Crossfunktionale Teams im Einsatz: Ein Data Scientist und Prozessexperten analysieren bei Bosch gemeinsam Datenmuster. (Bild: Bosch)
Wenn am Prüfstand für ABS-Systeme am Immenstädter Werk bei Bosch der Bildschirm rot aufleuchtet, wissen die Montage-Mitarbeiter, dass das getestete Bauteil fehlerhaft ist. Was zunächst banal klingt, bedeutet in der Praxis einen enormen Effizienzgewinn. Denn aufgrund von Anlaufeffekten können Fehler auftreten, die das Prüfergebnis verfälschen. Um tatsächliche Defekte von Anlaufeffekten zu unterscheiden, muss die Prüfzeit erhöht werden. Die Folge: eine Verschlechterung der Taktzeiten in der gesamten Linie. Um diese Zeitverluste zu minimieren, setzt das Unternehmen an dieser Stelle heute ein Artificial-Intelligence-System ein, das auf Basis gesammelter Daten Fehler-Muster erkennt und so intelligent relevante von nicht-relevanten Fehlermeldungen unterscheidet. Die hohe Erfolgsquote wird durch wöchentliches Re-Training der Algorithmen ständig verbessert.
Wie Künstliche Intelligenz funktioniert - Abgrenzung des VDI
Dass künstliche Intelligenz (KI) und Maschinelles Lernen (ML) in der Fabrik der Zukunft eine große Rolle spielen werden, daran zweifelt niemand mehr. Der VDI definiert die Begriffe kurz und knapp: "Machine Learning nutzt ausgefeilte Algorithmen, um aus enormen Datenmengen zu lernen. Je größer die Datenmenge, auf die die Algorithmen zugreifen können, desto mehr lernen sie und desto größer wird ihr Wissen. Nur durch Fortschritte beim Machine Learning, das gerne auch als Unterdisziplin von künstlicher Intelligenz (KI) bezeichnet wird, kann sich Künstliche Intelligenz selbst weiterentwickeln.
Im Gegensatz zu künstlicher Intelligenz wird ein Machine-Learning-System danach beurteilt, was es leistet und welche Ergebnisse es liefert. Populäre Beispiele für den Einsatz von Machine-Learning-Systemen sind die personalisierten Produkteempfehlungen bei Amazon, die Gesichtserkennung bei Facebook oder die Vorschläge für die schnellste Route bei Google Maps."
(Quelle: https://www.vdi.de)
Maschinelles Lernen mit ständigem Update
Die Basis hierfür bildet eine flexible, skalierbare IoT-Architektur, in der die Maschinen der Linie direkt angebunden sind. Die so gewonnenen Daten fließen zunächst in die Cloud, wo sie mithilfe von Machine-Learning-Algorithmen das Analyse-Modell zur Erkennung von relevanten Testfällen trainieren. Anschließend wird das KI-Modell auf Maschinen-Ebene eingesetzt, um die Prozessregelung in Echtzeit auszuführen. Den Prozess des kontinuierlichen, selbständigen Lernens auf Basis von Meta-Modellen hat Bosch dabei soweit automatisiert, dass die regelmäßige Aktualisierung des eingesetzten Analysemodells auf Edge-Ebene bereits ohne menschliche Überprüfung voll automatisiert erfolgt.
Industrie 4.0: Award von ROI-Efeso und der Zeitschrift PRODUKTION
Digitale Assistenzsysteme, Data Analytics, künstliche Intelligenz oder Machine Learning verändern die Wertschöpfungsprozesse der produzierenden Industrie in rasanter Geschwindigkeit. Unternehmen, die es schaffen, diese Digitalisierungs-Technologien, -Werkzeuge und -Systeme erfolgreich in ihre Wertschöpfungsprozesse zu integrieren, gehören zu den Taktgebern der Industrie 4.0. Sie zeichnet ROI-Efeso gemeinsam mit der Fachzeitung PRODUKTION seit 2013 mit dem Industry 4.0 Award aus – einem der wichtigsten Benchmarks für Digitalisierungs-Projekte und Industrie-4.0-Best-Cases.
Mehr zum Award erfahren Sie hier.
KI-System: Wenn Data Scientists und Betriebsingenieure zusammen arbeiten...
Um das KI-Verfahren schnell und effizient auf andere Bereiche und Use Cases im Unternehmen zu übertragen, sind beim Sieger in der Kategorie Smart Factory crossfunktionale Teams, bestehend aus einem Data Scientist und einem Betriebsingenieur, im Einsatz. Diese Know-how-Tandems kombinieren Data Analytics-Expertise mit tiefer Prozesskenntnis und unterstützen so die Identifikation und Implementierung potenzieller Use Cases für den Einsatz von maschinellem Lernen vor Ort. „Würde man lediglich einen Data Scientist auf das Thema Daten ansetzen, könnte er zwar sehr viele Korrelationen erkennen, wüsste aber nicht wo er suchen soll“ erklärt Robert Prager, Abteilungsleiter Industrie 4.0 bei Bosch und fährt fort: „Deshalb wird er unterstützt von einem Betriebsingenieur, der Verständnis über das Produkt und die Produktionslinie hat. Beide gemeinsam können wesentlich zielgerichteter an einem Thema arbeiten und so schneller Verbesserungen erzielen.“
Wie wird die Fabrik der Zukunft – Future Factory – nach Industrie 4.0 aussehen? - Quelle: ROI
So wird künstliche Intelligenz industrialisiert
Diese einzigartige Kombination aus einer skalierbaren IoT-Architektur, automatisierten Machine-Learning-Modellen und organisatorischer Verankerung trägt dazu bei, dass der Implementierungsaufwand sinkt und sich die Analyseverfahren auf andere Bereiche der smarten Fabrik ausweiten lassen. So ist die Advanced-Analytics-Lösung neben der ABS-Fertigung bereits in einem weiteren Fertigungsprozess im Einsatz – weitere sollen folgen. Zudem ist eine Ausweitung auf andere Standorte geplant. „Wir haben in Summe noch zehn Schwesterwerke, die mit identischen Maschinen ausgestattet sind“ betont Jochen Kärcher, Technischer Werkleiter bei Bosch am Standort Blaichach/Immenstadt sowie Sponsor der Strategiekachel Digitale Fabrik. „Das heißt, alles, was hier an Know-how erarbeitet wird, wird danach sofort entsprechend global ausgerollt.“
Maschinelles Lernen und die Smart Factory
Die Zukunft der Smart Factory hat bei Bosch am Standort Immenstadt bereits begonnen. Wie sich die Fabrik durch und nach Industrie 4.0 weiter entwickeln wird, welche Rolle der Mensch einnimmt sowie weitere Informationen rund um das Thema Industrie 4.0 finden Sie in den Lernvideos von ROI.
Sie möchten gerne weiterlesen?
Dieser Beitrag wird präsentiert von:
