Unternehmens-KI bietet Lösungen für Störungen in der Stahlindustrie

Mit technologischen Fortschritten, die durch künstliche Intelligenz (KI) und die Schaffung von Data Lakes angetrieben werden, erkennen Unternehmen ihren Wert für die industrielle Produktion.

Enterprise AI kann in grundlegende Geschäftsmodelle eingebettet werden, um die Entscheidungsfindung zu verbessern. Es konzentriert sich auf Ergebnisse und nicht auf die Technologie selbst, sodass ein Unternehmen Daten in wertvolle Erkenntnisse umwandeln kann, um einen kontinuierlichen Kundenwert zu schaffen.

Die Metallindustrie, eine der ältesten der menschlichen Zivilisation, war das Rückgrat des modernen industriellen Wachstums. Stahl ist das heute am häufigsten verwendete Metall und Eisen, das vierthäufigste Element der Erdkruste, ist sein Hauptbestandteil.

Nach Angaben der Worldsteel Association stieg die weltweite Rohstahlproduktion von 189 Millionen Tonnen im Jahr 1950 auf 1,8 Milliarden Tonnen im Jahr 2018. Das schnelle Wachstum in den letzten zwei Jahrzehnten war auf die in China produzierten Überkapazitäten zurückzuführen, die fast 50 Prozent der weltweiten Stahlproduktion ausmachen . Die Diskrepanz hat vor allem in der westlichen Welt zu erheblichen Störungen in der Industrie geführt, da chinesische Hersteller begannen, ihre überschüssigen Lagerbestände zu niedrigen Preisen zu exportieren.

Obwohl dieses Ungleichgewicht wahrscheinlich anhalten wird, arbeiten Unternehmen daran, die Effizienz durch die Modernisierung ihrer Technologien zur Eisen- und Stahlerzeugung zu verbessern. Dabei haben sie die Abhängigkeit von menschlicher Arbeit schrittweise zugunsten der Automatisierung reduziert.

Ein modernes Stahlwerk beschäftigt weit weniger menschliche Arbeitskräfte als noch vor 25 Jahren. In einer Zeit, in der die weltweite Stahlproduktion um das Zweieinhalbfache wuchs, hat die Branche mehr als 1,5 Millionen Mitarbeiter abgebaut.

Die Stahllieferkette enthält einige einzigartige Elemente, die für die Branche von zentraler Bedeutung sind:

• Eine Inbound-Lieferkette aus mehreren Quellen. Minen erzeugen einen kontinuierlichen Rohstofffluss. Eisenerz kommt jedoch in einer Vielzahl von Formen und Qualitäten vor, die oft eine zusätzliche Verarbeitung erfordern, bevor sie in die Endproduktverarbeitung überführt werden. Dies kann zu verschiedenen Stahlsorten führen, die nicht unbedingt an spezifische Kundenanforderungen angepasst sind.
• Fehlerempfindliche Produktion. Der Herstellungsprozess von Eisen und Stahl erfordert einen ununterbrochenen Materialfluss zwischen den Produktionsstufen, einschließlich Hochofen, Basissauerstoffofen, Stranggießanlage und Walzwerk. Das Herunterfahren und Wiederanfahren eines bestimmten Vorgangs während des Stahlherstellungsprozesses kann kostspielig sein. Daher müssen Produktion und Bestandsfluss ausgewogen sein, um Nachheizkosten zu vermeiden, Umrüstungen zu minimieren und ungewollte Ansammlungen von unfertigen Beständen zu vermeiden.
• Ein komplexes Lager- und Vertriebsnetz für Fertigprodukte. Lagerung, Verfolgung und Verteilung sind aufgrund der unterschiedlichen Qualitäten, des Gewichts und der Größe der Endprodukte anfällig für Ineffizienzen. Darüber hinaus gibt es Einschränkungen beim Einsatz von Tracking-Technologien für die Stahlindustrie, wie z. B. RFID-Tags (Radio Frequency Identification), die die physikalischen Eigenschaften von Stahl beeinträchtigen.
• Mehrere Vertriebskanäle. Traditionell haben sich Stahlunternehmen auf eine Vielzahl indirekter Vertriebskanäle wie Händler, Agenturen und Servicezentren verlassen, die alle auf dieselben Märkte abzielen. OEMs (Original Equipment Manufacturers) aus Stahl haben eine begrenzte Kontrolle auf dem Markt und haben nur minimale Transparenz über die Anforderungen der Endverbraucher. Darüber hinaus verlangsamen indirekte Kanäle den Verkaufsprozess aufgrund des mehrfachen Händeschüttelns und der Anhäufung von Gemeinkosten, wie z. B. Agenturprovisionen. Mit dem Aufkommen von Internet- und Direktvertriebskanälen sind E-Marktplätze und E-Auktionen zu einem beliebten Mittel geworden, um die Transparenz zu erhöhen, Verkaufszyklen zu verkürzen und Gemeinkosten zu reduzieren. Gleichzeitig haben E-Marketplace-Plattformen den Kunden einen schnellen Zugang zu Marktdaten und wettbewerbsfähigen Angeboten für bestimmte Sortenanforderungen ermöglicht. Dies hat zu einer Verbreitung von Stahlgüten geführt, von denen 75 Prozent in den letzten 20 Jahren entwickelt wurden. Die Erfüllung der Kundenanforderungen mit dem kürzesten Auftragserfüllungszyklus und dem wettbewerbsfähigsten Preis sind zum Schlüssel für den Verkaufsprozess geworden.
• Ein standardisierter und volatiler Markt. In der Stahllieferkette werden sowohl Rohstoffe als auch Fertigprodukte vermarktet. Daher ist das Unternehmen sowohl an Nachfrage- als auch an Angebotspunkten Preisschwankungen ausgesetzt, was zu einer geringeren Rentabilität führt.

Unternehmen generieren täglich große Datenmengen, die exponentiell wachsen. Daten liegen sowohl in strukturierter als auch in unstrukturierter Form vor. Da In-Memory-Computing, Speicher und digitale Technologien zuverlässig und erschwinglich werden, verwenden viele Metallunternehmen sie, um fortschrittliche Analysen zu entwickeln und Prozesseinblicke zu gewinnen. Bisher fehlte den meisten dieser Bemühungen jedoch eine unternehmensweite Vision in Form von integrierten Supply-Chain-Strategien. Die Stahlindustrie hat erheblichen Spielraum, um von der Verbesserung ihrer digitalen Fähigkeiten zu profitieren.

Ein digitaler Zwilling ist die virtuelle Nachbildung physischer Lieferkettenprozesse und das Rückgrat für die cyber-physische Integration. Es gewährleistet die nahtlose Übertragung von Daten zwischen digitalen Welten und physischen Einheiten. Um Unternehmens-KI zu ermöglichen, sind die folgenden Attribute digitaler Zwillinge erforderlich:

• Eine Ökosystem-Commerce-Plattform für den Informationsaustausch mit allen internen und externen Geschäftspartnern durch handelsübliche Standardsoftware.
• Hörplattform und Informationsabonnement um Informationen über die Grenzen der direkten Kontrolle hinaus zu erfassen.
• Konnektivität von physischen Geräten und Ereigniserfassung über Internet of Things (IoT)-Geräte. Der digitale Zwilling gewährleistet eine kontinuierliche Datenerfassung in Echtzeit an verschiedenen Knoten der Lieferkette, wie Erzlagerung (durch Bergleute, Lieferanten und Schiffsbetreiber), Produktion (durch Kokerei, Sinteranlage, Hochofen, Gießerei und Mühle), Produkt Lagerung und Vertrieb (durch Werften und Frachtführer) und Vertriebskanäle (einschließlich E-Marktplätze, Servicezentren und Händler).

Ein Big-Data-See ist der einzige Speicherort für alle Unternehmensdaten in ihrem nativen Format. Es kann für eine Vielzahl von Zwecken verwendet werden, z. B. für datenwissenschaftsbasierte erweiterte Analysen und maschinelles Lernen. Für Stahlunternehmen kann ein Big-Data-See unabhängige Geschäftsdaten von verschiedenen Lieferkettenknoten, einschließlich Gruben, Werften, Hochöfen, Gießereien und Mühlen, in Rohformaten speichern. Mithilfe von Big Data können Erkenntnisse in den folgenden Bereichen gewonnen werden:

• Marktinformationen, bestehend aus Informationen zu Makroökonomie, Geldpolitik, Zöllen, Metallbörsen, Rohstoffpreisschwankungen, Wettbewerbsinformationen und geopolitischen Situationen.
• Stahlwerksdaten Bereitstellung von Details zu Kapazität und Betrieb in verschiedenen Phasen, wie z. B. Eisen- und Stahlerzeugung, Werftverwaltung und Transport.
• Geschäftsplandaten, einschließlich Produktions- und Versandpläne.
• Daten zum Partner-Ökosystem von externen Stakeholdern wie Kunden, Agenturen, Servicezentren, Bergleuten, Spediteuren und Schiffsbetreibern generiert werden. Das Partner-Ökosystem sollte Zugriff auf Daten in einem Unternehmensnetzwerk mit mehreren Unternehmen (z. B. einer Ökosystem-Commerce-Plattform) von externen Organisationen bieten, mit denen Stahlunternehmen Geschäfte machen.

Enterprise AI umfasst die folgenden Funktionen:

• Erfassen von Ereignissen auf verschiedenen Stufen der Stahllieferkette. Bevor ein Stahlprodukt die Haustür des Verbrauchers erreicht, muss es einen vollständigen Herstellungslebenszyklus durchlaufen. Bei der Umwandlung von Roheisenerz in diskrete Stahlprodukte durchlaufen die Rohstoffe mehrere Anlagen und Prozessschritte. Jede Unterbrechung oder Änderung eines Teils der Lieferkette hat erhebliche Auswirkungen auf andere Phasen der Produktion. Ein digitaler Zwilling mit zugehörigen Attributen wie IoT erkennt die Veränderungen sofort und sammelt die Daten zur weiteren Analyse.
• Analysieren von Ereignissen und Bestimmen ihrer Auswirkungen auf Key Performance Indicators (KPIs) zu verschiedenen Zeithorizonten. Sobald Ereignisdaten gesammelt wurden, wird eine fortschrittliche Analyseplattform ausgelöst, um mögliche Einflüsse auf geplante Aktivitäten zu identifizieren. In diesem Schritt werden in Sekundenbruchteilen zahlreiche „Was-wäre-wenn“-Szenarien erstellt, die einen Vergleich der Ergebnisse möglicher Veränderungen im gesamten Versorgungsnetz ermöglichen. Die Bewertung kann Auswirkungen auf verschiedene KPIs innerhalb des Planungshorizonts bestimmen.
• Empfehlung alternativer Lösungen. Während die Datensammlung und -analyse von wesentlicher Bedeutung sind, liegt der wahre Wert der Unternehmens-KI in ihrer Fähigkeit, das volle Ausmaß der Auswirkungen zu analysieren und entsprechende Empfehlungen zu geben. Wenn die Auswirkungen die Schwelle bestimmter KPIs überschreiten, können Geschäftsregeln und Erkenntnisse aus früheren kognitiven Erfahrungen der Unternehmens-KI helfen, Lösungen zu empfehlen, die die gewünschten Geschäftsergebnisse liefern. Solche Empfehlungen müssen Einflüsse im gesamten Lieferkettennetzwerk berücksichtigen und optimale Pläne empfehlen.
• Ergebnisoptimierung durch kontinuierliches kognitives Lernen. Ein Big-Data-See liefert Erkenntnisse durch Data Science. Enterprise AI wiederum nutzt die Informationen, um eine kontinuierliche Optimierung der Ergebnisse zu ermöglichen. Ein Big-Data-See ist eine Masse von unzusammenhängenden Informationen, die ein Mensch das Leben lang verstehen würde. Ohne eine Struktur können diese Informationen nicht für geschäftliche Zwecke verwendet werden. Data-Science-Techniken können unstrukturierte Daten innerhalb bestimmter Geschäftsdimensionen wie Zeitrahmen, Geografie und Produkt filtern und versteckte Verbindungen aufdecken, um kontinuierliches Selbstlernen zu ermöglichen.

Enterprise-KI fördert die Zuverlässigkeit, Effizienz und Produktivität in der Stahlindustrie durch die Reduzierung manueller Arbeit, die durch Maschine-zu-Maschine-Konnektivität und präskriptive Analysen ersetzt wird. Es kann Elemente wie Markteinblicke, Nachfragevolatilität und Unterbrechungen in Produktion und Angebot erfassen. Der industrielle Einsatz von KI-Technologien verspricht zusammen mit Investitionen in Big-Data-Seen und digitale Zwillinge, Stahlunternehmen in reaktionsschnellere und profitablere Betriebe zu verwandeln. Ein pragmatischer Blick auf die Unternehmens-KI kann die Effizienz der Stahllieferkette dramatisch steigern, was zu geringeren Lagerhaltungskosten und einer Verkürzung der Markteinführungszeit auf dem volatilen Stahlmarkt führt.

Hiranmay Sarkar ist geschäftsführender Partner der Beratungs- und Dienstleistungsintegrationspraxis von Tata Consultancy Services (TCS).