KI-Potenzialanalyse »Active Worker Assistance«-System

Architektur aktives Werkerassistenzsystem
© Fraunhofer IAO

In einer teilautomatisierten Fertigungszelle werden Prozesse durch ein aktives Werkerassistenzsystem optimiert. Durch genauere Vorhersagen der Zykluszeiten der Maschinen kann die bisherige regelbasierte Priorisierungslogik mit Künstlicher Intelligenz, KI, weiter verbessert werden.

Teilautomatisierung um Werkerassistenzsystem ergänzt

Eine teilautomatisierte Fertigungszelle wird durch ein aktives Werkerassistenzsystem optimiert, indem Mitarbeitende mithilfe von Visualisierungssystemen zu Maschinen geleitet werden, an denen manuelle Arbeitsschritte notwendig sind. Die bisher verwendete regelbasierte Priorisierungslogik bietet noch Optimierungspotenzial. Um Mitarbeitenden die Maschinen vorschlagen zu können, die als nächstes stillstehen bzw. die kürzeste Restlaufzeit haben, müssen gute Voraussagen über die Zykluszeiten der Maschinen getroffen werden können.

Dies gestaltet sich vor allem bei einem Maschinentyp in der Zelle als schwierig. Hierbei können an zwei Stationen unterschiedliche Rezepte laufen. Die Vorhersage wahrscheinlicher Zykluszeiten für verschiedene Rezeptkombinationen kann mittels Clustering-Verfahren ermöglicht werden. Der Einbezug zusätzlicher Datenquellen, wie z.B. Temperatur- oder Feuchtigkeitssensoren, kann zur weiteren Optimierung der Vorhersage dienen.

Projektablauf

Das Projekt wurde im Rahmen eines Quick Checks des vom Land Baden-Württemberg geförderten KI-Forschungszentrums bearbeitet. Bisher wurden die Maschinenlogdaten über einen Zeitraum von vier Wochen analysiert und ausgewertet. Viele Faktoren beeinflussen die Zykluszeit der Maschinen, die alle rezeptspezifisch sind. Erste Auffälligkeiten und Zusammenhänge bei der Voraussage von Maschinenzykluszeiten wurden identifiziert.

Für eine Umsetzung des KI-Systems müssen aktuelle Daten auf der Grundlage bestehender Layouts, Prozesse und Rezepte über einen längeren Zeitraum gesammelt und aggregiert gespeichert werden. Es wird empfohlen, in der Zelle zusätzliche Sensoren zu installieren, um z.B. Einflussfaktoren, wie Temperatur und Luftfeuchtigkeit, bei der Voraussage der Zykluszeiten miteinbeziehen zu können. Vielversprechende Modelle wurden vorgeschlagen. Außerdem wurden Ideen entwickelt, um das Erfahrungswissen von Mitarbeitenden zur Optimierung der Priorisierungslogik miteinbeziehen zu können.

Projektnutzen

  • Die Leistung der Fertigungszelle wird durch den sich dynamisch ändernden Arbeitsablauf optimiert
  • Das Werkerassistenzsystem passt sich automatische an zukünftige Entwicklungen, wie Layoutänderungen, in der Zelle an
  • Maschinenstillstandzeiten werden durch die Verwendung des KI-basierten Algorithmus weiter minimiert
  • Das Erfahrungswissen der Mitarbeitenden trägt zur Verbesserung des KI-basierten Algorithmus bei

Beteiligte Industriepartner

  • Freudenberg & Co. KG
  • Kooperationspartner: Cyber Valley

Gefördert durch

BW_Ministerium_MWAW

Unsere Partner

Logo des Stuttgarter Technologie- und Innovationscampus
Fraunhofer IPA Logo
Logo Fraunhofer IAO
Fraunhofer IBP Logo