe eines Herstellers für schnellen 3D-Druck konnten es auf ein einzelnes Aggregat reduziert werden. Der Nutzen für den Kunden ließ sich bei geringeren Kosten drastisch erhöhen.

Ein Teil der Team-Arbeit bestand darin, den virtuellen CAD-Prototyp jeweils an die neuen Ideen anzupassen und in Bewegung zu bringen.

Nachhaltigkeit und Einsatz von KI

Der vermehrte Einsatz von KI innerhalb der Steuerungssoftware ermöglichte uns eine Vielzahl von Leistungsmerkmale durch wenige komplexere Funktionen zusammenzufassen. Bestehende Einstellmöglichkeiten ließen sich automatisieren und durch interne Algorithmen ersetzt.

Sehr hilfreich war die Zusammenarbeit mit der Forschung. Ergebnisse aus dem KI-Gebiet des „verstärkendes Lernens“ (Reinforcement Learning), flossen in viele Funktionen ein. Die Fertigungslinien sind heute wesentlich intelligenter und passen sich automatisch an unterschiedliche Situationen an.

Da einige Aggregate starke Schwingungen verursachen, hatte man in der vorherigen Bauweise zur Reduktion ein sehr langes, sehr schweres Maschinenbett verwendet. Das gestaltete sich im Transport und in der Herstellung aufwendig. Deshalb haben wir bei Bedarf Aggregate mit Schwingungsdämpfer unterlegt, dadurch konnte das Gestell modular unterteilt und zusammensteckbar konstruiert werden. Die Herstellkosten wurden gesenkt und als zusätzliche neue Möglichkeit konnten Elemente auch über Eck verbunden werden.  Der Platzbedarf für den Kunden reduzierte sich so deutlich, neue Stellmöglichkeiten waren für ihn entstanden.

Es gab noch viele Verbesserungen z.B. bei der Reduzierung von Energien, dem Entsorgen von Abfallstoffen oder die Integration von Industrie 4.0 Funktionalitäten wie die ferngesteuerte Überwachung und Wartung. Auch ein Konzept zur Rücknahme der Anlage nach Beenden des Lebenszyklus wurde erstellt.

Nicht nur der abschließende Konfigurator im Internet sondern auch die Zufriedenheit mit den neuen Produktionslinien wurde von der Mehrheit der Kunden als hervorragend bewertet.

Das Innovationsteam bestand aus Mitgliedern der Bereiche Aggregat-, Linien und Softwareentwicklung, Steuerungs- und Fertigungstechnik sowie je einem Vertriebler und externen Consultant.

© 2024 Innovation Driver

Theme von Anders NorénHoch ↑