PSI Logistics auf Twitter
PSI Logistics auf YouTube
PSI Logistics auf Xing
PSI Logistics auf Linkedin

Industrielle Künstliche Intelligenz

Vorteile durch den Einsatz von KI in industriellen Anwendungen

Unternehmen setzen Industrielle Intelligenz ein, um entscheidende Vorteile gegenüber ihren Wettbewerbern zu erzielen. Durch die geschickte Kombination verschiedener KI-Methoden können sie

  • kontinuierlich Zeit und Kosten einsparen,
  • Routineprozesse optimieren und automatisieren,
  • Produktivitäts- und Effizienzsteigerungen erzielen,
  • die Nachhaltigkeit verbessern und
  • schnellere und bessere Entscheidungen treffen.

Anwendungsbeispiele nach Branchen

Energieübertragungs- und -verteilnetze

Mit Hilfe von maschinellem Lernen und neuronalen Netzen werden Netzlasten und Einspeisung regenerativer Energien prognostiziert. Sie dienen den vorausschauenden Netzberechnungen als wichtige Eingangsdaten. So werden die Herausforderungen an die Netzführung effizient und sicher gemeistert.

Ich möchte mehr erfahren (PDF)

Energieübertragungs- und -verteilnetze

Das System SASO (Security Assessment & System Optimisation) ermittelt vorausschauend Vorschläge zur Beseitigung aktueller und erwarteter Störungen im Transport- oder Verteilnetz. Sie werden auf Basis von Fuzzy-Logik bewertet und bilden die Grundlage für optimale Entscheidungen. Das System kann damit zu einem selbstlernenden System, einer Art Netz-Autopilot, ausgebaut werden.

Gastransport

Durch Verfahren des Advanced Industrial Engineering lassen sich z. B. die erforderlichen Gasmengen zur Erfüllung von Gaslieferverträgen vorhersagen und sicherstellen. Optimierungsverfahren im Betrieb von Kompressoren und Anlagen führen zu Kosteneinsparungen und zur Reduzierung des CO2-Ausstoßes.

Energiehandel

Für die Zeitreihenvorhersage werden Methoden des aIE auf der Basis von Machine-Learning-Algorithmen eingesetzt. Die Vorhersagen der Energieauslastung und Energieerzeugung sind dank der Anwendung von künstlichen neuronalen Netzen und anderen Machine-Learning-Methoden mit bisher unerreichter Genauigkeit verfügbar. Die qualitativ hochwertigen Prognosen sorgen für reale Geschäftsvorteile und unterstützen die Prozesse im Energiehandel deutlich.

Betriebsführung von Gasnetzen

Mit PSIgasguide werden mit vorgegebenen Randwerten und unter Verwendung von Bewertungskriterien optimale Fahrweisen für einen sicheren Betrieb von Gasnetzen zielgerichtet gefunden. Im ersten Schritt werden auf Grundlage zukünftiger Gastransportmengen potenzielle Fahrweisen ermittelt. Im zweiten Schritt wird eine Rangfolge aufgestellt, indem unterschiedliche Kriterien in einem multikriteriellen Entscheidungsprozess bewertet werden. Aus der Reihenfolge kann ein Dispatcher seine Entscheidung ableiten.

Ich möchte mehr erfahren (PDF)

Energiehandel

Offene Positionen bis kurz vor Lieferbeginn über den Markt auszugleichen und damit teure Ausgleichsenergiekosten zu sparen, wird im Energiehandelsverlauf immer wichtiger. PSI nutzt hierbei den KI-basierten Smart Day Trader mit KPI-gesteuerter Multikriterien-Optimierung zur intuitiven und nachvollziehbaren Ermittlung der strukturierten Restpositionen sowie zum flexiblen Kontrakt­management zur Modellierung.

Automobilindustrie

Bei der wertschöpfenden Prozessdatenanalyse werden maschinell aus historisierten Daten mittels des Qualitativen Labelns Datenzusammenhänge für die vorausschauende Steuerung sowie Optimierung der Geschäftsprozesse gelernt.

Ich möchte mehr erfahren (PDF)

Reifenindustrie

Zur optimierten Produktionssteuerung von Prozessen in der Reifenindustrie werden mit Methoden der künstlichen Intelligenz die für die automatische Bilderkennung notwendigen Test- und Validierungsdaten gelernt. Die Genauigkeit der Klassifikation liegt bei über 99 Prozent. Manuelle Eingriffe in den Produktionsablauf werden reduziert und die Qualität wird konstant gesichert.

Ich möchte mehr erfahren (PDF)

Automobilindustrie

Erweiterte Fuzzy-Logik optimiert Kennzahlen-gestützte Produktionsprozesse bei dynamischen Zielvorgaben und sicherer sowie unsicherer Informationslage. Die Vorteile der Optimierung sind z. B. Kosteneinsparungen durch Reihenfolgenbildung mit flexiblem Ressourceneinsatz, das Ausbalancieren von Zielkonflikten und die Reaktionsfähigkeit in Echtzeit.

Industrie 4.0

Erweiterte Fuzzy-Logik ist Industrie 4.0-kompatibel und offen für die flexible Steuerung von Prozessen fernab fester physischer Strukturen, ob im Bereich des Field-/Workforce-Managements, der vorausschauenden Instandhaltung oder der agilen Produktion mit Fahrerlosen Transportfahrzeugen für die modulare Fertigung mit Schwarmfertigung (Forschungsprojekt SMART FACE des BMWi).

Stahl- und Aluminiumindustrie

Kombinatorische Verfahren optimieren die Produktions- und Reihenfolgeplanung in der Stahl- und Aluminiumindustrie. Vorteil dieses Verfahrens ist die Auflösung konkurrierender Ziele im Sinne übergeordneter Strategien unter Berücksichtigung anlagenspezifischer Vorgaben (z. B. maximale Auslastung bei gleichzeitiger Einhaltung von Lieferterminen). Dabei erlauben vordefinierte KPIs die notwendige Dynamik, um auf sich verändernde Vorgaben reagieren zu können.

Maschinen- und Anlagenbau

Die KI-basierte Geschäftsprozessoptimierung bewertet durch Qualitatives Labeln multikriteriell Maschinendaten und empfiehlt vorausschauend Instandhaltungsmaßnahmen (Predictive Maintenance). Damit wird die Maschinenverfügbarkeit erhöht, die Planungssicherheit gesteigert und die Gesamtbetriebskosten werden gesenkt. Mit Hilfe einer KI-basierten multikriteriellen Entscheidungs­unte­rstützung werden Lieferanten identifiziert, objektiv bewertet und zur nach­voll­ziehbaren Auswahl vorgeschlagen.

Maschinen- und Anlagenbau

Gleichzeitige Sicherstellung einer hohen Anlagenverfügbarkeit und minimierter Wartungsaufwände ist im Predictive Asset Management neben der Skalierung von einer Maschine bis hin zu Anlagenverbünden tägliche Herausforderung. PSI nutzt hierbei die KI-basierte Qualicision-Technologie, um ganzheitlich und nachvollziehbar Wartungsempfehlungen zu geben sowie konkrete Einsätze und deren Monitoring zu planen.

Produktionsindustrie

Die KPI-basierte Produktionsoptimierung kombiniert Planung und Echtzeitsteuerung von verketteten Arbeitsabläufen über mehrere Ressourcen hinweg. In der Produktionsplanung werden sowohl einfache als auch komplexe Arbeitsprozesse mit verschiedenen Datenlagen wie z. B. Auftragsdaten, Termine und Kapazitäten auf die Ablaufpläne abgebildet.

Transportlogistik

Erweiterte Fuzzy-Logik optimiert die Lagerhaltung und den Transport von Waren. Zielkonflikte zwischen definierten Kennzahlen werden erkannt und ausbalanciert. Lieferkosten werden gesenkt und die Verpackungslogistik wird vereinfacht.

Flughafenlogistik

Durch den Einsatz neuronaler Netze wird die automatische Gepäckstückerkennung auf Basis hochaufgelöster Bilder aus mehreren Überwachungskameras optimiert. Die Erkennung in Echtzeit und die Gepäckstückverfolgung während der gesamten Gepäckbeförderung wird in hoher Qualität gewährleistet. So werden z. B. Beschädigungen automatisch erkannt und protokolliert.

Ich möchte mehr erfahren (PDF, englisch)

Supply-Chain-Optimierung

Verschiedenste kombinatorische Verfahren unterstützen bei Supply-Chain-Optimierungen z. B. bei der optimalen Standortauswahl für Logistikzentren. Mehrere Auswahlkriterien werden berücksichtigt und als Ergebnis wird die kostengünstigste Lösung ermittelt. Die Verfahren sind skalierbar und wiederverwendbar.

Öffentlicher Nahverkehr

Erweiterte Fuzzy-Logik optimiert halb- oder vollautomatisch alle Prozesse im Depot von Verkehrsbetrieben. Dazu gehört die Wegeoptimierung sowie die Fahrzeugpositionierung und -verfolgung. Die flexible Konfiguration aller Dispositionskriterien sorgt für eine verbesserte Fahrzeugwartung unter Einhaltung der erforderlichen Fahrzeugqualität.

Ich möchte mehr erfahren (PDF)

Verkehrsinfrastrukturbetreiber

Erweiterte Fuzzy-Logik unterstützt Infrastrukturbetreiber beim Management von Verkehrsflüssen und sorgt für den optimalen Betrieb für alle Verkehrsteilnehmer. Zielkonflikte werden nach vorgegebenen Kennzahlen ausbalanciert. Instandhaltungsmaßnahmen können geplant werden und reibungslos in das Management der Verkehrsnetze einfließen.

Ich möchte mehr erfahren (PDF, englisch)

Öffentlicher Nahverkehr

Die KI-Optimierung in Realzeit verbindet die multikriteriellen Optimierungsanforderungen sowohl des Linienbetriebs auf der Straße aus der Perspektive der Personenbeförderung als auch aus der Wirtschaftlichkeitsperspektive des Depots.

 

Wodurch unterscheidet sich Industrielle Intelligenz von Künstlicher Intelligenz?

An KI-Anwendungen im industriellen Einsatz, sei es in der Produktion oder in der Energieversorgung, werden deutlich höhere Anforderungen gestellt:

Präzision

Für populäre Anwendungen wie Spracherkennung am Smartphone reicht eine Erkennungsgenauigkeit von 95%. Im industriellen Prozess kann eine Abweichung von wenigen Prozentpunkten die komplette Produktion lahmlegen.

Datenrobustheit

Die Produktion muss auch mit unvollständigen Daten sicher weiterlaufen. Hier kommt Fuzzylogik zum Einsatz, die auch unter erschwerten Bedingungen die beste Entscheidungsunterstützung bietet.

Prozessintegration

KI ist keine Stand-Alone-Anwendung. Sie muss sicher in bestehende Prozesse integriert werden und über Schnittstellen sowie Protokolle mit anderen Diensten interagieren.

Kombination mit anderen Verfahren

Auch Künstliche Intelligenz hat Grenzen. Nur in Kombination mit konventionellen Optimierungsverfahren spielt KI seine Vorteile komplett aus.

 

 Seitenanfang

Was bringt Industrielle Intelligenz ganz konkret?

Produktivitätsgewinne in der Produktion

Schon bei einer Fließfertigung lassen sich die Produktionsprozesse mithilfe erweiterter Fuzzylogik optimieren. Durch die Reihenfolgebildung mit flexiblem Ressourceneinsatz, das Ausbalancieren von Zielkonflikten und die Reaktionsfähigkeit in Echtzeit sind Kosteneinsparungen von 8 –10 % erreichbar.

Eine dynamische, selbst organisierende Industrie-4.0-Schwarmfertigung, die auf Fertigungsinseln und intelligenten Werkstücken basiert, kann mit entsprechender Optimierung zusätzlich 20 % Produktivitätsgewinne realisieren.

Nachhaltige Stahlproduktion

In der Metallindustrie ermöglicht PSI-Software rund 10 % Energieeinsparung und begleitet den Strukturwandel zu CO2-armer Produktion.

Einsparungen in den Energienetzen

Deutliche Nachhaltigkeitseffekte werden beim optimierten Lademanagement für Elektrofahrzeuge und bei der Führung von Stromnetzen durch präzise Einspeise­prognosen auf der Basis von KI und die Ermittlung optimaler Schalt­maßnahmen erzielt.

Im Vergleich zum konventionellen Netzausbau spart die Investition in intelligente Hard- und Software rund 40 % der Kosten ein, die sonst für neue Trafos, Kabel und Erdarbeiten entstehen würden.

Effizienzsteigerungen in Logistik und Verkehr

In der Logistik bewirkt der Einsatz Künstlicher Intelligenz eine Effizienzsteigerung um über 10 %, z. B. durch die Nutzung einer KI-Optimierung im Distributions­zentrum.

Durch den Einsatz von KI-Methoden zur Verkehrssteuerung in Städten können die CO2-Werte um bis zu 15 % reduziert werden.

 

 Seitenanfang

Fragen & Antworten zum Einsatz von KI in Unternehmen

KI-Experte Dr. Rudolf Felix beantwortet im Rahmen des Webinars KI? Das kann auch der Mittelstand! die drängendsten Fragen:

  • Sind riesige Datenmengen zum Anlernen von KI nötig? (26:02)
  • Wieviel manuelles Labeln benötigen aktuelle KI-Prozesse? (27:01)
  • Kann die Software nur Daten prozessieren, die in Konkurrenz zueinander stehen? (28:10)
  • Woher weiß ich, welche von den 50 KI-Methoden für die eigenen Zwecke am sinnvollsten ist? (29:12)
  • Vereinfacht KI meine Qualitätssicherung durch Bildanalysen? (29:57)
  • Muss ich mich selbst um Machine Learning in der Bildverarbeitung kümmern? (30:49)
  • Wie funktioniert Supply-Chain-Optimierung mit KI in der Intralogistik? (31:35)
  • Was ist der Unterschied zwischen Machine Learning, KI und Deep Learning? (32:40)

Sie haben weitere Fragen? Oder Sie möchten Künstliche Intelligenz in Ihrem Unternehmen einsetzen, wissen aber noch nicht genau wie?

 Seitenanfang

Meistgelesene Blogbeiträge zu Künstlicher Intelligenz

Künstliche Intelligenz in der Fertigungsindustrie: Gegenwärtige und zukünftige Chancen

Immer öfter ist von Industrial Intelligence die Rede. Allein die Verwendung dieses Begriffs belegt, dass Künstliche Intelligenz in der Industrie angekommen ist. Inwieweit KI ingenieurstauglich und in in der Praxis relevant ist, zeigt der Blick in die IT-Welt der Fertigungsindustrie.

Mehr erfahren

Nachhaltige Geschäftsprozesse durch grüne KPIs und intelligente Optimierung

Die Einsparung von Ressourcen in Geschäftsprozessen verbessert ihre Nachhaltigkeit enorm. Erfahren Sie anhand von 4 Anwendungsbeispielen, welche Nachhaltigkeitseffekte durch eine qualifizierte Entscheidungsunterstützung in der Optimierung von Geschäftsprozessen erzielt werden.

Mehr erfahren

Verständliche KI-Systeme durch nachvollziehbare KPI-Labels

Das Qualitative Labeln als KI-Methode verbindet Entscheidungs- und Optimierungsalgorithmen (EOA) mit maschinellem Lernen. Erfahren Sie, wie die zugehörige Software lernt, EOA-Parameter automatisch und effizient einzustellen.

Mehr erfahren

Weitere Seiten