KI-gestütztes Shopfloor-Management
Zielstellung
Erweiterung eines klassischen Shopfloor Managements um ein ,,smartes Fehlermanagement‘‘ mit KI-Algorithmen und ,,kognitiver Analyse‘‘
Ausgangssituation
-
Intransparenz bei der Bearbeitung von internen Fehlern im Shopfloor
-
Mangelnde umfangreiche Fehlerwissensbasis beim konventionellen Shopfloor Management
-
Handlungsbedarf an Datenanalyse aus Fehlerdatenbanken
-
Mangelnde Technologieinfrastruktur sowie beschränkte Praktikabilität moderner Methoden des Data Minings
-
Hohe Latenzzeit bei der Fehlererkennung
Lösungsstrategie
-
Nachhaltige Fehlervermeidung durch transparente Echtzeit-Analyse von Produkt- und Prozessfehlerereignissen
-
Aufbau einer Fehlerwissensbasis zur Abspeicherung erworbener kognitiver Fähigkeiten beim systematischen Problemlösungsprozess
-
Entwicklung eines intelligenten KI-Systems zur smarten Problemlösung, welches die Mitarbeiter bei Fehlerbehebung unterstützt
-
Verbesserung des intelligenten KI-Systems mit umfangreichen Methoden und Werkzeugen der Qualitätswissenschaft und des Data Minings
Aufbau Fehlerwissensbasis
1. Bestimmung von Wissensquellen und Methoden
- Identifikation und Analyse der fehlerrelevanten Informationen und Problemlösungsmethoden
- Entwicklung eines intelligenten KI-Systems zur smarten Problemlösung, das die Mitarbeiter bei Fehlerbehebung unterstützt
2. Expertenregelung zur Wissensgenerierung
Computergestützte Extraktion, Einordnung, systematische Durchführung und Interpretation von Problemlösungsmethoden aus den fehlerrelevanten Daten
3. Aufbau einer Wissensbasis & Anwendung der smarten Methoden​
Smarte Erfassung und Analyse der historischen Daten aus den produzierenden Pilotunternehmen zum Aufbau der Wissensbasis
Ständige Verbesserung
4. Analyse und Prognose von Fehlerbildern
Verarbeitung der Wissensbasis zur Erkennung von unbekannten Fehlerzusammenhängen, Ermittlung und Definition von Fehlerbildern sowie Vorhersage der zukünftigen Fehlerereignisse
5. Ableitung von Fehlerursachen / -maßnahmen
Ableitung von Fehlerursachen und Maßnahmen aus der Fehlerwissensbasis mit Inferrenzmodellen
6. Entwurf und Überprüfung eines Funktionsmusters
Überprüfung der bisher entwickelten Algorithmen durch den Aufbau eines Funktionsmusters
7. Kognitive Modellierung​
Entwicklung von kognitiven Algorithmen bei unbekannten Problemen
Vorteile
-
Unterstützte Problemlösungsprozesse im Shopfloor
-
Transparenz bei der Fehlerbehebung
-
Kosten- und Ressourceneinsparung
-
Positive Fehlermanagementkultur im Unternehmen
-
Gesteigerte Wettbewerbsfähigkeit
In Zusammenarbeit mit:
Technische Universität Berlin
Fachgebiet Qualitätswissenschaft
