🕔: 8 min – Technik: ✔✔
Wie bereits in den vorangegangenen Artikeln beschrieben, gibt es kaum Grenzen für den Einsatz von künstlicher Intelligenz. Dementsprechend wäre es vermessen und unmöglich, alle Anwendungsbeispiele in nur einem Artikel aufzuzählen. An dieser Stelle sollen lediglich mögliche Anwendungen beschrieben werden und dazu anregen, diese an die individuellen Bedürfnisse anzupassen.
Es gibt bereits viele Anwendungen in anderen Bereichen, in denen künstliche Intelligenz zum Einsatz kommt und einige Erkenntnisse aus vermeintlich einfachen Tests sind sehr beeindruckend.
So wurde einer KI ohne direkte Vorgaben die Aufgabe gestellt, Fotos von Wölfen und Hunden zu unterscheiden. Nach der Lernphase wurde ein Test durchgeführt. Als ein Husky-Welpe als Wolf erkannt wurde, analysierte man diesen Fehler und stellte fest, dass die KI nicht die Tiere, sondern die Umgebung analysiert hatte. Auf der einen Seite wurde das belächelt, auf der anderen Seite wurde schnell klar, dass eine KI nicht wie ein Mensch entscheidet, sondern aus einer riesigen Datenmenge Prioritäten setzt, die aus menschlicher Sicht nicht logisch oder in manchen Fällen kaum nachvollziehbar sind.
In der Medizin ist der Einsatz von künstlicher Intelligenz heute nicht mehr wegzudenken. Manche Krankheiten wurden bisher anhand bestimmter Marker im Blutbild erkannt. Bei der Analyse durch eine KI stellte sich heraus, dass sich bereits andere Werte im Blutbild veränderten, bevor der bisherige Marker überhaupt erkennbar war. So konnte die Früherkennung erheblich verbessert werden.
Die Frage „Fluch oder Segen“ ist bei richtiger Anwendung schnell beantwortet.
Diese Erkenntnisse gilt es auf individuelle Anwendungsfälle zu übertragen. Gerade bei komplexen Prozessen oder Anlagen ist es für einen Bediener kaum möglich, alle Prozesse gleichzeitig zu beobachten, zu bewerten und anzupassen. In der Regel richtet sich die Aufmerksamkeit auf das Wesentliche. Anpassungen werden meist aufgrund von Problemen vorgenommen. Eine Optimierung des Gesamtprozesses ist kaum möglich.
Dennoch darf an dieser Stelle nicht vergessen werden, dass maschinelles Lernen auf Daten basiert, die je nach Anwendungsfall nicht zur Verfügung stehen. Dementsprechend steht vor der Implementierung die Erfassung der notwendigen Daten im Vordergrund. Da viele Anlagen in der Betonindustrie Individuallösungen sind, muss je nach Aufgabenstellung eine Einzelfallbetrachtung durchgeführt werden.
Es erklärt sich daher von selbst, warum Anlagen nicht grundsätzlich mit solchen Funktionen ausgestattet sind und wenn, diese nur für einzelne Prozesse im Standard zur Verfügung stehen.
Anwendungsbeispiel 1: Administration
Im Gegensatz zu den Beispielen aus der Produktion sind die zu verarbeitenden Daten aus der Administration deutlich einfacher zu beschaffen bzw. bereits vorhanden. ERP-Systeme und das Internet schaffen bereits einen ausreichenden Datenpool, um eine KI kurzfristig einzusetzen.
In Bereichen wie Beschaffung, Marketing, Vertrieb gibt es bereits viele Tools. Auch die Anbieter von ERP-Systemen bieten fertige Lösungen an. An dieser Stelle wollen wir uns auf ein konkretes branchenbezogenes Beispiel konzentrieren.
Verbesserungspotential
In der Regel haben die Produkte heute einen festen Lagerort. Ziel ist in erster Linie die Gewährleistung der Erreichbarkeit aller Produkte auf dem Hof, was nur möglich ist, wenn die Gesamtfläche dies zulässt. Zusätzlich müssen die Fahrwege der Fahrzeuge berücksichtigt werden. Neben dem Staplerverkehr sind auch Fahrwege für Anlieferungen, Abholungen sowie Not- und Fluchtwege zu berücksichtigen. Schnell kann der Staplerfahrer zum wichtigsten Glied in der Kette werden.
Mit Einsatz einer künstlichen Intelligenz wäre man in der Lage, durch eine für uns evtl. chaotische Lagerhaltung, die Flächennutzung, den Materialflusses sowie die Minimierung der Wege zu realisieren.
Benötigte Daten
– Inventar
– Flächen und Wege
– Auftragsbestand
– Produktionsplan
– Mobile Geräte mit Informationen und GPS (optional)
Künstliche Intelligenz
Produkte, die auf Lager produziert werden, können aufgrund historischer Informationen so platziert werden, dass Produkte mit hoher Frequenz kürzere Wege haben bzw. besser zugänglich sind. Ändert sich die Frequenz, würde das System Lagerorte sukzessive ändern, ohne dass eine Umlagerung notwendig wäre. Vielmehr würde man zum entsprechenden Zeitpunkt neu produzierte Ware bereits auf einem zukünftigen Lagerplatz senden und somit den aktuellen Lagerplatz unter Berücksichtigung der Aufträge sukzessive leeren.
Rein auftragsbezogen Produkte, bei denen auf Grund geringer Stückzahlen die Belegung eines kompletten Lagerplatzes nicht möglich ist, können unter Berücksichtigung der Lieferzeit chaotisch gelagert werden.
Fazit
Für Einige ist hier der Einsatz der KI vielleicht nicht auf den ersten Blick ersichtlich, weil z. B. genug Fläche vorhanden ist und eine laufende Inventur nicht notwendig. Geht man jedoch davon aus, dass autonome Fahrzeuge in Zukunft eine größere Rolle spielen, und kombiniert man diese Technik, wird einem die ganze Tragweite bewusst.
Anwendungsbeispiel 2: Optimierung der Energieeffizienz und Reduzierung des Verschleißes
Im Anschluss an eine Betonsteinmaschine sind 5 Keilriemenförderer im Einsatz.
Üblicherweise laufen diese kontinuierlich, sobald sich die Keilriemenförderer (Abtransport) im Automatikbetrieb befinden. Dabei spielt es oft keine Rolle, ob ein Brettausstoß erfolgt oder nicht. Die Geschwindigkeit ist meist auf die maximal zulässige Geschwindigkeit für dieses Produkt eingestellt.
Verbesserungspotential
Hier gibt es 2 Faktoren, die mit geringem Aufwand verbessert werden könnten. Zum einen, eine Verbesserung der Energiebilanz und zum anderen, eine Reduzierung des Verschleißes durch geringeren Einsatz.
Die Förderstrecken sollen nur bei Bedarf anlaufen, und zwar mit einer Mindestgeschwindigkeit, die ausreicht, um einen Rückstau zu vermeiden.
Benötigte Daten (ohne Konstanten)
– Produkt-ID
– geschwindigkeitsabhängige Transportzeiten (Materialfluss)
– situationsabhängige Wartezeiten
– Anlaufzeiten
– Leistungsaufnahme der Antriebe (optional)
Steuerung mit KI
Abhängig von der Anlaufgeschwindigkeit und der Information, ob demnächst eine Anforderung (Brettausstoß) erfolgen könnte, werden nur die Förderer gestartet, die notwendig sind, um einen Rückstau zu vermeiden. Bei Erfassung der Stromaufnahme kann es auch sinnvoll sein, die Förderstrecken nur mit einer Mindestgeschwindigkeit zu betreiben, anstatt sie ganz abzuschalten. Kommt es zu einem Rückstau, werden die Förderer mit der für das Produkt maximal zulässigen Geschwindigkeit betrieben, um diesen aufzulösen. Auch Geschwindigkeitsreduzierungen an Übergängen sind denkbar.
Fazit
Es wird schnell deutlich, dass eine ständige situationsbedingte Anpassung der Geschwindigkeiten bzw. die Entscheidung, welche Förderstrecke in Betrieb ist, für einen Bediener nicht zumutbar wäre. Auch eine schwache KI wäre sicherlich ein guter Anfang, aber nicht in der Lage, derart komplex zu handeln. Natürlich ist dieses Beispiel auch auf andere, ähnlich aufgebaute Anlagenteile übertragbar.
Anwendungsbeispiel 3: präventive Instandhaltung
Natürlich ist es möglich und empfehlenswert, Maschinen in regelmäßigen Abständen zu warten. Andererseits sind Wartungsintervalle auch immer von der Nutzung abhängig. Es wäre fatal, die Wartungsintervalle eines Autos nur auf die Fahrstrecke zu reduzieren. Vergleicht man ein Fahrzeug, das auf der Rennstrecke unterwegs ist, mit einem Fahrzeug, das nur in der Stadt im Einsatz ist, so werden die Unterschiede deutlich.
Künstliche Intelligenz kann zur Vermeidung von Stillstandzeiten, optimierte Ersatzteilbevorratung und Kostenoptimierung genutzt werden.
Verbesserungspotential
Gleitlager in einem Anlagenteil müssen nach einer bestimmten Zeit gewechselt werden. Der Verschleiß ist natürlich meist nutzungs- bzw. belastungsabhängig. Der Zeitpunkt soll vorausschauend geplant werden und die Beschaffung der Teile „just in time“ erfolgen.
Benötigte Daten (ohne Konstanten)
– Produkt-ID
– Drehzahl der Antriebe (Parametrierung)
– Anzahl der Zyklen
– Zustand der Lager bei Austausch bzw. Zeitpunkt des Ausfalls
– Beschaffungszeit der Ersatzteile
– Leistungsaufnahme der Antriebe (optional)
– Produktionsplan (optional)
Künstliche Intelligenz
Da es sich um einen Prozess handelt, bei dem lange Zeiträume entstehen bis genügend Daten vorhanden sind, bietet es sich an, anfänglich zwar alle Daten zu erfassen, doch vorerst den Algorithmus zu vereinfachen. Dies geschieht, indem man einen berechneten Index als Näherungswert bildet (Beispiel Förderstrecke: Geschwindigkeit x Gewicht x Zyklen). Mit dieser Kennzahl, in Kombination mit dem Zustand des Lagers zum Zeitpunkt des Austausches, lässt sich der Ist-Zustand gut ermitteln und das Lager entsprechend vorausschauend auszutauschen. Durch die Erfassung der Stromaufnahme und des Produktgewichts können Unregelmäßigkeiten erkannt werden.
Fazit
Die Festlegung von Wartungsintervallen für Maschinen in der Betonindustrie erfolgt meist auf Basis von Erfahrungswerten und bisher nur selten unter Einbeziehung von Informationen über den Nutzungsgrad. Was in der Automobilindustrie bereits Standard ist, wird in Zukunft auch in anderen Branchen Einzug halten.
Anwendungsbeispiel 4: Selbstlernende Maschine
Die ist sicherlich die Königsdisziplin in jedem Prozess, insbesondere in einer Branche mit relativ vielen Variablen (z.B. geringfügige Rohstoffschwankungen).
Verbesserungspotential
Hier wäre die Aufgabenstellung anhand von vorgegebenen Produkteigenschaften die Parametrierung der Anlage selbständig zu übernehmen und zu optimieren.
Benötigte Daten (ohne Konstanten)
– Produkt-ID
– Rohstoffe inkl. Rohstoffzustand
– alle Temperaturen
– Mischer Parametrierung
– Technischer Zustand (z.B. Mischerschaufeln)
– Maschinen Parametrierung
– Technischer Zustand (z.B. Gummipuffer)
– Erfassung der Produktqualität im Nasszustand
– Aushärtungsprozess und zugehörige Daten
– Erfassung der Produktqualität im ausgehärteten Zustand
– …
Es wird schnell klar, dass diese Fiktion zwar theoretisch möglich ist, aber eine enorme Menge an Informationen erfordert, die derzeit nicht vorhanden sind. Da dieses Beispiel mehrere Seiten in Anspruch nehmen würde, wird es an dieser Stelle abgekürzt.
Es ist fraglich, inwieweit hier Aufwand und Ergebnis in einem sinnvollen Verhältnis stehen.
Dennoch gibt es bereits Systeme, die gerade bei der Qualitätserfassung viele Informationen liefern können. In Verbindung mit Anlagenparametern können diese als Grundstein für die Zukunft dienen.
Bei allen Anwendungsbeispielen ist es selbstverständlich alle Datenaufzeichnungen mit Datum und Uhrzeit zu versehen, sowie die mit der Produkt ID verknüpfte Informationen (z.B. Gewicht, …) zu speichern. Bei kumulierten Daten empfiehlt sich die Einzelerfassung und Auswertung über die Datenbank.
Bei Fragen oder Interesse wenden Sie sich bitte an uns.
