05 May 2020
Weltweit wird an vielen Forschungsinstituten an der Entwicklung einer neuen Generation von Künstlicher Intelligenz (KI) gearbeitet, die insbesondere die Steuerung komplexer Produktionsprozesse optimieren. Ziel ist es dabei, die Komplexität globaler Produktions- und Supply Chain-Abläufe besser bewältigbar und steuerbar zu gestalten. Hintergrund ist die stark gestiegene Komplexität in der Produktionswelt verursacht durch die Globalisierung, durch das Outsourcing kostenintensiver Produktionsabläufe, durch den Einsatz neuer Technologien und die immer stärker individualisierte Fertigung. Diese Faktoren haben dazu geführt, dass Produktionsprozesse heute immer mehr verkettete und miteinander verbundene Wertschöpfungs-Netzwerken gleichen, bei denen der Produktionsablauf zergliedert wird und von unterschiedlichen und miteinander verbundenen Werken und Lieferanten übernommen wird. Dadurch kann deutlich kosten-effizienter produziert werden. Allerdings ist dieser Kosten-Vorteil teilweise teuer erkauft, da derartige komplexe Produktionsprozesse deutlich störanfälliger sind. Genau hier setzt die oben notierte neue Generation an KI an. Diese KI-Verfahren sind in der Lage, Störungen im Produktionsablauf frühzeitig und proaktiv zu erkennen und geeignete Problemlösungs-Strategien zu kalkulieren und umzusetzen. KI-Verfahren, die in der Lage sind, Problem autonom – also ohne menschliches Zutun zu lösen – werden zusammengefasst unter dem Begriff des Machine Reasoning. Produktion
Der Einsatz von neuen Technologien und KI bieten ein enormes Innovationspotential in der Industrie 4.0. Besonders Produktion, Supply Chain Management und Logistik lassen sich durch KI optimieren - erwarten vier von zehn vom Marktforschungsinstitut IDG im Sommer 2018 zu der Zukunftstechnologie befragte Entscheider. Die positive Auswirkung und Wirkungsketten von KI in der industriellen Produktion - Industrie 4.0 - sind dabei enorm. Vorstände, Geschäftsführung und IT-Abteilungen sind sich dieser Potenziale bewusst. In jedem dritten Großunternehmen will sich das Management der IDG-Studie zufolge 2020 intensiv damit beschäftigen, wie sie mit KI, Machine Learning und dem neuen Machine Reasoning die Margen ihrer Unternehmen steigern können.
Über das Internet der Dinge untereinander und mit Plattformen vernetzte Maschinen und Anlagen versorgen KI-Systeme mit allen Daten aus der Produktion, die die KI-Verfahren brauchen, um den Betriebszustand der Anlage zu überwachen und potentielle Störungen zu erkennen. Erkennt das System eine Anomalie oder potentielle Störung, so ermittelt es in Millisekunden welche Steuerungsparameter wie verbessert oder verändert werden müssen, um eine optimale Problemlösung zu erhalten. Da Betriebe so frühzeitig gegensteuern können, wenn ihre Maschinen mangelhafte Produkte herstellen, Ausschuss also gar nicht erst anfällt, steigt die Ausbeute aus ihrer Fertigung um bis zu einem Drittel, so die Berechnungen des Beratungsunternehmens McKinsey. Dies ist umso bemerkenswerter, da heute eine Vielzahl von Steuerungs- und Planungsverfahren für unterschiedliche Produktionsanlagen, Werkzeugmaschinen und Bearbeitungszentren eingesetzt werden, die allerdings jeweils nur einen sehr begrenzten Bereich des Produktionsprozesses steuern. Dadurch wird es immer schwieriger den gesamten Prozess zu übersehen und die Auswirkung von Störungen auf den Prozess vorherzusagen. Inzwischen setzen die meisten Produzenten Machine Learning Verfahren ein, um aus den Datenströmen in der Produktion Einsichten über den Betriebszustand zu ermitteln. Machine Learning ist heute bereits ausgereift und es gibt eine Vielzahl von standardisierter Software, die Produzenten unterstützen bei der Analyse der Produktionsprozesse. Der Einsatz von KI in der Produktion befindet sich nach wie vor „in den Kinderschuhen“ trotz des gewaltigen Medien-Echos von KI in der Öffentlichkeit. Viele Unternehmen befürchten zu hohe Investitionskosten in eine aus ihrer Sicht noch unsichere Zukunftstechnologie und warten erst einmal ab. Auch macht sich der Fachkräftemangel in der Produktion immer mehr bemerkbar, wodurch es schwieriger wird, KI-Einführungsprojekte optimal durchzuführen. Diese Skepsis könnte sich in naher Zukunft als riskant herausstellen, da Länder wie die USA, China, Indien, und Länder in Südostasien massiv in KI investieren und aggressive Wachstumsstrategien verfolgen und umsetzen.
Das Unternehmen operaize bietet mit dem KI-basiertem-Verfahren Cognitive Operations® eine Optimierung von Industrieprozessen zur proaktiven Vermeidung von Störungen, Risiken oder Ausfällen, indem ein selbstlernender Algorithmus Probleme sofort erkennt und proaktiv geeignete Problemlösungsstrategien ermittelt, um negative Einwirkungen zu vermeiden. Im Kern geht es darum, wie aus Daten extrem schnell Problemlösungen ermittelt und wirksam umgesetzt werden können. Der Schlüssel dazu sind Verfahren aus dem Bereich des Machine Reasoning. Dabei stellt Machine Reasoning innerhalb der Künstlichen Intelligenz den entscheidenden Entwicklungssprung von Problemerfassung zu Problemlösung dar. Das bedeutet konkret, dass neue Machine Reasoning-Verfahren in der Lage sind, Probleme nicht nur zu erkennen und zu prognostizieren (= Machine Learning), sondern für erkannte Probleme eben auch extrem schnell geeignete Problemlösungen zu ermitteln und diese wirksam und effizient umzusetzen. Cognitive Operations® ist eines der führenden Verfahren für die optimale und autonome Bewältigung von Problemen in Produktionsabläufen. Darunter versteht man KI-basierte-Algorithmen für die autonome Steuerung, Planung und Optimierung von Produktions- und Supply Chain Abläufen. Operative Industrieprozesse in Produktion, Supply Chain und Logistik unterliegen einer deutlich steigenden Komplexität, die mit traditionellen bzw. den bisher eingesetzten Applikationen nur mit großem Aufwand bewältigt werden können.
Die von operaize entwickelten Verfahren konnten bereits in der Chemieindustrie erfolgreich eingesetzt werden – mit für Kunden und operaize überraschenden Ergebnissen: So konnte in drei Chemiewerken beispielsweise die Anlageneffizienz um bis zu 35 Prozent verbessert werden. Dieses Ergebnis konnte erreicht werden, da der Algorithmus von operaize extrem schnell alle Steuerungsparameter der Produktionsanlagen im Chemiewerk nach Optimierungen absuchte und durch selbstlernende Auswertungsmechanismen auswertete. Das zugrundeliegende Verfahren funktioniert ähnlich der Google-Suchmaschine: bei der Suche werden alle möglichen Optionen ermittelt und angezeigt und im nächsten Schritt werden dann die sinnvollen Optionen selektiert. Der Algorithmus von operaize setzt für diese Auswertung dabei auf die Kombination mathematischer Verfahren und Heuristiken. Produktionsplaner benötigen für die Ermittlung von Problemlösungen dabei mehrere Stunden, während der Algorithmus von operaize dies zuverlässig in Millisekunden bis Sekunden erledigte. Durch den Einsatz neuester, performanter KI-basierter Optimierungsverfahren ergeben sich für die Industriekunden signifikante Performance-, Produktions-, Markt- und Kosten Vorteile. Notwendige Ressourcen wie Energie, Anlagenkapazitäten und menschliche Arbeitskraft können so signifikant eingespart werden.