PSI Logistics auf Twitter
PSI Logistics auf YouTube
PSI Logistics auf Xing
PSI Logistics auf Linkedin
  • Industrielle Künstliche Intelligenz

    Erleben Sie „Industrial Software With Built-in Qualicision AI” auf der Hannover Messe 2023

  17. bis 21. April 2023 | Halle 17, Stand G20

Unter dem Motto Industrial Software With Built-in Qualicision AI präsentiert der PSI-Konzern auf der Hannover Messe intelligente Softwareprodukte und KI-basierte Anwendungen für eine optimierte und nachhaltige Produktion sowie Energieversorgung:

  • Optimierung der Produktion in der Automobilbranche
  • Prozesse in der Dekarbonisierung für die Metallindustrie und den Energiehandel
  • Software zur Steuerung von Stromnetzen
  • Systematische Netzüberwachung
  • Wartungs- und Instandhaltungsstrategien für Energienetze und industrielle Prozesse
  • Integration von elektrifizierten öffentlichen Verkehrsmitteln der Ladeinfrastruktur des Individualverkehrs in das Energieversorgungsnetz
  • Optimiertes Laden von Elektrobussen

Darüber hinaus werden der PSI App Store und der neue Collaboration Space für Kunden und Partner vorgestellt.

PSI ist Teil der Guided Tours der Hannover Messe zum Thema „KI in der Fertigung“.

Wir freuen uns auf Ihren Besuch!

PSI auf der Hannover Messe 2022

Dr. Rudolf Felix erklärt Industrielle Intelligenz

Haben Sie noch Fragen? Kontaktieren Sie uns via

Using AI and Green KPIs to Support Steelmakers’ Decarbonization Efforts

Green Steelmaking Webinar 2023 - 30 Min.

Grüne KPIs und intelligente Optimierung - Nachhaltigkeit in Geschäftsprozessen

Hannover Messe 2021 - Digital Edition -  25 Min.

Asset Optimierung mit intelligenten Prognoseverfahren

maintenance Online Days 2021 - 27 Min.

Standardisierung von Fahrzeugdaten-Plattformen (STAPL)

Ziel von STAPL ist die intelligente Nutzung von Sensor- und Diagnosedaten aus ÖPNV-Fahrzeugen für die wirtschaftliche Nutzung der Fahrzeuge und die weitere Verbesserung der CO2-Bilanz. Im Forschungsprojekt wird eine Systemarchitektur erarbeitet und durch Feldtests validiert. Dabei werden Daten aus unterschiedlichen Fahrzeugtypen und -komponenten verschiedener Hersteller gesammelt, mit externen Daten angereichert und durch Anwendung KI-basierter Tools analysiert und veredelt.
Weitere Informationen

Integration des Einsatzes von elektrischen Schwe­rlast­transport­maschinen in der Rohstoffindustrie (ELMAR)

Im Forschungsprojekt werden die Grundlagen für den Einsatz von elektrischen mobilen Schwerlasttransportmaschinen zum Erhalt der Prozesssicherheit in der Produktion und die Gewährleistung der elektrischen Versorgungssicherheit, sowie die Kopplung an erneuerbare Energiequellen geschaffen und umgesetzt. PSI trägt mit KI- und cloudbasierter Software zur Dekarbonisierung der Rohstoffgewinnung bei.
Weitere Informationen

Entwicklung einer verteilten und IT-sicheren Netzsteuerung (DISEGO)

Gemeinsam im Partnerverbund entwickelt PSI im Forschungs­projekt DISEGO (Critical Components for Distributed and Secure Grid Operation) eine eIoT-Plattform (Energie-Internet of Things Plattform). Intelligente Smart Grid Services werden auf dieser interoperablen Plattform um KI- und Machine-Learning-Verfahren funktional auf ein neues Level gehoben und um Aspekte der Erklärbarkeit von KI-Entscheidungen erweitert.
Weitere Informationen

Einsatz Industrieller Künstlicher Intelligenz in Gasnetzen (IKIGas)

Das Ziel des Forschungsprojektes ist die Erforschung innovativer leistungsstarker, selbstlernender Werkzeuge für Analyse, Prognose und Entscheidungsunterstützung zum Zustand von Gasnetzen. Mithilfe Industrieller Künstlicher Intelligenz (IKI) sollen Anomalien, die durch Naturkatastrophen, geopolitische Spannungen, Terrorismus, organisierte Kriminalität und Großschadenslagen ausgelöst werden können, schneller erkannt und geeignete Maßnahmen effizienter ermittelt werden.
Weitere Informationen

Wie KI potenzielle Gefahren für das Stromnetz frühzeitig erkennt

Mehr erfahren

Digitalisierung als Wegbereiter für die Dekarbonisierung der Stahlproduktion

Mehr erfahren

Vorausschauende Wartung - mit KI ganzheitlich optimieren

Mehr erfahren

Künstliche Intelligenz in der Fertigungsindustrie: Gegenwärtige und zukünftige Chancen

Mehr erfahren

Nachhaltige Geschäftsprozesse durch grüne KPIs und intelligente Optimierung

Mehr erfahren

Verständliche KI-Systeme durch nachvollziehbare KPI-Labels

Mehr erfahren

Anwendungsbeispiele nach Branchen

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

Komplexe Prozesse in Stahl- oder Aluminiumwerken trotz voneinander abhängiger Produktionsschritte optimieren, den Energieverbrauch und die CO2-Emissionen reduzieren sowie mit den sich ändernden Marktanforderungen wettbewerbsfähig bleiben. Planung, Disposition und Logistik erfordern KI-basierte Produktionssoftware, die für eine effiziente, ressourcenschonende und nachhaltige Produktion, Industriekunden auf ihrem Weg zur Dekarbonisierung unterstützen.

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.

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.

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

Weitere Seiten