Um industrielle Fertigungsprozesse effizient zu optimieren, setzt die Webware-Experts OHG spezialisierte Architekturen von Deep Neural Networks ein. Diese Art der Optimierung bezieht sich auf Fertigungsprozesse und ist von anderen Prozesskategorien – wie bspw. Produktions- oder Logistikprozesse – abzugrenzen. Fertigungsprozesse im hier gemeinten Sinne beinhalten Verarbeitungsprozesse, die eine Maschine oder eine Anlage auf Rohstoffe, Materialien, Werkstücke oder Halbzeuge anwendet, um Produkte zu herzustellen.
Die Optimierung eines Fertigungsprozesses kann verschiedene Aspekte betreffen. Hierzu zählen zum einen optimierungsrelevante Merkmale wie die Qualität oder der Verbrauch. Zum anderen gibt es Ziele, die aus betriebswirtschaftlichen Überlegungen ableitbar sind und sich in zwei Gruppen aufteilen. Die erste Gruppe besteht aus Zielen, welche direkt durch die Optimierung obiger Merkmale erreicht werden können: höhere Produktivität, Ausschussminimierung und Kostensenkung. Daneben gibt es jedoch auch Ziele wie bspw. Flexibilität und Skalierbarkeit, welche weniger durch die Optimierung an sich erreicht werden, sondern davon abhängen, wie schnell und effizient ein ausreichend guter Fertigungsprozess eingestellt werden kann.
Die automatisierte Fertigungsoptimierung mittels KI-Methoden verläuft datengetrieben, was auch die Optimierung von Zielen ermöglicht, für welche kein genaues oder effizient zu verarbeitendes physikalisches Modell verfügbar ist. In den Optimierungsprozess fließt parallel auch Expertenwissen ein, sowohl bei der Problemdefinition als auch bei der Begrenzung der Parameterbereiche auf plausible Regionen. Diese Vorinformationen ermöglichen es, die verwendeten Methoden der künstlichen Intelligenz effizient und ohne unnötige Verzögerungen anzulernen. Dabei verhält sich das KI-System dynamisch und lernt auch im Betrieb weiter dazu.
Das Verfahren gliedert sich zusammengefasst in vier Stufen:
Die Optimierung eines Fertigungsprozesses kann verschiedene Aspekte betreffen. Hierzu zählen zum einen optimierungsrelevante Merkmale wie die Qualität oder der Verbrauch. Zum anderen gibt es Ziele, die aus betriebswirtschaftlichen Überlegungen ableitbar sind und sich in zwei Gruppen aufteilen. Die erste Gruppe besteht aus Zielen, welche direkt durch die Optimierung obiger Merkmale erreicht werden können: höhere Produktivität, Ausschussminimierung und Kostensenkung. Daneben gibt es jedoch auch Ziele wie bspw. Flexibilität und Skalierbarkeit, welche weniger durch die Optimierung an sich erreicht werden, sondern davon abhängen, wie schnell und effizient ein ausreichend guter Fertigungsprozess eingestellt werden kann.
Die automatisierte Fertigungsoptimierung mittels KI-Methoden verläuft datengetrieben, was auch die Optimierung von Zielen ermöglicht, für welche kein genaues oder effizient zu verarbeitendes physikalisches Modell verfügbar ist. In den Optimierungsprozess fließt parallel auch Expertenwissen ein, sowohl bei der Problemdefinition als auch bei der Begrenzung der Parameterbereiche auf plausible Regionen. Diese Vorinformationen ermöglichen es, die verwendeten Methoden der künstlichen Intelligenz effizient und ohne unnötige Verzögerungen anzulernen. Dabei verhält sich das KI-System dynamisch und lernt auch im Betrieb weiter dazu.
Das Verfahren gliedert sich zusammengefasst in vier Stufen:
- Problemdefinition
- Erfassung relevanter Daten
- Optimierung der Prozessparametereinstellungen
- Dynamische Anpassungen der Prozessparametereinstellungen
