Um den Herausforderungen der mittelständischen Produktion zu begegnen, greifen Unternehmen vermehrt zu künstlicher Intelligenz. Doch was versprechen sich Unternehmen von solchen Technologien, und wie haben sie einen wirtschaftlich sinnvollen Einstieg gefunden, gerade in schwierigen Zeiten? Intelligente, einfach nachrüstbare Sensoren und der praktische Einsatz von KI unterstützen die Anlagenverfügbarkeit sowie die Effizienz in Produktion und Instandhaltung. Wie der Einstieg gelingt, zeigen zwei Praxisbeispiele.
Schwingungsüberwachung im Stahlwerk
Ein Stahlverarbeiter nutzt eine Kurzstückmaschine zur Fertigung kleiner Metallstücke, die zu Bohrer-Bits verarbeitet werden. Seit 2023 setzt das Werk ein Endgerät ein, bestehend aus Sensor, Batterie und Industrie-PC, das an der Maschine angeklebt wird. Die Batterien des Sensors halten bis zu fünf Jahre und senden die Daten über ein Gateway, das mehrere hundert Meter entfernt im Büro stehen kann, in die Cloud. Dort analysiert ein Algorithmus die Daten und schlägt bei Abweichungen vom normalen Laufverhalten automatisch Alarm. Eine künstliche Intelligenz schlägt zudem die wahrscheinlichste Problem-Ursache vor, sodass Mitarbeitende der Instandhaltung den Fehler schnell finden können. Erstmals schlug der Sensor wenige Wochen nach der Installation Alarm. Eine lockere Schraube verursachte erhöhte Schwingungen. Die Instandhalter stoppten die Maschine, zogen die Schraube fest und verhinderten so einen teuren Totalschaden.
In einem anderen Unternehmen überwachen an einer Elektrostanzmaschine Sensoren den Antriebsmotor und die Lager. Nach zwei Wochen Lernphase erkannte das System Anomalien, die auf erhöhten Verschleiß hinwiesen. Eine fehlerhafte Einstellung wurde korrigiert, ungeplante Stillstände vermieden und die Lebensdauer der Anlage verlängert.
Das System meldet anbahnende Schäden automatisch und entlastet Produktion und Instandhaltung auf unterschiedliche Weise:
- Frühzeitige Fehlererkennung mit Handlungsempfehlungen: Das KI-gestützte System erkennt Störungen frühzeitig, gibt die wahrscheinlichsten Ursachen an und ermöglicht so schnelles eingreifen, ohne zusätzliche Schwingungsexpertinnen und -experten. Ungeplante Stillstände werden so vermieden.
- Automatisierte, kontinuierliche Überwachung spart wertvolle Zeit: Die automatisierte Überwachung von Maschinenzuständen reduziert manuelle Inspektionen sowie unnötige Wartungen.
- Einfache Installation, Skalierbarkeit und Flexibilität: Durch die Integration mittels Retrofitting und Funktechnologien modernisieren (LoRaWAN) Unternehmen ihre Maschinen mit minimalem Aufwand.
Business Intelligence als Basis für ChatGPT
Fabrikmitarbeiter erfassen täglich viele Daten: Sie notieren etwa Maschineninformationen, Uhrzeiten oder Gründe für Produktionsprobleme. Unterschiedliche Formate und fehlende Standards in den Fehlerbeschreibungen erschweren jedoch die Auswertung. In einem weiteren Praxisbeispiel lagen die täglichen Berichte in Word- und Excel-Dateien vor, was eine systematische Analyse verhinderte. Maschinenstörungen wurden in Kommentarfeldern festgehalten und waren unstrukturiert.
Mit Business-Intelligence-Software wurden die vorhandenen Daten aufbereitet. Textinformationen aus verschiedenen Formaten werden so zugänglich. Die Nutzerinnen und Nutzer können Informationen abrufen und sehen, an welchen Maschinen und in welchen Zeiträumen sich Probleme häufen. Die vereinheitlichten und strukturierten Daten aus verschiedenen Formaten bieten einen schnellen Überblick über Hunderte von Dateien und Tausende von Einträgen. Wiederkeherende können rasch identifiziert werden.
Vortrainiertes Modell
Auf die im Business Intelligence Tool gesammelten und aufbereiteten Daten kann zudem ein von Kiotera trainiertes ChatGPT-Modell zugreifen. Benutzer können gezielt nach Informationen suchen, indem sie Fragen stellen. Ein Beispiel:
Frage: Welche Störungen treten am häufigsten in bestimmten Maschinengruppen auf?
Antwort: Hier sind die Maschinengruppen mit den meisten gemeldeten Störungen:
- Zwischenplatte Fertigungslinie: 210 Störungen
- Topf: 198 Störungen
- Fertigungslinie Endkontrolle: 180 Störungen
- Maschine vier: 159 Störungen
- Maschine Generation fünf: 148 Störungen
Auch Produktionsanalysen sind möglich. Auf die Anweisung „Erstelle eine Produktionsanalyse-Übersicht“ generiert das Modell eine Darstellung der Brutto- und Netto-Produktionsmengen in Form eines Diagramms. Doch diese Daten allein reichen noch nicht aus, um präzise zu ermitteln, welche Maschinen regelmäßig hinter den geplanten Produktionswerten zurückbleiben. Daher folgt die nächste Anfrage: „Zeige nur die zehn Maschinen, die am stärksten unter den geplanten Produktionswerten liegen.“ Dadurch zeigt sich, dass 1 die meisten Differenzen bei der Ist- und Soll-Produktion aufweist.
Weitere Einsatzmöglichkeiten für das vortrainierte Modell sind etwa das Erstellen von Checklisten für regelmäßige Wartungen oder Generalüberholungen.
Viel Potenzial
Intelligente Sensorik und künstliche Intelligenz versprechen viele Vorteile für Anlagenverfügbarkeit, Konstanz und Qualität in der Produktion sowie Effizienz in Instandhaltungsprozessen. Unternehmen erfassen und analysieren kontinuierlich Daten und erhalten so Handlungsempfehlungen, um beispielsweise ungeplante Stillstände zu vermeiden Wartungsprozesse zu optimieren.
