Level 4: Empfehlungen
anzeigen
In der vierten Stufe werden auf Basis der gewonnenen Erkenntnisse und der frühen Fehlererkennung konkrete Lösungsvorschläge und Maßnahmenpläne abgeleitet, also Empfehlungen für die Fehlerbehebung. Hierbei kommt eine KI-basierte Recommendation Engine zum Einsatz. Ihre für die Anzeige von Empfehlungen genutzten Algorithmen basieren auf der Mustererkennung und historischen Daten für die Fehlerbehebung. Das heißt, die beste Lösung für den aktuellen Fehler – die Next-Best-Action – wird somit aufgrund von gelernten vorherigen Lösungen vorgeschlagen. Die Validierung kann zum Beispiel über einen A/B Test erfolgen. So weiß ein Unternehmen, was funktioniert und was nicht.
5. Empfehlungen ausführen
Im letzten Schritt wird eine automatische Durchführung der Problemlösung beziehungsweise Fehlerbeseitigung projektiert. Technische Grundlage hierfür sind das Reinforcement Learning und ein digitaler Zwilling der Produktionsstraße. Beim Reinforcement Learning werden auf Basis eines Belohnungssystems Agenten trainiert und für komplexe Entscheidungssituationen eingesetzt. Dabei können neue, bisher nicht erfasste Entscheidungssituationen maschinell erzeugt und für ein erweitertes Training der Agenten genutzt werden, um damit eine höhere Entscheidungssicherheit zu erzielen. Auf dem Digital Twin, also dem digitalen Abbild des Prozesses, werden durch Software-Agenten autonom Lösungen gefunden. Ein solcher digitaler Zwilling bietet unter anderem die Möglichkeit, Simulationen durchzuführen, also Trainingsdaten simulativ abzuleiten und der KI zum Lernen zur Verfügung zu stellen. Damit sind auch Fehler analysierbar, die noch nie aufgetreten sind. Um diese fünfte Stufe des Modells zu erreichen, ist ein extrem hoher Datenreifegrad erforderlich. Außerdem stellt sich bei Level-5-Szenarien immer die Frage, inwieweit ein Unternehmen seinen kontrollierenden Einfluss verlieren will. Hier sind anwendungs- und anforderungsspezifisch individuelle Entscheidungen zu treffen.
Status Quo steigt stetig
Die ersten beiden Stufen lassen sich in der Fertigungsindustrie inzwischen als Commodity bezeichnen. Die weiteren Level erfordern deutlich mehr Prozess- und Datenintegration, gerade im Hinblick auf Systeme in den Bereichen ERP und Lagerbestandshaltung. Bei Großprojekten sollte eine sukzessive Implementierung der Automatisierung anhand des 5-Stufen-Konzepts erfolgen. CGI etwa hat das Verfahren bereits bei mehreren Unternehmen mit einer vollständigen Digitalisierung der Produktionsabläufe angewandt. So hat der Dienstleister für einen Stahlhersteller eine auf ML basierende Anwendung entwickelt, die beim Erkennen von Produktionsfehlern und der Optimierung von Prozessen unterstützt. Eine der größten Herausforderungen in der Stahlproduktion besteht darin, die Qualität des Stahls zu erhöhen und unnötigen Abfall durch Rissbildung zu reduzieren. Gemeinsam mit dem Hersteller wurde ein ML-Modell konzipiert, das mit einer Genauigkeit von mehr als 70 Prozent vorhersagen kann, wo und wann Risse auftreten würden. Der Hersteller konnte auf dieser Erkenntnisbasis seinen Fertigungsprozess anpassen, um den mit Rissen verbundenen Abfall zu reduzieren. Insgesamt betrachtet stellt das 5-Stufen-Konzept eine konkrete Blaupause für die Realisierungsmöglichkeiten von Automatisierung und für die Nutzung von Algorithmen bereit. Anhand der Level-Darstellung kann ein Unternehmen seinen eigenen Reifegrad auf dem Weg zu Smart Manufacturing einordnen. Eines darf bei der Umsetzung nie vergessen werden: Die Erhöhung des Reifegrads ist immer eine Aufgabe, die sowohl die Produktion als auch die IT betrifft. Fertigungsingenieure und Entwickler müssen Hand in Hand arbeiten, um den Projekterfolg abzusichern.