KI-Potenzialanalyse »Active Worker Assistance«-System

Ausgangssituation

Eine teilautomatisierte Fertigungszelle wird durch ein aktives Werkerassistenzsystem optimiert, indem Mitarbeiter mithilfe von Visualisierungssystemen zu Maschinen geleitet werden, an denen manuelle Arbeitsschritte notwendig sind. Die bisher verwendete regelbasierte Priorisierungslogik bietet noch Optimierungspotenzial. Um Mitarbeitern die Maschinen vorschlagen zu können, die als nächstes stillstehen bzw. die kürzeste Restlaufzeit haben, müssen gute Voraussagen über die Zykluszeiten der Maschinen getroffen werden können. Dies gestaltet sich vor allem bei einem Maschinentyp in der Zelle als schwierig, bei welchem an zwei Stationen unterschiedliche Rezepte laufen können.

Lösungsidee

Ein wichtiger Faktor bei der dynamischen Priorisierung von Arbeitsabläufen ist die noch benötigte Restzykluszeit von Maschinen. Die Vorhersage wahrscheinlicher Zykluszeiten für verschiedene Rezeptkombinationen kann mittels Clustering-Verfahren ermöglicht werden. Der Einbezug zusätzlicher Datenquellen, wie z.B. Temperatur- oder Feuchtigkeitssensoren, kann zur weiteren Optimierung der Vorhersage dienen.

Nutzen

Die Leistung der Fertigungszelle soll durch den sich dynamisch ändernden Arbeitsablauf optimiert werden, d.h. die Maschinenstillstandzeiten sollen durch die Verwendung des KI-basierten Algorithmus weiter minimiert werden. Außerdem soll die Nachhaltigkeit, z.B. durch die automatische Anpassung an zukünftige Entwicklungen wie Layoutänderungen in der Zelle usw., erhöht werden. Das Erfahrungswissen der Mitarbeiter trägt dabei zur Verbesserung des KI-basierten Algorithmus bei.

Umsetzung der KI-Applikation

Bisher wurden die Maschinenlogdaten über einen Zeitraum von vier Wochen analysiert und ausgewertet. Viele Faktoren beeinflussen die Zykluszeit der Maschinen, die alle rezeptspezifisch sind. Erste Auffälligkeiten und Zusammenhänge bei der Voraussage von Maschinenzykluszeiten wurden identifiziert. Für eine Umsetzung des KI-Systems müssen aber aktuelle Daten auf der Grundlage bestehender Layouts, Prozesse und Rezepte über einen längeren Zeitraum gesammelt und aggregiert gespeichert werden. Es wird zudem empfohlen, in der Zelle zusätzliche Sensoren zu installieren, um z.B. Einflussfaktoren wie Temperatur und Luftfeuchtigkeit bei der Voraussage der Zykluszeiten mit einbeziehen zu können.

Vielversprechende Modelle wurden vorgeschlagen. Außerdem wurden Ideen entwickelt, um das Erfahrungswissen von Mitarbeitern mit zur Optimierung der Priorisierungslogik einbeziehen zu können.