Ein Blick in die Zukunft würde für Unternehmen bedeuten, dass sie etwa wissen, ab wann eine Maschine Ausschuss produziert oder ab welchem Zeitpunkt ein Werkzeugteil verschlissen ist. Auch ein sich anbahnender Bruch in der Lieferkette ließe sich rechtzeitig umgehen. Wie sich Unternehmen besser vor Störungen schützen können, hat ein Forschungsteam unter der Leitung von Wolfgang Maaß vom DFKI (Deutsches Forschungszentrum für Künstliche Intelligenz) untersucht.
Smarte Resilienz Services
Im Projekt Spaicer geht es darum, die produzierende Industrie besser auf die unterschiedlichsten Arten von Störungen und Krisen vorzubereiten. Zusammen mit 14 Partnern aus Wirtschaft und Wissenschaft entwickeln sowohl die Forscher als auch die Praxispartner digitale Tools, die auf künstlicher Intelligenz basieren. Diese sogenannten Smarte Resilienz Services (SRS) können mithilfe von Algorithmen interne und externe Veränderungen vorhersehen. Daraus ableitend generieren sie Handlungsempfehlungen, die es Bedienern und Entscheidern erlaubt, frühzeitig Stabilisierungsmaßnahmen einzuleiten. Damit die Betriebe die SRS bestmöglich anwenden können, werden sie auf einer Spaicer-Plattform nach dem Baukastenprinzip verankert. „Unser Ziel ist, dass Unternehmen diese SRS dazu nutzen, sich schnell und flexibel an veränderte Gegebenheiten anzupassen und sich widerstandsfähiger zu machen“, erklärt Wolfgang Maaß, Leiter des DFKI-Forschungsbereichs Smart Service Engineering.
Planbarer in die Zukunft
In die Glaskugel sehen können die Forscher nicht – aber sie können die Zukunft planbarer und berechenbarer machen. Dabei geht es immer darum, sich ein frühzeitiges Wissen anzueignen. „Störungen sind der Normalzustand in der Produktion“, so Maaß: „Wer sie früh erkennt, kann ihre Auswirkungen spürbar beeinflussen.“ Dafür benötigen die Wissenschaftler viele Daten, die automatisiert verarbeitet und mit einer Plattform verknüpft werden. „Anhand dieser Informationen können wir die Störungen mit Methoden Künstlicher Intelligenz und unterschiedlichen maschinellen Lernverfahren klassifizieren und hiernach passende Maßnahmen empfehlen“, sagt Professor Maaß. Auf der Spaicer-Plattform werden Services angeboten, die ihre Resilienz der Unternehmen steigern sollen. Dies geschieht, ohne dass die Nutzer selbst zu KI-Experten werden müssen. Und es muss auch keine Datenhoheit abgegeben werden. In ihrer Arbeit konzentrieren sich die KI-Spezialisten auf drei Ebenen: Mikro-Ebene, welche die einzelnen Produktionsmaschinen im Fokus hat; die Meso-Ebene von Produktionsunternehmen inklusive der zugeordneten Lieferketten und die Makro-Ebene, die nationale und globale Produktionssysteme beinhaltet. Hier spielen Auswirkungen politischer Entscheidungen, Umweltveränderungen und Katastrophen eine Rolle
Best Practices
In Best Practices ließen sich bereits Erfolge erzielen. So sollte an einer Maschine der ideale Zeitpunkt für die Wartung gefunden werden – bevor ein fehlerhaftes Teil produziert wurde oder es zu einem Werkzeugbruch kommt. Um den Verschleiß zu erkennen, werden Daten gesammelt. Dies geschieht durch das akustische Verfahren der Körperschalldiagnose. Denn eine Anlage ändert im Laufe der Zeit allmählich ihre Schwingungsfrequenz, was die Stadien bestimmter Störungen ankündigt. Hinzu kommen Informationen, wie etwa über Ersatzteile und ihre Lebensdauer oder auch Wartungsintervalle. Alle erfassten Werte lassen sich nun in klare Empfehlungen überführen. So kommt die Wartung punktgenau und mit Vorwarnung. Nicht zu früh und nicht zu spät – und mit Minimierung des Schadens. „Resilienz-Management bedeutet aber auch, präventiv die Schwachstellen zu identifizieren und die Stärken auszubauen. Also noch bevor überhaupt der Ernstfall eintritt, dann kann man im Fall der Fälle besser reagieren“, erläutert Maaß.