Höhere Produktivität, weniger Fehler, bessere Qualität sowie mehr Flexibilität in der Produktion gehören für die produzierenden Unternehmen nach wie vor zu den zentralen Herausforderungen. Die Optimierungsaufgaben sind komplex. Denn in den Hallen stehen meist diverse Anlagen unterschiedlichster Hersteller und Baureihen. Lernende Systeme können hier, wenn sie zuvor entsprechend trainiert werden, zu qualifizierten Beratern gleichermaßen für den Werker an seinem Arbeitsplatz, für den Qualitätsverantwortlichen und den Planer werden. Hinzu kommt: Die Mensch-Maschine-Schnittstellen werden immer ergonomischer und intuitiver, die kryptischen Displays der Vergangenheit wandeln sich zu dialogfähigen digitalen Assistenten des Produktionspersonals.
Qualitätssicherung und Selbstoptimierung
Mit Sensoren ausgestattete smarte Maschinen und Cyber-Physikalische-Systeme können mit Hilfe des Einsatzes kognitiver Systeme Probleme direkt identifizieren, bewerten und sich bis zu einem gewissen Umfang auch automatisch selbst therapieren. Sie erkennen beispielsweise auch, was in nachgelagerten Produktionssequenzen überhaupt noch produziert werden kann. Ähnliches gilt für die Qualitätssicherung: Auch hier lernen Maschinen aus den Fehlern der Vergangenheit und sorgen dafür, sie in Zukunft möglichst zu vermeiden. Dabei helfen auch Bilderkennung und Audioanalysen.
Beispiel Wartung und Reparatur: Zu jeder Anlage existieren in aller Regel Dokumentation, Lastenhefte und Fehlerprotokolle aus Wartung und Instandhaltung. Sie liegen heutzutage sehr häufig sowohl in digitaler Form als auch als handschriftliche Aufzeichnungen vor. Ein Schatz an Informationen, unerlässlich für die Wartung und Reparatur. Doch die manuelle Suche, Auswertung und Zuordnung dieser Informationen ist oft mühsam und zeitaufwändig, den entscheidenden Hinweis bei einem Problem zu finden, gleicht oft der Suche nach der Nadel im Heuhaufen.
Laut IBM ist der Einsatz von Watson hier prädestiniert. „Mit allen verfügbaren Informationen, egal ob strukturiert oder unstrukturiert, gefüttert, hilft das kognitive System dabei, diese Nadel im Heuhaufen zu finden.“ Ein weiteres Plus: Das System werde im Dialog mit dem Menschen immer noch besser, weil es mit jedem neuen Inhalt, jeder neuen Fragestellung und jedem Feedback weiter dazu lernt.
„Stunde der Wahrheit“ schlägt bei der Endmontage
Ein anderes Beispiel: Die Endmontage im Fahrzeugbau. Bei der sogenannten ‚Hochzeit‘ von Chassis und Karosserie, die meist noch überwiegend manuell erfolgt, müssen die Maschinen-Fehler, die in den hochautomatisierten Produktionsprozessen zuvor aufgetreten sind, identifiziert, korrigiert und dokumentiert werden. Dabei treffen jedoch strukturierte Daten in Form von Fehlercodes auf unstrukturierte Daten in Form von Dokumentationsberichten über die Nachbearbeitung. Um den Zusammenhang zwischen Fehlercodes und Nachbearbeitung schnell und möglichst exakt herzustellen, könne nun Watson helfen. Das lernende System könnte zum Beispiel Korrelationsanalysen zwischen Fehlercodes und Dokumentationsberichten erstellen, so IBM. Damit werde es möglich, Fehler schneller zu identifizieren und damit die „Hochzeit“ erheblich zu beschleunigen. Es laufen gegenwärtig einige Pilotprojekte, in denen die Effektivität einer solchen Herangehensweise getestet wird.
John Deere: Watson im Dialog mit dem Werker
Ein anderes Einsatzszenario testet gegenwärtig der weltgrößte Landtechnikhersteller John Deere. Im Rahmen eines Pilot-Projektes wurde ein erster Prototyp für eine kognitive Lösung mit Hilfe von Watson entwickelt. Dabei soll evaluiert werden, inwieweit kognitive, lernende Systeme heute in der Lage sind, dem Werker vor Ort wichtige Hilfestellungen bei Wartungsarbeiten für Maschinen und Anlagen sowie Problemlösungsvorschläge bei Störungen zu bieten. Auf der Hannover Messe 2016 präsentierte IBM gemeinsam mit John Deere das Pilotprojekt, dessen eigentlicher Schauplatz das Werk in Mannheim ist, der größte Produktionsstandort außerhalb der USA.
„Bei Problemen am Montageplatz kann der Werker ein Foto seines Arbeitsplatzes an Watson schicken, der die Maschine binnen Sekunden identifiziert, mit ihr Kontakt aufnimmt und dem Problem auf den Grund geht. Im direkten, in natürlicher Sprache geführten Dialog über das Tablet schlägt Watson dem Mitarbeiter daraufhin eine Lösung vor. Das Ziel ist es, eine möglichst reibungslose Produktion zu gewährleisten und somit Produktivitätssteigerungen zu erzielen“, so IBM. Der Vorteil: Auch in diesem Fall können die Werker ohne spezifische IT-Kenntnisse mit dem System arbeiten.
Der Startschuss zum Projekt „Kognitive Fabrik“ fiel in Mannheim bereits zum 1. Januar 2016. Seitdem entwickle man gemeinsam mit Projekt-Partner IBM alle sechs Wochen mit Agile-Methoden neue Module, berichtet die Computerwoche. Für Agile hätte man sich unter anderem entschieden, weil man so den Beschäftigten alle sechs Wochen die Früchte der Arbeit in kleinen Veränderungen präsentieren könne und nicht, wie bei einem klassischen Neu-Projekt, Jahre auf ein Ergebnis warten müsse.
„Die in Mannheim in Sachen IoT und Industrie 4.0 gewonnenen Erfahrungen sollen dann auf die anderen 62 weltweiten John Deere Fabriken übertragen werden“, schreibt die Zeitung. „Neben Kostensenkung und Flexibilisierung verspricht man sich bei Johne Deere noch etliche weitere positive Effekte. So sollen unter anderem Technologiebrüche wie etwa von Papier zu elektronischen Daten künftig vermieden werden.“ Ein anderer wichtiger Aspekt sei natürlich die Fehlervermeidung.
Zur Optimierung der Prozesse gehört allerdings auch, „dass die Mitarbeiter den allwissenden großen Bruder auch nicht alles fragen können, um sich nicht abzulenken“, berichtet das Handelsblatt. „Seine Konzentration gilt der reibungslosen Produktion - bei Themen wie Fußball, dem Wetter oder neuen Kochrezepten verweigert Watson den Dialog und klinkt sich einfach aus.“
