Bessere Produktqualität mit selbstlernender Künstlicher Intelligenz
Britta Hilt, IS Predict GmbH
Trotz aller Zwischenprüfungen fallen funktionale End of Line-Prüfungen in der Produktion nicht selten negativ aus. Selbst ein sehr kleiner Prozentsatz ist bei 11.000 Produkten pro Tag zu viel. Hier deckt selbstlernende Künstliche Intelligenz die komplexen Ursache-Wirkung-Zusammenhänge im variantenreichen Produktionsprozess auf, so dass die Werker die Ursachen für Minderqualität verlässlich abstellen können. Gerade in einer 24/7-Produktion ist das schnelle Auffinden und Abstellen der Minderqualitäts-Ursachen essentiell.
Beispielhaft sei hier das Werk eines internationalen Automobilzulieferers genannt, das ca. 11.000 Automobilteile täglich produziert, in 700 Varianten. Jedes Produkt, das aus bis zu 600 Teilen besteht, durchläuft einen technischen 100%-Test, bevor es ausgeliefert wird.Obwohl während des Produktionsprozesses kritische Schritte immer wieder überprüft wurden und nur die Komponenten weiter bearbeitet wurden, die in Spezifikation waren, wurde bei der Endkontrolle Ausschuss aufgedeckt.Vor diesem Hintergrund entschied sich der internationale Automobilzulieferer für ein Digitalisierungsvorgehen, das den verantwortlichen Entscheidungsträgern schnell Information liefern sollte, sodass das Werk optimale Ergebnisse mit qualitativ hochwertigen Produkten er-zielen kann.Die Wahl fiel auf die selbstlernende Künstliche Intelligenz-Lösung Predictive Intelligence, die verlässlich und schnell die Ursache-Wirkungs-Zusammenhänge aufdeckt. Geschwindigkeit ist dabei wichtig, da die Produktion 24 Stunden / 7 Tage die Woche durchgeführt wird. Je schneller die tatsächlichen Gründe für fehlerhafte Produkte aufgedeckt werden, desto schneller können Gegenmaßnahmen ergriffen werden, um zukünftige Fehlfunktionen zu vermeiden. Dies spart Zeit und reduziert deutlich den Ausschuss.Letztlich wurde die gesamte Produktionskette (Fertigung, Montage und Qualitätsprüfung) über 2 Jahre analysiert. Es gab in dieser Zeit nicht eine Falschaussage der Künstlichen Intelligenz-Software.
- In 77% aller Fälle wurden die aufgedeckten Ursachen von Domänenexperten validiert und bestätigt.
- In 23% aller Fälle konnten die aufgedeckten Ursachen nicht final durch den Domänen-experten validiert werden, beispielweise Netzwerkwegen Zeitverzug, aber die Ursachenanalyse wurde durch die Experten als plausible bewertet.
Der Haupterfolgsfaktor ist der schnelle Detektionsmechanismus innerhalb der Produktionskette, der durch Künstliche Intelligenz realisiert wird. Komplexe Ursache-Wirkungs-Erkenntnisse können so von mehreren Tagen auf Minuten reduziert werden.
Industrie 4.0-Merkmale
Die Daten der Ende-zu-Ende Produktionsprozesse liegen in einem Datensee vor. Diese Rückverfolgbarkeit nutzen selbstlernende Künstliche Intelligenz-Algorithmen, um unmittelbar die Ursachen aufzudecken, die zu Minderqualität oder Ausschuss führen. Kontinuierliches Lernen stellt sicher, dass die KI-Lösung auch bei Produktionsänderungen gleichbleibend verlässlich ist. Dank der Selbstlernalgorithmik, die durch Künstliche Intelligenz-Analysen realisiert wird, ist dies eine hoch skalierbare Lösung, auch für andere komplexe Produktionsprozesse mit hoher Variantenvielfalt.
