So verändert KI die Fertigungsindustrie

19 Mrz 2024

Von George Dickey

In Wirtschaftszweigen wie der allgemeinen Fertigung und dem Automobilbau hat KI bereits Prozesse und Effizienz revolutioniert. Dieser Artikel befasst sich mit dem weltweiten Einsatz von KI in Produktionsstätten.

Vorausschauende Wartung mittels KI

Bei allen Anwendungen mit Maschinen werden im Rahmen der vorausschauenden Wartung KI-Algorithmen eingesetzt, die vorhersagen sollen, wann und warum eine Maschine ausfallen könnte. Diese Art der KI-Implementierung erlaubt es, Maschinen proaktiv zu reparieren, bevor sie ausfallen. Dadurch lassen sich Kosten minimieren, Wartungspläne optimieren und Systemausfallzeiten reduzieren. Bei Anwendungen für die vorausschauende Wartung analysiert die KI Verlaufsdaten von Sensorsignalen, die Anlagenleistung im Zeitverlauf und den prognostizierten Bedarf, um potenzielle Ausfälle vorherzusagen.

Damit die vorausschauende Wartung funktionieren kann, benötigen Maschinen eine Reihe von speziell entwickelten Sensoren, Komponenten zur Anbindung an das IoT und systemeigene Datenverarbeitungseinheiten. Algorithmen für maschinelles Lernen können auf integrierten Datenverarbeitungseinheiten, lokalen Servern oder in der Cloud ausgeführt werden. Technologie zur vorausschauenden Wartung findet sich in fast jeder Branche, egal ob bei einer einfachen Pumpe für ein hydronisches Kühlsystem oder einer hochmodernen 12-achsigen CNC-Anlage.

Lieferkettenoptimierung mittels KI

In der Fertigung kann die Lieferkettenlogistik den Produktionsdurchsatz drastisch zum Guten oder Schlechten beeinflussen. Eine KI-gestützte Optimierung von Lieferketten in der Fertigung kann den Bedarf an Fließbandanlagen vorhersagen, die Inventarbestände auf der Grundlage der Fertigungsgeschwindigkeit optimieren und effiziente Lager- und Transportwege in einem Fertigungswerk vorschlagen. In Kombination lassen sich durch den Einsatz von KI in der Fertigungslieferkette die Kosten erheblich senken, der Durchsatz erhöhen und Verzögerungen minimieren.

Im Boeing-Werk in Everett, dem größten Gebäude der Welt mit einer Innenfläche von über 98 Hektar, werden beispielsweise vier verschiedene Flugzeugtypen hergestellt. Ein einziges Flugzeug des Typs Boeing 777 besteht aus rund 3 Millionen Teilen von über 500 Zulieferern. Für das Management der komplexen Lieferkette innerhalb des Werks setzt Boeing FRID-Tags, GPS-Tracker, Systeme zur Lagerautomatisierung, automatische Fahrzeuge, Fördersysteme und fortschrittliche Robotertechnik ein. Die Rationalisierung der Lieferkettenlogistik stützt sich in hohem Maße auf KI-gesteuerte Logistiksoftware. Sie ermöglicht ein übermenschliches Management nicht nur der Produktion eines einzelnen Flugzeugs, sondern in der gesamten Fabrik.

Energieoptimierung im Fabrikbetrieb

Die Produktivität und Effizienz einer Fabrik sind die wichtigsten Leistungsindikatoren. Die Senkung des Energieverbrauchs kann die Kosteneffizienz einer Fabrik erhöhen. Wird sie jedoch nicht wirksam gesteuert, kann sich die Gesamtproduktivität verringern. Die Energieoptimierung von Fabriken mithilfe von KI umfasst die Analyse von Echtzeitdaten aus einer Reihe von Geräte- und Umgebungssensoren, Maschinenabläufen, Energieverbrauchsmustern und Kostenmustern, um Ineffizienzen zu erkennen und Maßnahmen für eine optimale Energienutzung vorzuschlagen.

So nutzt Siemens beispielsweise KI-Algorithmen, um digitale Abbilder von Fabriken zu erstellen, in denen die Maschinenleistung überwacht, Produktionspläne optimiert und Energienutzungsmuster in einer Vielzahl von Fabriktypen optimiert werden. Siemens hat bewiesen, dass es mit Hilfe von KI-basierten prädiktiven Analysen dazu beitragen kann, bei gleichbleibender Produktionsleistung die energiebezogenen Emissionen um 50 % zu senken, indem die Energieverschwendung während der Leerlaufzeiten reduziert und die Betriebszeiten der Maschinen optimiert werden. Dazu braucht es Geräte wie intelligente Stromzähler, Energieüberwachungssysteme, IoT-fähige Sensoren und KI-basierte Energiemanagementplattformen. Trotz ihrer hohen Anschaffungskosten kann ihr Einsatz die Gesamtkosten der Fabrik über die gesamte Lebensdauer senken.

KI-gestützte Robotik in der Automobilindustrie

Im Automobilbau werden in fast jeder Phase der Montage robotergestützte Montagetechniken eingesetzt. KI-gesteuerte Roboter können Materialien präzise platzieren, Fahrzeugteile zusammenschweißen und befestigen, bei der allgemeinen Montage mit Menschen zusammenarbeiten (sogenannte ‚Cobots‘, d. h. kollaborative Roboter) und Materialien durch die gesamte Fertigungsanlage transportieren.

Darüber hinaus können die Bewegungen von Robotern selbst mithilfe von KI optimiert werden. Wenn z. B. ein Roboterarm fünf unabhängige Motoren verwendet, um eine Klauenvorrichtung am Ende des Arms zu steuern, kann die KI die effizienteste Methode zur unabhängigen Steuerung der Motoren bestimmen, um die Genauigkeit zu verbessern, den Energieverbrauch zu senken und die Zeit bis zur Fertigstellung einer Aufgabe zu verkürzen. Diese Fähigkeit ist besonders vorteilhaft für Schweiß-, Montage- und Lackieranwendungen, wie sie z. B. in der Automobilfertigung eingesetzt werden, denn sie kann qualitativ hochwertige und gleichmäßige Schweißnähte gewährleisten und gleichzeitig den Gesamtenergieverbrauch und die Fertigungszeit minimieren. In diesen Robotern kommen häufig Sensoren zur Bildverarbeitung, Rechensysteme, KI-fähige Steuereinheiten und verschiedene Bewegungssensoren zum Einsatz.

KI-gestützte Qualitätskontrolle

Fahrzeuge enthalten Hunderttausende von Bauteilen, von denen die meisten anfällig für Ausfälle sind. Mit zunehmender Automatisierung des Montageprozesses steigt der Bedarf an einer strengen und hochwertigen Qualitätssicherung. Durch die Analyse von Bildern, Videos und Sensordaten hilft die KI bei der Identifizierung von Mängeln oder Abweichungen von Qualitätsstandards und kann so fehlerhafte Bauteile oder Einzelkomponenten erkennen.

So verfügt zum Beispiel die Lackieranlage von Porsche über ein vier Meilen langes Förderband mit einem vollständig robotergesteuerten Lackierprozess und einem Tunnel zur Endkontrolle. Im Inspektionstunnel prüfen Mitarbeiter und hochauflösende Kameras die Lackierungen. Die Videobilder dieser Kameras werden von einer KI analysiert. Sie erkennt kleinere Mängel, die sofort behoben werden können.

Konstante Prozessverbesserung

Auf eine andere Art und Weise erfolgt bei BMW der Einsatz von KI im Lackierprozess: Hier dient die KI zur Gesamtprozessanalyse der Lackierstraße. BMW nutzt KI, um einen Anstieg der Staubbelastung im Werk vorherzusagen, der sich je nach Temperatur und Jahreszeit negativ auf die Lackqualität auswirken kann. Auf der Grundlage dieser Vorhersage kann BMW den Zeitpunkt des Filterwechsels in seinen HLK-Anlagen genau festlegen, um die schädlichen Auswirkungen effektiv zu minimieren.

Ganz allgemein ausgedrückt, kann eine KI riesige Datenreihen unter Verwendung einer Vielzahl von Eingabedaten verarbeiten und Muster und Unregelmäßigkeiten in diesen Daten erkennen, um Datenergebnisse zu überwachen oder vorherzusagen. Bei BMW wurde eine Reihe historischer und aktueller Wetterdaten eingegeben, und die Ausgabe ist der erwartete Anstieg der Staubpartikelkonzentration und die daraus resultierenden Maßnahmen für den Filterwechsel.

Fertigungsoptimierung mittels KI

Eine KI kann verschiedene Typen von Eingabedaten zusammenführen und Muster erkennen. Sie erleichtert eine tiefgreifende Analyse und liefert anwendungsspezifische Empfehlungen, mit denen sich in nahezu jeder Branche Verbesserungen in der Fabrik und in der Produktion erzielen lassen. Die Implementierung von KI erlaubt es uns Menschen, komplexe Systeme besser zu verstehen und Probleme in der realen Welt zu lösen. Ganz gleich, ob es darum geht, eine neue Ära der Qualitätskontrolle in der Lackierstraße von Porsche einzuleiten, das größte Fertigungswerk der Welt bei Boeing zu verwalten oder die Leistung einer einfachen Hydronikpumpe zu überwachen – KI kann die Effizienz der industriellen Fertigung optimieren, die Leistung maximieren und den Energieverbrauch senken.