Produktionsprozesse sind beliebig komplex. Oft werden sehr erfahrene Mitarbeiter benötigt, um die Anlagen optimal zu steuern. Jedoch geht die „Baby Boomer-Generation“ bald in den wohl verdienten Ruhestand, was den Fachkräftemangel noch verstärken wird. Daher lernt Künstliche Intelligenz aus den Erfahrungen der langjährigen Mitarbeiter und gibt dieses Wissen in Form von Empfehlungen an Mitarbeiter mit weniger Erfahrung weiter.
Fast alle Branchen sprechen vom Fachkräftemangel, nicht nur in der allseits bekannten Pflege, auch im Handwerk und auch gerade in der Industrie. Bei Letzterem werden bereits heute Künstliche Intelligenz-Verfahren eingesetzt, um weniger erfahrenen und weniger ausgebildeten Mitarbeitern die Fähigkeiten zu geben, auch komplexe Produktionsschritte hochwertig durchzuführen.
Der folgende Bericht zeigt am Beispiel von in der Produktion eingesetzten Trocknungsanlagen, wie die KI die Erfahrung der langjährigen Mitarbeiter versteht und an die jungen oder weniger ausgebildeten Mitarbeiter weitergibt.
Komplexe Produktionsschritte erfordern fundiertes Wissen
Wärme wird in vielen Produktionsprozessen benötigt, sei es zum Schmelzen von Metall oder zum Trocknen von Keramik-/Gips- oder Holzprodukten. Um die hohen Temperaturen zu erzeugen, ist viel Energie notwendig. Natürlich ist es die oberste Priorität, eine gute Qualität zu erzeugen. Aber oft zeigt sich auch, dass der Energieeinsatz deutlich variiert, obwohl das Material und der Maschineneinsatz nur geringen Veränderungen unterliegen. Die Gründe dafür sind vielfältig. Augenscheinlich können dies klimatische Einflüsse sein, denn es ist ein Unterschied, ob Holz getrocknet werden soll, das im Hochsommer verarbeitet wird, oder ob das Holz im Winter im Außenbereich gelagert wird.
Jedoch sind die Zusammenhänge oft komplexer und hängen von unterschiedlichen, sich bedingenden, Einflüssen ab. Daher ist eine eindeutige Zuweisung oft nicht möglich. Erschwerend kommt hinzu, dass die Maschinenführer, die viele Jahrzehnte Erfahrung im Betrieb des Ofens oder des Trockners haben, in naher Zukunft in den wohlverdienten Ruhestand gehen werden. Bei der jüngeren Generation ist es eher die Ausnahme als die Regel, einen Großteil ihres Berufslebens bei dem gleichen Arbeitgeber mit den gleichen Maschinen zu verbringen.
Die Künstliche Intelligenz lernt von erfahrenen Mitarbeitern
Optimal wäre es daher, die über Jahrzehnte angesammelte Erfahrung direkt in die Maschinen einzubringen. Der Mensch bekommt von der KI passende Empfehlungen, wie etwa der Ofen oder der Trockner optimal zu steuern sind. Komplexe Produktionsschritte können so auch von Mitarbeitern mit deutlich weniger Erfahrung optimal durchgeführt werden.
Hört sich zu futuristisch an? Nicht wirklich: Denn die Erfahrungen zum optimalen Betrieb der Maschinen liegen in Form von Daten vor; nämlich in den Steuerungsdaten. Hier ist dokumentiert, wann welches Material wie viel in den Trockner kam, welche Zieltemperaturen wann eingestellt wurden und wie schnell sie erreicht wurden, wie kräftig die Ventilatoren die Luft umwirbelten, etc.
Dieser dokumentierte Erfahrungsschatz wird mit Hilfe von mathematisch-semantischen KI-Netzen analysiert. Das jahrzehntelange Erfahrungswissen, das sich die Mitarbeiter aufgebaut haben und in der täglichen Arbeit anwenden, spiegelt sich in den Betriebsdaten wider. Künstliche Intelligenz-Algorithmik deckt diese komplexen Zusammenhänge in Form von Datenmustern auf.
Auch erfahrene Mitarbeiter profitieren von KI
Die KI besteht aus mehreren mathematischen Modellen, die mit der Maschine mitlaufen. Dies sind einerseits Prognosemodelle, um sowohl die entsprechenden Qualitätskennzahlen und als auch die Energieverbräuche zu prognostizieren. Ein Simulationsmodell bewertet verwobene Einflüsse und errechnet optimale Maschineneinstellungen. Ein Steuerungsmodell leitet daraus Empfehlungen zum Maschinenbetrieb ab und gibt diese entweder an den Maschinenführer oder direkt an die Steuerungseinheit der Maschine weiter.
Quelle: IS Predict GmbH
Mit selbstlernenden KI-System können auch sehr komplexe Zusammenhänge aufgedeckt werden, die oft auch den erfahrenen Maschinenführern bisher verborgen geblieben sind. Folglich reduzieren Steuerungsempfehlungen nicht nur die Energiekosten und/oder verbessern die Qualität oder die Maschineneffizienz, wenn jüngere Maschinenführer am Werk sind, sondern auch erfahrene Werker profitieren davon.
Noch ein Wort zum verwendeten KI-Verfahren: In komplexen Produktionsprozessen hat sich der Einsatz von semantischen KI-Netzen besonders bewährt. Im Gegensatz zu neuronalen Netzen geben diese die Information preis, welche Einflüsse wie eine Rolle spielen. Durch diese Transparenz erhält der Maschinenführer zusätzlich noch ein besseres Verständnis von den komplexen Produktionsabläufen, was auch selbst „alte Hasen“ immer wieder überrascht.
Britta Hilt ist als Geschäftsführende Gesellschafterin für die Bereiche Marketing und Vertrieb bei der IS Predict GmbH zuständig. Richard Martens verantwortet als Geschäftsführender Gesellschafter die Bereiche Forschung und Entwicklung bei IS Predict GmbH.
