Die intelligente Fabrik als Evolution der schlanken Produktion

Share On

enter-qlector-leap

Der Zweck von Lean besteht darin, Ineffizienzen aus jeder Produktionsphase im Unternehmen zu beseitigen und niemals mehr Produkte herzustellen, als die Nachfrage es erfordert.

Dies stärkt die Kultur und konfiguriert das gesamte Produktionssystem und beeinflusst daher nicht nur Prozesse, sondern auch das gesamte Fabrikdesign und die Architektur. IoT, Cloud-Plattformen und die massive Verbreitung künstlicher Intelligenz beeinflussen den Kern all dieser Phasen und rufen nach einer Neugestaltung von Fertigungsprozessen, -architekturen und -ökosystemen, was eine neue Generation von Fabriken schafft – die intelligenten Fabriken.

Optimierung des Wertstroms

Beim Lean Manufacturing besteht der Wertstrom aus allen Aktivitäten, die erforderlich sind, um ein bestimmtes Produkt zu entwerfen, zu produzieren und dem Benutzer bereitzustellen. Auf der Suche nach einem Prozess ohne Ineffizienzen sollten wir ständig über Aktivitäten im Prozess nachdenken und verstehen, welche davon die Wertschöpfung fördern bzw. entfernt oder optimiert werden können. Übliche Quellen für Ineffizienzen in der Fertigung sind Überbestände, Überproduktion, nicht wertschöpfende Verarbeitung, suboptimale Trajektorien, Produktion von Ausschussware oder unterausgelastete Mitarbeiter.

Überbestände

Die Nachfrageprognose ist eine der wichtigsten und komplexesten Fragen im Zusammenhang mit der Güterproduktion. Die Nachfrage hängt von mehreren Faktoren ab, einige liegen dem Produkt zugrunde, einige sind kontextbezogen (konkurrierende Produkte, wirtschaftlicher Kontext und andere Faktoren). Um genaue Prognosen bereitzustellen, sollten wir auf alle von ihnen einwirken. Die Vorteile wirken sich nicht nur auf eine bestimmte Fabrik aus, sondern verbreiten sich über die gesamte Produktionskette und reduzieren Wartezeiten und den Peitscheneffekt [1].

Ineffizienzen bei Materialbeständen hängen nicht nur von der Menge der Artikel ab, sondern auch von ihrer Vielfalt: Je homogener der Bestand ist, desto schneller kann er von der Nachfrage nach anderen Produkten absorbiert werden. Dieser Aspekt kann bereits in der Produktgestaltungsphase angegangen werden, in der Modelle und Heuristiken verwendet werden können, um alternative Komponenten für optimale Designs zu identifizieren und vorzuschlagen [2]. Diese Modelle können nicht nur dazu beitragen, die Materialvielfalt in den Beständen zu minimieren, sondern auch Prioritäten zu setzen für Komponenten, die nicht schnell veralten, was wiederum die Aktualisierung von Design und Bestand sowie den Technologietransfer zwischen Produkten vorantreiben kann. Der Technologietransfer zwischen Produkten kann zwei zusätzliche Vorteile bieten: die Wettbewerbsfähigkeit des Produkts, da eine Korrelation zwischen der Geschwindigkeit des Technologietransfers und dem Abschneiden der Produkte auf dem Markt besteht [3], und die Möglichkeit, wettbewerbsfähige Preise von Anbietern zu erhalten, indem Anbieterkomponenten, Standort, Trends und Preise für allmähliche Designaktualisierungen analysiert werden.

Umgang mit defektbezogenen Problemen

Defektbezogene Probleme haben mehrere Dimensionen: ihre Erkennung, Rückverfolgbarkeit und auch ihre Vorhersage. Alle können mit einer geeigneten Informationsinfrastruktur und KI-Modellen gelöst werden, um die aktuelle oder erwartete Artikelqualität zu bewerten. Die Erkennung von Defekten zielt auf fehlerfreie Prozesse durch intelligente Überwachungs- und Steuersysteme (ISCS) ab, bei denen die Defekterkennung als Klassifizierungsproblem formuliert werden kann [4]. Die Rückverfolgbarkeit von Defekten wird durch die IoT-Interkonnektivität ermöglicht: Sobald eine Reihe von fehlerhaften Artikeln gefunden wird, können diese bis zur Produktionsmaschine zurückverfolgt und entsprechende Maßnahmen ergriffen werden. Die weitere Produktion kann auf andere Maschinen umgeplant werden, Informationen zum aktuellen Maschinenzustand und -verhalten können dem System zurückgemeldet werden, um es über die fehlerhaften Artikel zu informieren, und schließlich kann überprüft werden, ob eine Person mit den erforderlichen Fähigkeiten sofort verfügbar ist, um die Maschine zu reparieren, oder ob sie für eine Wartung eingeplant werden sollte. In einigen Fällen können Defekte vorhergesagt werden. Maschinen- und Kontextdaten können verwendet werden, um eine hohe Wahrscheinlichkeit für fehlerhafte Artikel vorherzusehen und präventive Maßnahmen zu ergreifen, um diese zu vermeiden.

Reduzierung von übermäßiger Bewegung

Übermäßige Bewegung kann durch Heuristiken und KI-Modelle für die Layoutoptimierung reduziert werden [5]. Im Kontext intelligenter Fabriken kann übermäßige Bewegung eine neue Bedeutung erhalten: Wir sprechen nicht mehr nur über physische Entfernungen, sondern auch über die entsprechenden Schritte zum Ergreifen von Maßnahmen. Diese Analyse darüber, wie Informationen herausgegeben und präsentiert werden und wie Personen darauf reagieren können, kann einen Wettbewerbsvorteil einbringen. Erkenntnisse sollten von Empfehlungen begleitet werden. Schließlich wird sich dies zu einer Maßnahmenbestätigung entwickeln, bei der ein Benutzer die empfohlene Maßnahme einfach nur bestätigen muss und diese dann ausgeführt wird. Zusammen mit der Empfehlung sollte eine für den Menschen verständliche Beschreibung bereitgestellt werden. Auf diese Weise kann die Person den Kontext und die konkreten Daten verstehen, aufgrund derer die Chance oder das Problem erkannt wurde. Sie erhält eine Erklärung, warum das Modell glaubt, dass man Maßnahmen ergreifen sollte, sowie eine Schätzung des erwarteten Ergebnisses.

Förderung talentierter Personen

Ein weiterer wichtiger Aspekt der Optimierung ist das Talent und die Arbeitszeit der Mitarbeiter, um unterausgelastete Personen zu vermeiden, sie immer motiviert zu halten und ihnen zu helfen, ihr Fähigkeiten zu entwickeln. Zu diesem Zweck können die Fähigkeiten und Eigenschaften der Mitarbeiter analysiert werden, um Zeitpläne auszuarbeiten, die die Gesamtarbeitszeit, Produktivität und den Wissenstransfer maximieren. Jedes Ereignis in der intelligenten Fabrik, das menschliches Eingreifen erfordert, kann zu Neuplanungen führen, um die beste Zeitplankonfiguration gemäß dieser Ziele sicherzustellen. Das Planungssystem müsste verstehen, welche Personen mit welchen Fähigkeiten, Erfahrungen und Persönlichkeitsmerkmale am besten zusammenarbeiten und wie Wissen zwischen den Mitarbeitern übertragen wird, um die besten Möglichkeiten zu finden, die Teamarbeit zu fördern.

Die oben beschriebenen Anwendungsfälle können am besten in einer Fabrik implementiert werden, die Informationsflüsse ordnungsgemäß integriert und gute Mittel zur Speicherung, Verarbeitung und Bereitstellung von Informationen bereitstellt. Die beste Architektur für Informationssysteme und die Integration von Daten ist immer noch Gegenstand aktiver Forschung. Die besten Praktiken für Daten- und Informationsmanagement in der Industrie 4.0 entwickeln sich weiter, und wir können erwarten, dass sie dies schnell tun und von der umfangreichen Erfahrung in anderen Softwarebereichen profitieren werden.

[1] Lee, Hau L., Venkata Padmanabhan, and Seungjin Whang. “Information distortion in a supply chain: the bullwhip effect.” Management science 43.4 (1997): 546–558.
[2] Jean Thilmany. “Putting Artificial Intelligence to Work in CAD Design”. Zuletzt abgerufen am 23.07.2019 auf https://www.engineersrule.com/solidworks-puts-artificial-intelligence-work/
[3] Cusumano, M.A., Nobeoka, K., 1998. Thinking Beyond Lean. The Free Press, New York.
[4] C. A. Escobar and R. Morales-Menendez, “Machine Learning Techniques for Quality Control in High Conformance Manufacturing Environment,” Advances in Mechanical Eng, Bd. 10, Nr. 2, 2018.
[5] M.-Y. Cheng and L.-C. Lien, A hybrid AI-based particle bee algorithm for facility layout optimization, Engineering with Computers, Bd. 28, S.57–69, 2012.

Read more articles

Bereichern Sie Ihr SAP mit QLECTOR LEAP

KI in der Fertigung: Neueste Trends zeigen eine Verschiebung vom Effizienzsteigerungsimperativ hin zu Flexibilität und Resilienz

„Bei der Digitalisierung geht es nicht um technische Schlagwörter, sondern darum, Probleme zu lösen.“