Wie KI und PLM die Produktqualität verbessern

Die Rückrufquoten der Fertigungsindustrie sind enorm: Allein bei Autos lag die Quote im Jahr 2017 bei 147 Prozent. Nach den Berechnungen des Center of Automotive Management (CAM) in Bergisch Gladbach wurden also 50 Prozent mehr Autos zurückgerufen als verkauft. Und auch in anderen Branchen sieht es oft nicht viel besser aus.

Ein Grund für mangelnde Fertigungs- und Produktqualität liegt darin, dass in den allermeisten Fällen lediglich Annahmen und Erfahrungswerte zur späteren Nutzung, zu Betriebsbedingungen und Lasten als Entwicklungsgrundlage dienen. Und sich im Nachgang im schlechtesten Fall als nicht zutreffend erweisen. Das gilt genauso für Konstruktionen, die am Nutzerbedürfnis vorbeigehen.

Mit Echtzeitdaten bessere Produkte entwickeln

Ändern lässt sich dieses Problem mit der Technik des Digitalen Zwillings und damit der Verwendung realer Nutzungsdaten im Forschungs- und Entwicklungsprozess. Sensorik und smarte Technik liefern diese Echtzeitdaten über den gesamten Lebenszyklus des Produkts und über die Wertschöpfungskette in ihrer Gesamtheit.

„So lassen sich Zustand, Qualität und Nutzung etwa eines Fahrzeugs oder einer kompletten Flotte unter Last beobachten und durch die Analyse der Daten entscheidende Ursache- und Wirkungszusammenhänge ermitteln“, erklärt Sascha Leidig, bei T-Systems Leiter des Portfolio & Partnermanagement PLM (Product Lifecycle Management).

Produkte, die den eigenen Kunden von vornherein in den Mittelpunkt stellen und über ihren Lebenszyklus hinweg analysiert werden, machen nicht nur ihren Kunden zufriedener sondern wirken sich auch positiv auf die Geschäftsentwicklung aus. Denn nach den Erfahrungen von T-Systems lässt sich das Risiko für ungeplante Stillstände von Anlagen in der Produktion und nicht ausreichende Qualität mit Künstlicher Intelligenz (KI) und dem Product Lifecycle Management minimieren. Außerdem kann KI zu einer höheren Qualität beitragen.

Im Fertigungsprozess selbst, führt die Vernetzung der Produktion über Sensoren und die Analyse deren Daten unter anderem zu weniger Maschinenausfällen und einem niedrigeren Ausschuss.

So etwa beim Spezialglas-Hersteller GlasGo, der vor kurzem zusammen mit seinem Partner T-Systems einen Teil der Produktion auf elektronische Kontrolle umgestellt hat.

Während zuvor Mitarbeiter die Produktion von GlasGo aufwändig manuell überwacht haben, geschieht dies jetzt elektronisch. Die Standzeiten der empfindlichen Maschinen haben sich dadurch um rund sechs Stunden pro Monat reduziert. Das System erfasst Werte von Lüftern und Brennern, vergleicht diese Daten mit den gespeicherten Sollwerten und löst bei Abweichungen Alarm aus.

Auch der Energieverbrauch während der Produktion wurde so deutlich gesenkt. Denn das System verweist auf Leerlauf bei Öfen oder Kompressoren für Farbpistolen.

Doch wie kann ein ganzer Maschinenpark vernetzt werden, wenn die vorhandenen Maschinen nicht von einem Hersteller stammen und unterschiedliche Softwaresysteme nutzen?

Dazu braucht es eine IoT-Plattform, die es schafft konkurrierende Maschinenbauer unter einen Hut zu bringen sowie sämtliche Entwicklungs-, Fertigungs- und Montageprozesse in einer einzigen Sprache abzubilden.

T-Systems bietet dazu bereits eine IoT-Basisstruktur an, die für ausnahmslos jeden Maschinentypus, jeden Hersteller, jede Branche und jedes Gewerk offen ist. Dabei kennt die Lösung keine Restriktionen bei Schnittstellen und ermöglicht die Teilnahme am Netzwerk auch über die eigene Wertschöpfungskette hinaus.