KI in der Produktion skalieren

Aus der Sicht der Anwender

Antrieb der besonderen Art

Während die erste industrielle Revolution durch Dampf in Gang gesetzt wurde, wird die Industrie 4.0 durch Künstliche Intelligenz (KI) angetrieben. Mit den Möglichkeiten zur Automatisierung, Digitalisierung und Optimierung stellt KI die perfekte Lösung für Fertigungsprozesse dar, von der Produktentwicklung bis zur Qualitätskontrolle. Ein Computer-Vision-System ermöglichte es General Motors beispielsweise, 72 Fälle von Komponentenausfällen zu erkennen und massive Ausfallzeiten zu vermeiden (eine Minute davon kann ein Unternehmen dieser Größe bis zu 20.000 US-Dollar kosten), während ein Machine-Learning-System die Nachfrageprognose von Danone deutlich verbesserte (Reduzierung von Prognosefehler um 20%, Umsatzeinbußen um 30%, nicht mehr haltbarer Produkte um 30% und Arbeitsauslastung des Bedarfsplaners um 50%).

Enormes Potenzial auf breiter Front

Der jüngste Bericht des Capgemini Research Institute – Scaling AI in manufacturing operations – zeigt, dass eine intelligente Wartung zusammen mit der Produktqualitätsprüfung und der Bedarfsplanung gute Ausgangspunkte für KI-Initiativen von Produktionsunternehmen darstellen. Gründe dafür sind:

  • Sie bieten einen klaren wirtschaftlichen Nutzen.
  • Sie sind relativ einfach zu implementieren.
  • Es sind viele Daten sowie Know-how vorhanden.
  • Da sie sichtbar und erklärbar sind, ist die Implementierung für ausführende Teams einfacher.

Deutschland ist führend bei der Einführung von KI in der Fertigungsindustrie

69 Prozent der deutschen Fertigungsunternehmen haben mindestens einen KI-Anwendungsfall im Einsatz gegenüber 28 Prozent der Produktionsunternehmen in den USA und 11 Prozent in China. Weitere Ergebnisse der Studie „Scaling AI in manufacturing operations“ in der Pressemitteilung.

Es kommt auf den Fokus und die Skalierung an

Damit Produktionsunternehmen die Vorteile von KI auch nutzen können, müssen Unternehmen über die Pilot- und Proof-of-Concept-Phase hinausgehen und sie diese skalieren. Dazu sollte man erfolgreiche KI-Prototypen in Live-Engineering-Umgebungen einsetzen, in grundlegende Daten-, KI-Systeme und Talente investieren sowie die KI-Lösung im gesamten Fertigungsnetzwerk skalieren. KI ist der Raketentreibstoff hinter Industrie 4.0. und ideal für Anwendungen in der Fertigungsindustrie geeignet – Unternehmen, die in der Lage sind, die Vorteile für sich zu nutzen, werden auch in Zukunft durchstarten.

Hier können Sie Zusammenfassung der Ergebnisse in der Pressemitteilung lesen.

Abonnieren Sie die Vorabversion der neuen Berichte des Capgemini Research Institute

Report – AI in MfG Ops

Dateigröße: 3,42 MB File type: PDF

Infographic – AI in MfG...

Dateigröße: 3,27 MB File type: PDF

Sound Bites

Neeraj Tiwari, Director manufacturing JV organization at Fiat Chrysler China

We trained an AI system to detect improper assemblies or missing components, such as small screws that are hard to detect for a human eye. The system is extremely fast and efficient, allowing defective parts to be taken off the main conveyor on a separate line to the rework area where they can be corrected. The process not only saves a lot of quality issues at the end-customer but also loss of valuable production time.

Eugene Kusse, Factory director, Upfield (a spin-off of Unilever)

Working in the food industry, we have a responsibility to ensure that the food we produce is both safe for consumption and meets the toughest quality criteria. We have strict policy and procedures in place to ensure that we avoid any of the risks associated with not meeting those criteria.

Siddharth Verma, Global head and VP – IoT Services, Siemens

In the early days, when the accuracy of the system was low, it predicted a few failures which turned out to be false alarms. At these points, it is important to remind everyone that it is a prediction which has a probability of being right or wrong. As accuracy improved, the system was able to predict many failures in advance and saved a lot of cost and downtime, proving its worth.

Key Takeaways

30%

reduction in lost sales achieved by Danone by using machine learning to predict demand variability

29%

share of use cases implemented in maintenance

14%

of automotive OEMs have delivered AI implementations at scale as of January 2019

About the Capgemini Research Institute

Capgemini Research Institute

Capgemini’s #1 ranked in-house think tank on all things digital

cookies.

Mit dem Fortsetzen des Besuchs dieser Website akzeptieren Sie die Verwendung von Cookies.

Für mehr Informationen und zur Änderungen der Cookie-Einstellungen auf Ihrem Computer, lesen Sie bitte Privacy Policy.

Schließen

Cookie Information schließen