Drei Möglichkeiten, wie KI Fertigungsabläufe verbessert

Jonathan Whiteside, Principal Technology Consultant bei Dept, beschreibt die drei Möglichkeiten, wie KI Fertigungsabläufe verbessert...

Industrie 4.0 ist in der Fertigungswelt mehr als nur ein Schlagwort; Es ist die neue Realität. Eine Realität, die durch die Covid-19-Pandemie beschleunigt wurde. In den ersten drei Monaten des Ausbruchs der Pandemie schritt die Digitalisierung um das Äquivalent von zehn Jahren voran, da sich sowohl Unternehmen als auch Verbraucher an eine Online-Welt gewöhnt hatten.

Die wichtigsten Grundsätze eines zukunftsfähigen Unternehmens – Agilität, Belastbarkeit und Innovation – können alle durch Investitionen in digitale Lösungen unterstützt werden. Angesichts des Drucks, Abläufe zu rationalisieren, Kosten zu senken und Einnahmen zu maximieren, ist die digitale Transformation zu einem Muss geworden.

„Die Gewinner der digitalen Transformation nutzen disruptive Technologien, um geschäftliche Herausforderungen zu meistern, und treiben Verbesserungen durch praktische Anwendung voran. Die Digitalisierung betrieblicher Prozesse ist für Hersteller von entscheidender Bedeutung, um die Anforderungen und Herausforderungen der Krise zu bewältigen, und gilt als natürlicher Fortschritt in der Entwicklung der Fertigung“, sagte Jonathan Whiteside, Principal Technology Consultant bei Dept. 

„Glücklicherweise hat die Innovation jetzt einen Punkt erreicht, an dem aufkommende Technologien wie KI und das Internet der Dinge (IoT) weit verbreitet sind und dazu beitragen, die Transformation traditioneller Fertigungsunternehmen zu beschleunigen. Es gibt drei Schlüsselbereiche, in denen Hersteller KI implementieren können, um widerstandsfähiger zu werden und das Endergebnis zu verbessern:Prognosen, bedingte Wartung und Kommunikation.“

#1 – Bedarfsplanung und -prognose

Maschinelles Lernen hat die Fähigkeit, Analysen zu automatisieren und Datenmuster mit einer Geschwindigkeit zu erkennen, die für Menschen unmöglich wäre. Es kann die Datensegmentierung über einfache Keyword-Cluster hinausführen und eröffnet die Möglichkeit, Informationen aus neuen Datenquellen zu gewinnen. Bei der Anwendung auf Prognosemodelle sind die Ergebnisse beeindruckend. Laut KI-gestützte Prognosen können Fehler in Supply-Chain-Netzwerken um 30 bis 50 % reduziert werden. Die verbesserte Genauigkeit führt zu einer 65-prozentigen Reduzierung der Umsatzeinbußen aufgrund von Bestandslücken und zu einer Senkung der Lagerkosten um etwa 10 bis 40 %. Die Auswirkungen von KI innerhalb der Lieferkette liegen zwischen 1,2 und 2 Billionen US-Dollar in

Angesichts dieser Statistiken ist es kein Wunder, dass maschinelles Lernen von Bedarfsplanern in der gesamten Branche angenommen wird. Die Geschwindigkeit und Genauigkeit von maschinellen Lernprognosen bietet mehrere Vorteile, wobei die Verbesserung des Kundenerlebnisses durch verbesserte Verfügbarkeit nur die Spitze des Eisbergs ist. Wenn Vertrauen in die Prognose besteht, können die Pufferbestände gesenkt werden, wodurch das Betriebskapital reduziert und wertvoller Platz freigesetzt wird. Bessere Prognosen können zu Einsparungen in der gesamten Wertschöpfungskette führen, von einer verbesserten Transportplanung bis hin zu optimierten Arbeitsplänen.

Die Verbesserung der Genauigkeit der Bedarfsprognose zeigt solide Ergebnisse in allen Branchen, wobei die Hersteller von Konsumgütern führend sind. Die französische multinationale Danone Group verbessert die Planungskoordination über Marketing, Vertrieb, Account Management und Lieferkette mit maschinellem Lernen. Durch KI-gesteuerte Bedarfsmodellierung und Erreichen der angestrebten Servicelevels für Bestände auf Kanal- oder Filialebene. Das System führte zu einer 20-prozentigen Reduzierung von Prognosefehlern, einer 30-prozentigen Reduzierung von entgangenen Verkäufen, einer 30-prozentigen Reduzierung der Produktveralterung und einer 50-prozentigen Reduzierung der Arbeitsbelastung der Bedarfsplaner.

Maschinelles Lernen und KI beeinflussen nicht nur wie Unternehmen herstellen, sondern auch was sie fertigen. Mit der Fähigkeit, sich ändernde Verbrauchergeschmäcker zu erkennen, können Lebensmittelunternehmen durch die Analyse von Daten und das Erkennen von Trends reagieren, indem sie Zutaten wechseln, um zeitlich begrenzte Sonderangebote zu erstellen, die bei den Verbrauchern Anklang finden. Es gibt auch große Möglichkeiten, mögliche Bereiche für die Produkterweiterung zu identifizieren und gleichzeitig den Prozess für eine zeitnahere Markteinführung zu beschleunigen.

#2 – Entwicklung und Wartung

Die manuelle Wartung von Fertigungsanlagen ist kostspielig und zeitaufwändig und birgt ein hohes Risiko von Gerätefehlfunktionen, was den Produktionsplan enorm beeinträchtigt und die Produktivität verringert. Aus diesen Gründen ist die Vorhersage, wann Maschinen wahrscheinlich ausfallen werden, heute die beliebteste Anwendung von KI in der Fertigung.

„Ungeplante Ausfallzeiten lassen sich mit Predictive Maintenance vermeiden. Hersteller sind in der Lage, einen Plan zum Schutz der Bestandsfähigkeit von Anlagen zu erstellen, der angibt, wann es am rentabelsten ist, Geräte aufzurüsten, indem sie auf Warnungen reagieren und kleinere Probleme beheben, sobald sie auftreten. Überwachte und nicht überwachte maschinelle Lernalgorithmen interpretieren Verschiebungen in Echtzeitdaten. In Sekundenschnelle kann es zuvor unbekannte Prozesse, Produkte und Arbeitsabläufe erkennen, indem es eine Vielzahl von Datentypen nutzt“, sagte Whiteside.

Sensordaten werden von der Ausrüstung selbst gesammelt, die Wärme, Vibrationen und Bewegungen erkennt, während die Daten der speicherprogrammierbaren Steuerung (SPS) die Ein- und Ausgänge der Maschine verfolgen. Computer-Vision-Daten werden von Kameras in der gesamten Fabrik erfasst, und Zeitreihendaten bestimmen den Zustand der Maschine basierend auf ihrer Historie. Relevante externe Datenquellen werden ebenfalls berücksichtigt, wie z. B. wechselnde Wetterbedingungen oder Folgeeffekte von verwandten Geräten. Diese Ergebnisse stellen eine hervorragende Quelle für kontextbezogene Daten dar, die zum Trainieren von Modellen für maschinelles Lernen, zur Produktentwicklung und zur Optimierung der Fließbandproduktion verwendet werden können.

#3 – Kommunikationsstrategien

KI und maschinelles Lernen sind nicht nur für betriebliche Prozesse. Seine Fähigkeit, Muster aus verschiedenen Quellen wie Audio, Bild und Video zu erkennen, kann die Kommunikation mit Ihren Kunden und Mitarbeitern verbessern. Übertragen auf Ihre Kommunikationskanäle können Unternehmen enorme Zeiteinsparungen erzielen.

Ein KI-Chat-Bot könnte den Druck auf Ihr Callcenter verringern und Außendienstteams entlasten, damit sie sich auf die Neukundenakquise konzentrieren können, während er zeitnahe, relevante Antworten auf die Fragen Ihrer Kunden liefert. Wenn Sie digitale Zwillinge verwenden, sollten Sie auch die Wartungszyklen kennen und wissen, wann potenzielle Upgrades oder Probleme Ihrer Produkte auftreten können. Durch die Automatisierung des Kommunikationsprozesses, um Ihre Kunden umgehend zu informieren, bevor sie Sie kontaktieren müssen, gewinnen Sie Anerkennung im Kundenservice.

Durch Fortschritte bei der Online-Netzwerkkonnektivität, zuletzt die Einführung von 5G-verbundenen Geräten und die kontinuierliche Stärkung von Bluetooth, ist es einfacher denn je, die verschiedenen Geräte zu verbinden, die wichtige Geschäftsfunktionen ermöglichen. Dafür gibt es zwei Möglichkeiten:Datenanalyse und Automatisierung. Diese miteinander verbundenen Daten werden häufig über Cloud-Software gesammelt und an einem leicht zugänglichen Ort gebündelt. Ein Unternehmen kann Cloud-Anwendungen verwenden, um Informationen zu den am häufigsten gesuchten Website-FAQs, den Fulfillment- und Retourenaufzeichnungen sowie Materialbeschaffungsdaten zu sammeln. Dadurch kann nachverfolgt werden, wann bei Kunden ein bestimmtes Problem mit einem Produkt aufgetreten ist, ob das Problem durch den Support gelöst werden kann oder einen Rückruf erfordert und ob es sich um eine bestimmte Bestellung eines Lieferanten handelt. Zusammen können Problem und Lösung abgeleitet werden.

Fortschritt mit skalierbaren Lösungen

Fertigungsunternehmen auf der ganzen Welt beschleunigten die Digitalisierung als Reaktion auf die Herausforderungen der Covid-19-Pandemie. Im Vereinigten Königreich gaben mehr als zwei von fünf Herstellern (43%) dies für ihre jeweiligen Geschäftstätigkeiten im Laufe des Jahres an. Und obwohl fast 95 % der globalen Hersteller oder Lieferkettenbetreiber angeben, von der Pandemie negativ betroffen zu sein, fühlen sich 82 % jetzt bereit, in Zukunft mit einem ähnlichen Ereignis fertig zu werden. Ihre wichtigste Erkenntnis ist die Fähigkeit, digitale Befähiger zu transformieren und zu nutzen.

Lassen Sie sich von weltweit führenden Unternehmen inspirieren und lernen. Zum Beispiel auf verschiedene Weise; Optimierung des Stromverbrauchs in Anlagen während der Live-Produktion; maschinelle Qualitätskontrollen und die autonome Anpassung der Position von Windturbinenrotoren, um die Erträge des Windparks zu steigern. um ein neues Maß an Qualitätskontrollen in seine Fertigungszentren zu bringen. Fertigungskomponenten werden mithilfe industrieller Radiographie genau untersucht, um die Integrität jedes Teils und seine interne Struktur zu überprüfen.

Die Fertigungsindustrie ist besser denn je für den Einsatz von KI-Strategien gerüstet, und der Wert davon ist überdeutlich geworden. Indem sie sich auf die Digitalisierung konzentrieren, näher an die Endnutzer heranrücken und das digitale Ökosystem erneuern, um sicherzustellen, dass die Bedürfnisse der Kunden erfüllt werden können, können Hersteller eine Kommodifizierung vermeiden, besser aufgestellt sein, um die Konkurrenz zu schlagen, und eine langfristige Loyalität sowohl von neuen als auch von bestehenden fördern Kunden.

Weitere Informationen zu Fertigungsthemen finden Sie in der neuesten Ausgabe von

Folgen Sie uns auf und .