Intelligent Operations Platform: Wie Closed-Loop-Operationen beschleunigt werden

Das Problem unseres Kunden war Folgendes: Der Automobilhersteller stellt Spritzgussteile her, die bei der Fahrzeugmontage verwendet werden.

In letzter Zeit häuften sich jedoch die Beschwerden aus der Endmontage. Mehrmals pro Woche werden defekte Teile angeliefert, die sich negativ auf die Fahrzeugproduktion auswirken.

Wie IOP die Fehlerbehebungszeiten drastisch verkürzen kann

Um dieses Problem zu lösen, wird kurz vor dem Verpacken der Teile für die Montagelinie ein Computer-Vision-System installiert. Der verantwortliche Produktionsingenieur trainiert innerhalb eines Tages ein Modell der künstlichen Intelligenz (KI), ohne die ganze Datenwissenschaft hinter den Kulissen kennen zu müssen. Die Bilder und Ergebnisse der Qualitätsprüfung werden automatisch an die Intelligent Operations Platform (IOP) übertragen. Dadurch stehen direkt alle Daten für die weitere Analyse zur Verfügung, ohne die bisher typischen Hürden beim Anschluss neuer Sensoren. Die Logistikmitarbeiter erhalten Rückmeldungen, sobald fehlerhafte Teile erkannt und aussortiert werden. Da die Daten im IOP vorliegen, können die Auswirkungen des Problems effizient und objektiv quantifiziert werden. Das Bauchgefühl wird durch Beweise ersetzt. Unser Szenarioproblem hat sich verschlimmert. Defekte werden jetzt mehrmals am Tag festgestellt. Während die Menschen an den Defekten arbeiten, ist die Ursache immer noch unentdeckt. Drei Dinge machen es für unseren Produktionsingenieur kompliziert: Die Teile können nicht bis zum Zeitpunkt der Produktion in der Spritzgussmaschine (IMM) zurückverfolgt werden, die Fehler treten nur sporadisch auf und das Fehlerbild ist vage. Mit den gewonnenen Daten kann unser Kunde aber die sich kontinuierlich verbessernden Modelle trainieren, um so einen Wettbewerbsvorteil zu erhalten.

KI-Modell mit Computer Vision erweitern

Um die Ursache zu ermitteln, werden an jeder der fünf Maschinen, die das betroffene Teil herstellen, Kameras vorgeschaltet. Bei der Anwendung der Computer Vision kann das bereits trainierte Modell von Anfang an wiederverwendet werden (wir nennen dies Transfer-Lernen). Die Einstellungen von der früheren Kamerastandorten werden nun ohne manuelles Eingreifen auf die fünf neuen Standorte übertragen. Das System wird mit den, während der Prozessausführung aufgenommenen, Bildern kontinuierlich verbessert. Dank der, im Vergleich zur konventionellen industriellen Bildverarbeitung, reduzierten Ausrüstungskosten ist es möglich, alle Maschinen gleichzeitig mit den Kameras auszustatten. Der Prozess muss nicht von Mitarbeitern überwacht werden. Die massive Dateneingabe von allen Maschinen verbessert das Modell innerhalb weniger Stunden. Schnell stellt sich heraus, dass die defekten Teile nur an einer Maschine eingeführt werden. Dies führt zu neuen Fragen , denn alle Maschinen arbeiten in der gleichen Halle unter den gleichen Bedingungen.

Qualitätsprüfung verfeinern um Pseudofehler zu vermeiden

Um so viele Details wie möglich zu erfahren, stellt der Produktionsingenieur die Qualitätsprüfung auf einen „strengeren“ Modus um. Ein feinabgestimmtes Modell erkennt jetzt sogar geringfügige Abweichungen, welche nicht aus der Produktion ausgeschlossen werden. Dies ist im normalen Betriebsmodus nicht erforderlich und würde zu viele Pseudo-Fehler erzeugen. Um auf äußere Einflüsse zu prüfen, wollen die Experten Körperschall aufnehmen. Sie bringen einen Sensor an der Maschine an und verbinden ihn mit dem IOP. So können die Experten sowohl Maschinen- als auch externe Daten in der Fehlerfeststellung abbilden. Es stellt sich heraus, dass bei jeder Produktion der defekten Teile eine charakteristische Schwingung des Maschinenkörpers auftritt, deren Quelle jedoch noch unbekannt ist. Der Produktionsingenieur definiert Prozessparameter, von denen er annimmt, dass sie für das Problem von Bedeutung sind.

Wissen, wann etwas schiefläuft

Um weitere Einblicke zu erhalten, richtet der Produktionsingenieur dann eine Warnmeldung ein. Auf seinem Handy erhält er eine Warnung, sobald das Problem erkannt wird. Darüber hinaus werden die Parameter im kontinuierlichen Parameteraufzeichnungsstrom explizit gekennzeichnet. Auf diese Weise kann der Ingenieur die Parameterwerte für verschiedene Situationen leicht vergleichen.

Den Fehler schnell beheben

Der zusammengestellte Parametervergleich liefert den Beweis: Die Fehler entstehen während der Erwärmung der Form.  Ein unregelmäßiges Wärmeprofil verursacht Reibung, wenn die Gussform geschlossen wird. Diese Reibung wird durch den Körperschalldetektor erfasst. In diesem speziellen Fall werden die fehlerhaften Teile in einem der drei Hohlräume der Gussform produziert. Der Ingenieur behebt dieses Problem, indem er die Heizparameter modifiziert, und die Defekte sind verschwunden.

Anhand dieses Kundenbeispiels  haben wir gezeigt, wie der IOP die Fehlerbehebungszeiten drastisch verkürzen kann. Mit den gewonnenen Daten kann unser Kunde sich kontinuierlich verbessernden Modelle trainieren, um so einen Wettbewerbsvorteil zu erhalten.

(Dieser Beitrag erschien zuerst auf www.capgemini.com)