KI- Autonome Produktion
Die Produktionstechnik wird zunehmend geprägt vom Einsatz computergestützter Wissensmanagementsysteme. Dabei differenziert man zwischen Expertensystemen, die einen deduktiven, auf Erfahrungswissen beruhenden, Lern-Ansatz verfolgen und induktiven Optimierungsmethoden, die auf mathematischen Modellen (Algorithmen) zunächst ohne Expertenwissen auskommen und auf ein klar umrissenes Optimierungsziel selbstlernend funktionieren. Der Einsatz der induktiven Lernmethoden (deep learning, maschinelles lernen) hat das Potenzial zukünftig die maßgebliche Technologie im Rahmen einer autonomen Produktion darzustellen. Unter Autonomie soll hierbei verstanden sein, dass die zukünftige Produktionseinheit (Maschinenverbund inkl. Automationstechnik über die gesamte Fertigungskette hinweg) völlig autark ohne menschliches Eingreifen von einem Computer im Hinblick auf Produktivität, Qualität und Wirtschaftlichkeit höchst effizient und effektiv vollautomatisch gesteuert und geregelt wird.
Die Vision einer autonomen Produktion
Selbstlernende elektronische Datenverarbeitungssysteme beherrschen aufgrund der aktuell weit verbreiteten verfügbaren Rechenleistungen der zugehörigen Hardware die zunehmende Komplexität im Umfeld dynamisch agierender Fertigungssysteme deutlich besser als es der einzelne Mensch und sogar ganze Gruppen von Menschen vermag. Sie arbeiten im Gegensatz zum einzelnen Menschen ständig, zunehmend fehlerfrei, zuverlässig und erzielen mit Hilfe predictiver, also vorausschauender Assistenzsysteme eine maximale Fertigungsrobustheit bei gleichzeitiger Maximierung der Produktivität. Dabei wird der Personaleinsatz in der Produktion nicht zwingend reduziert, sondern der Mensch wird dieses System durch seine vielfältigen Möglichkeiten weitestgehend unterstützen können. Der Mensch wird im System dieser Ausprägung entweder als Arbeitskraft ohne Weisungsbefugnisse oder aber, als ausgewiesener Fachexperte, die Plausibilitätsprüfer der numerisch getroffenen Entscheidungen fungieren können.
Eine computergesteuerte Fertigung benötigt konkrete Optimierungsziele, sonst können die klassischen Lernmethoden der künstlichen Intelligenz, oder des maschinellen Lernens nicht angewendet werden. Solche Ziele können die Anzahl von Gutteilen / Stunde oder die Wirtschaftlichkeit betreffen.
Dabei müssen Prioritäten vergeben werden. Oberstes Ziel kann also bspw. sein, die Stückkosten zu senken. Ohne die gleichzeitige Sollwertvorgabe wie hoch die Stückzahl, die je Zeiteinheit hergestellt werden sollen wird das System unter Umständen nicht zielführend arbeiten.
Ein konkretes Optimierungsziel ist natürlich die Anzahl von Gutteilen / Stunde zu maximieren, um in der Fertigung effektiver und effizienter zu gestlaten. So können dann Stückkosten gesenkt werden.
Maximierung der Anzahl von Gutteilen / Stunde = max {production output}
Auch die Wirtschaftlichkeit als konkrete Optimierungsziel trägt stark zur besseren Fertigung und senkenden Stückkosten bei.
Maximierung der Wirtschaftlichkeit (€) = max {earnings per hour}
In diesem Artikel relevante Produkte:
GRX-Q
Diese Artikel aus unserem Magazin könnten Sie auch interessieren:
KI - Was ist das?
Im Grunde genommen ist der Begriff der künstlichen Intelligenz in diesem Zusammenhang fachlich falsch platziert. Künstliche Intelligenz beschreibt die akademischen Bestrebungen des Menschen das menschliche Gehirn und dessen Leistungen zu erforschen und mit Hilfe rechnergestützter Methoden abzubilden.
KSS-Druckregelsysteme
Druckregelsysteme haben vor allem bei großen und komplexen KSS-Versorgungsanlagen eine hohe Relevanz. Wir haben die Vorteile gegenüber konventionellen Druckregelungen zusammengestellt und skizzieren die technische Umsetzung einer adäquaten Druckregelung.
Fehler im KSS-System
Moderne Großserienfertigungen metallischer Bauteile verfügen häufig über große und ebenso komplexe Kühlschmierstoffsysteme. Alle Parameter im Blick zu behalten und für einen zuverlässigen Betrieb zu sorgen ist daher nicht trivial. Coolant Monitoring Systeme können bei der Überwachung des KSS-Systems unterstützend eingesetzt werden.
KI - Wie geht man vor?
Der erste Schritt im Kontext ist es, mit der Umsetzung möglichst unverzüglich zu beginnen und nicht abzuwarten bis ein Mitbewerber eine Lösung vorweisen kann. Denn diese Lösung, sofern Sie überhaupt zugänglich wäre, kann mit Sicherheit nicht einfach kopiert oder per Knopfdruck erworben werden.