1. Infrastrukturbereitschaft
Sind die Geräte und Systeme mit einem zuverlässigen, ausfallsicheren Netzwerk zur Datenerfassung und -weitergabe verbunden?
Falls Sie noch nicht gefragt wurden, wird die Frage bald kommen.’ Führende Unternehmen in fortschrittlichen Fertigungsbranchen wie der Konsumgüter- und der Automobilindustrie wollen wissen: “Was’ist unser KI-Plan?” Und sie fragen nicht nach allgemeinen Branchenprognosen, sondern wollen spezifische Informationen für Ihre Organisation oder Ihr Werk erfahren.’ …
Für die Teams, die direkt an der Basis arbeiten, kann das Hören dieser Frage Druckgefühle, Verwirrung und ein hektisches Suchen nach Antworten auslösen, die die Führungsebene beruhigen und gleichzeitig die Realität in der Produktion widerspiegeln.
Es besteht eine Diskrepanz zwischen den Wünschen der Führungskräfte und dem, was der operative Bereich heute realistischerweise leisten kann.’ Die Hersteller wissen, dass sie sich irgendwann (und in irgendeiner Form) mit KI auseinandersetzen müssen, aber diese Dynamik wird durch Unsicherheit beeinträchtigt. Es ist schwierig, über fortgeschrittene Lösungen zu sprechen, wenn die Grundlagen noch fehlen.’ Vielen fortschrittlichen Fertigungsprozessen (solchen, die ein hohes Maß an Präzision und Leistung erfordern) fehlt es noch an der digitalen Grundlage, den automatisierten Datenerfassungsfunktionen und der integrierten Infrastruktur, die zur Unterstützung und Skalierung von KI erforderlich sind.
Damit Sie souverän antworten können, wenn Ihnen eine Frage zur Künstlichen Intelligenz gestellt wird, finden Sie hier ein praktisches Rahmenwerk, mit dem Sie KI in fortschrittlichen Fertigungssektoren implementieren und so Innovationen in die Welt bringen können.’ Dieser Fahrplan kann Ihnen auch dabei helfen, den Führungskräften zu erklären, wo Sie sich auf diesem Weg befinden (und was erforderlich ist, um Ihr Werk voranzubringen).’
Schritt 1: Beurteilen Sie den aktuellen Zustand Ihrer Pflanze
Führungskräfte gehen oft davon aus, dass ihr Unternehmen für KI und die grundlegenden Daten und Analysen, auf denen sie basiert, bereit ist. Die Realität sieht jedoch so aus, dass man keine Intelligenz auf der Grundlage von unterschiedlichen Bedienereingaben und isolierten Anlagen aufbauen kann.’
Wenn man KI richtig einsetzen will, muss man zuerst seinen Ausgangspunkt und dessen Bedeutung verstehen. Nur so lässt sich ein realistischer, umsetzbarer Fahrplan erstellen.’ (Es ist schwer, sein Ziel zu erreichen, wenn man nicht weiß, wo man ist!)’’
Diese Bewertung erfordert eine ehrliche Einschätzung in drei Bereichen:
2. Datenbereitschaft
Sind die Informationen vollständig, aktuell, konsistent und korrekt, sodass sie zur Information von KI-Modellen verwendet werden können?
3. Zielidentifizierung
Was will Ihre Organisation mit KI erreichen, und welche Herausforderungen oder Chancen möchte sie angehen?
Nach Abschluss dieser Bewertungen sollten Sie in der Lage sein, festzustellen, ob das OT-Netzwerk Ihrer Anlage ’ Kann zuverlässig die richtigen Daten für KI übertragen … und ob Ihre Daten eine sinnvolle Analyse ermöglichen.
Infrastrukturbereitschaft
Eine zuverlässige KI-Performance hängt von der Fähigkeit von Sensoren, SPSen und anderen Geräten ab, Informationen zur Analyse und zum Handeln zu übermitteln. Diese Systeme müssen nahtlos von der Produktionsebene bis zur Anwendungsschicht kommunizieren können, ohne dass ein manueller Eingriff erforderlich ist.
In einer vernetzten Anlage senden die Prozess- und Verpackungslinien, Qualitätsprüfstationen, Sensoren, Versorgungseinrichtungen und verschiedene Datenbanken Produktions- und Leistungsdaten in Echtzeit an einen zentralen Ort, um Datenanalysen zu ermöglichen. ’ Ein Temperaturanstieg, ein abgebrochener Zyklus oder eine Änderung des Maschinenstatus können automatisch protokolliert, mit einem Zeitstempel versehen und der richtigen Maschine und dem richtigen Lauf zugeordnet werden.
Die Genauigkeit leidet jedoch, wenn die Arbeiter diese Informationen am Ende ihrer Schicht manuell in ein System eingeben müssen. Sich beispielsweise darauf zu verlassen, dass Bediener die Maschinenausgabedaten in Tabellenkalkulationen eingeben, kann weder die Genauigkeit noch die Aktualität der Daten gewährleisten.’ Würde KI diese Daten nutzen, um die Produktqualität vorherzusagen, den Wartungsbedarf zu prognostizieren oder Chargenläufe zu optimieren, wären die Ergebnisse unzuverlässig.
Wenn Sie auf manuelle Dateneingabe angewiesen sind, weil Ihre Systeme nicht mit einem zuverlässigen Netzwerk verbunden sind, um Daten automatisch zu erfassen und zu übermitteln, dann sind Sie noch nicht ganz bereit für KI.
Um ein realistisches Bild des aktuellen Zustands zu erhalten, sollten Sie jedes System in der Produktionshalle beurteilen. Erstellen Sie eine Übersicht, welche Linien, Maschinen und Steuerungssysteme mit einem Netzwerk verbunden sind (d. h. sie können Daten automatisch senden und empfangen) und welche auf menschliche Eingabe angewiesen sind.
Identifizieren Sie alle bestehenden Lücken. Beispielsweise verfügen Ihre neuen Verpackungslinien möglicherweise über direkte SPS-Anschlüsse, während Ihre älteren Mischtanks isoliert sind und manuelle Protokollblätter sowie Schichtabschlussberichte erfordern. In diesem Szenario können Sie den Durchsatz optimieren und Probleme auf automatisierten Linien schnell erkennen, aber Sie müssen auf manuelle Berichte warten, bevor Sie feststellen können, ob es ein Problem mit einer Chargenmischung gibt.’ Das Ergebnis sind blinde Flecken, die den Betrieb stören und Reaktionen verzögern.
Datenbereitschaft
KI basiert auf Daten. Informationen sind die Grundlage jeder Analyse und Prognose. Ihre Infrastrukturbewertung ermittelt, wie effektiv Ihr Netzwerk alle Assets verbinden und integrieren kann, um eine automatisierte Datenerfassung in Echtzeit zu gewährleisten.
Für die Nutzung mit KI müssen die Daten vollständig, aktuell, konsistent, zentralisiert und zugänglich sein.
Wenn die Datenqualität unzureichend ist, ist Ihr KI-Projekt gefährdet. Wenn KI mit ungenauen oder unvollständigen Daten gefüttert wird, kann sie’ Unzuverlässige Empfehlungen können nicht gegeben werden, egal wie fortschrittlich die Algorithmen sind. Fehlende Informationen, inkompatible Formate oder fragmentierte Daten auf lokalen Rechnern können die KI beeinträchtigen.’ Ergebnisse.
KI-fähige Datenanalyse
Stellen Sie Fragen wie:
- Wie viele historische Daten benötigen wir, um bestimmte Prozesse oder Aufgaben zu automatisieren?
- Gibt es Lücken in unseren Aufzeichnungen, die zu blinden Flecken oder Ungenauigkeiten führen könnten?
- Gibt es Daten auf lokalen Controllern, auf die niemand sonst zugreifen kann?
- Welche Informationen sind in unseren Kernsystemen (MES, CMMS, Historian, ERP usw.) gespeichert, und wie viele davon nutzen wir heute zur Problemlösung im Vergleich zu dem, was wir in Zukunft nutzen werden?’ Wird eine einheitliche Sicht auf den Anlagenbetrieb benötigt?
Wenn Ihre Pflanzendaten nicht’ Wenn Sie es sauber, zugänglich und einheitlich gestalten möchten, dann sollten Sie’ Wir sind noch nicht ganz bereit für KI.
Um ein realistisches Bild des aktuellen Zustands zu erhalten, sollten Sie jedes System in der Produktionshalle beurteilen. Erstellen Sie eine Übersicht, welche Linien, Maschinen und Steuerungssysteme mit einem Netzwerk verbunden sind (d. h. sie können Daten automatisch senden und empfangen) und welche auf menschliche Eingabe angewiesen sind.
Identifizieren Sie alle bestehenden Lücken. Beispielsweise verfügen Ihre neuen Verpackungslinien möglicherweise über direkte SPS-Anschlüsse, während Ihre älteren Mischtanks isoliert sind und manuelle Protokollblätter sowie Schichtabschlussberichte erfordern. In diesem Szenario können Sie den Durchsatz optimieren und Probleme auf automatisierten Linien schnell erkennen, aber Sie müssen auf manuelle Berichte warten, bevor Sie feststellen können, ob es ein Problem mit einer Chargenmischung gibt.’ Das Ergebnis sind blinde Flecken, die den Betrieb stören und Reaktionen verzögern.
Zielidentifizierung
KI’ Die Effektivität hängt davon ab, ob Sie den Zweck des Einsatzes klar definieren können. Legen Sie zunächst fest, was Ihre Organisation oder Ihr Werk mit KI erreichen will. Wollen Sie, dass Ausfallzeiten reduziert werden? Produktqualität verbessern? Energieverbrauch optimieren? Die Identifizierung der richtigen Herausforderungen oder Chancen hilft Ihnen, Ihre Anstrengungen zu fokussieren und zu messen.
Diese Ziele sollten detailliert ausgearbeitet und den Führungs- und Betriebsteams kommuniziert werden, um die Erwartungen aufeinander abzustimmen. Wenn Ziele nicht’ Wenn KI-Systeme nicht klar definiert und mit einem Geschäftswert verknüpft sind, werden selbst gut integrierte KI-Systeme Schwierigkeiten haben, Ergebnisse zu liefern.
Wenn du’ Wenn Sie sich nicht im Klaren darüber sind, was KI für Ihr Unternehmen leisten kann oder wie sie zur Problemlösung oder zur Erschließung neuer Möglichkeiten eingesetzt wird, dann sollten Sie’ Wir sind noch nicht ganz bereit für KI.
Schritt 2: Kontext und operative Integration schaffen
Es muss einen Zusammenhang geben zwischen dem, was’ Das geschieht in der Produktionslinie und Ihre übergeordneten Ziele, seien es Verbesserungen der Qualität, der betrieblichen Effizienz oder der Kosten.
Sobald Ihr Pflanzennetzwerk bereit ist, Informationen zu sammeln, müssen diese Informationen in etwas Nützlicheres als bloße Zahlen umgewandelt werden. Das bedeutet, Kontext hinzuzufügen.
Ohne es, du’ Wir stecken fest damit, Daten mühsam zusammenzutragen, um fragmentierte Berichte oder Tabellenkalkulationen zu erstellen, mit denen wir grundlegende Fragen beantworten und Probleme beheben können, nachdem sie aufgetreten sind.
Wenn Ihren Daten der Kontext fehlt, der erforderlich ist, um Erkenntnisse bestimmten Zeilen, Bedienern oder Chargen zuzuordnen, und es kann’ Um Aktionen in der Produktionshalle auszulösen, dann Sie’ Wir sind noch nicht ganz bereit für KI.
Um diese Datenübersetzung zu bewältigen, stellen einige Werke Datenwissenschaftler oder ganze Datenanalyseteams ein, die sich darum kümmern, den Überblick zu behalten. Aber das ist nicht’ eine nachhaltige Lösung: Sie’ Sie werden wertvolle Zeit und Geld damit verbringen, Informationen aufzuräumen, damit Sie daraus einen Nutzen ziehen können.
Jeder Datenpunkt muss eine Geschichte erzählen, egal ob’ Informationen über die produzierte Artikelnummer, den Bediener der Produktionslinie, die Schicht, in der dies geschah, die Durchsatzmengen der einzelnen Chargen usw. werden ebenfalls erfasst. Neben der Unterstützung von Analysen und Berichten ermöglicht dieser Kontext auch eine bessere Automatisierung. Der Kontext ist es, der Rohdaten in Informationen verwandelt, die genutzt werden können, um automatisch Steuerungsmechanismen, Warnungen und Empfehlungen auszulösen und so auf Ereignisse in der realen Welt zu reagieren.
Wenn KI-fähige Daten bereits an der Quelle durch geeignete Kennzeichnung und Kontextualisierung strukturiert werden, können sie nutzbare Erkenntnisse über Linienleistung, Qualität und Effizienz liefern.
Schritt 3: Automatisierte Erkenntnisse und skalierbare Anwendungsfälle ermöglichen
Sobald Ihre Infrastruktur solide ist und in jedes kritische, KI-fähige Datenelement Kontext integriert wurde, besteht der letzte Schritt darin, die in Pilotbereichen etablierten Analysen und Automatisierungen zu nutzen und diese Vorteile auf weitere Produktlinien, Produkte oder Prozesse auszuweiten, um noch größere Ergebnisse zu erzielen.
Wie sieht das in der Praxis aus? In manchen Umgebungen kann dies bedeuten, KI-gesteuerte Automatisierung in den täglichen Betrieb einzuführen, um die Maschineneinrichtung zu unterstützen. Die Bediener melden sich einfach an und verlassen sich auf die Systemempfehlungen, um alles von der Rezeptauswahl bis hin zu den Durchsatzeinstellungen zu optimieren. Statt sich auf Versuch und Irrtum oder Intuition zu verlassen, werden die Empfehlungen der KI aus jahrelangen historischen Daten und robusten Analysen abgeleitet.’
In diesem Schritt ist es auch an der Zeit, Erkenntnisse an die Steuerungssysteme der Produktionshalle zurückzumelden, damit Sie die Standardarbeitsanweisungen aktualisieren und jeden Prozess im Sinne einer kontinuierlichen Verbesserung feinabstimmen können. Sie können das von Ihnen aufgebaute Wissen nutzen, um jeden Produktionslauf profitabler, effizienter und konsistenter zu gestalten, ohne jedes Mal das Rad neu erfinden zu müssen.
Wenn Sie Analysen und Automatisierung nicht über Pilotprojekte hinaus ausweiten können, weil Ihre Daten fragmentiert sind, Ihre Systeme nicht vollständig integriert sind oder Ihre Prozesse nicht standardisiert sind, dann sind Sie noch nicht ganz bereit für KI.’’’’
Belden hilft dabei, die Lücke zwischen Daten und Maßnahmen zu schließen.
Belden kann Ihnen dabei helfen, dieses Framework in die Praxis umzusetzen, um Ihren aktuellen Zustand zu bewerten, Ihre Anlagendaten zu integrieren und in den Kontext zu setzen sowie KI-gestützte Automatisierung und Erkenntnisse in Ihrem gesamten Betrieb zu skalieren. Wir können Ihnen auch bei der Konzeption und Implementierung der richtigen OT-Infrastruktur helfen, um die Datenerfassung für Echtzeit-Transparenz zu automatisieren.
Wir beginnen damit, Sie durch Analysen zu führen, die digitale und operative Lücken aufdecken. Anschließend erstellen wir Schritt-für-Schritt-Pläne zur Modernisierung Ihrer Netzwerkinfrastruktur und zur Vereinheitlichung der Daten aus der Produktionshalle.
Wir zeigen Ihnen, wie Sie Produktionslinien und Anlagen über ein einheitliches Netzwerk und eine Automatisierungsinfrastruktur verbinden können, die Datenkontextualisierung und KI unterstützt. Unsere Komplettlösungen für die Konnektivität ermöglichen Echtzeit-Transparenz der Anlagen und Datenerfassung, unabhängig vom Protokoll oder Alter der Geräte.
Wenn Ihre Organisation Sie nach Ihrem KI-Plan fragt und Sie nicht sicher sind, wie Sie antworten sollen, dann kontaktieren Sie mich. Unser Team für fortschrittliche Fertigung kann Sie bei der Entwicklung einer KI-Strategie unterstützen, die auf die Ziele, das Budget und den Zeitplan Ihres Unternehmens abgestimmt ist.>
Erfahren Sie mehr über unseren Ansatz
Weiterführende Links:
- CPG-Anlagendaten: Ihre Geheimwaffe zur Steigerung der Kundenbindung
- Warum IT-OT-Konvergenz für die Transformation der Konsumgüterbranche entscheidend ist
- Warum Sie die tatsächlichen Ausfallkosten Ihrer CPG-Anlage kennen und reduzieren müssen
- Planung für die Aufrüstung von Konsumgütern: 4 Fragen, die Sie sich stellen sollten
Sam Kolczak
Lösungsvertriebsmanager, Intelligente Fertigung
Sam Kolczak ist Solution Sales Manager bei Belden und verfügt über fast sieben Jahre Erfahrung in der Zusammenarbeit mit Herstellern, um deren Betriebsabläufe zu modernisieren und ihre industriellen Technologiegrundlagen zu stärken.
Sam hat Kunden bei der Entwicklung von OT-Netzwerkarchitekturen, der Implementierung von Datenerfassungs- und Integrationsstrategien sowie der Bereitstellung von Cybersicherheitslösungen unterstützt, die messbare Geschäftserfolge erzielen und Unternehmen oft Millionen von Dollar durch verbesserte Verfügbarkeit, reduzierte Materialverluste und erhöhte Transparenz einsparen.