AIoT Assessment

Artificial Intelligence of Things – Warum Predictive Maintenance nicht ausreicht

Lange galt sie als das Einsatzszenario Nr. 1 für KI- und IoT-Anwendungen in der Industrie: die vorausschauende Wartung. Doch Unternehmen, die ihren Fokus ausschließlich auf Predictive Maintenance legen, lassen das enorme Potenzial von KI und IoT weitgehend ungenutzt. Ihren vollen Wertbeitrag entfalten diese Technologien nämlich erst, wenn es darum geht, den gesamten Produktionsprozess auf Basis von AIoT (Artificial Intelligence of Things) zu optimieren. Für diesen innovativen Ansatz bündeln Device Insight und der schwedische KI-Spezialist Sentian ihre Expertise. Im gemeinsamen Whitepaper zeigen wir, wie Unternehmen ihre Produktion mit AIoT zur Smart Factory machen.

Der Fokus auf Predictive Maintenance greift zu kurz

Die vorausschauende Wartung ist eine der wichtigsten und meistdiskutiertesten Technologien an der Schnittstelle von Internet of Things und Künstlicher Intelligenz. Störfälle und Wartungsbedarf sollen präzise vorhergesagt und damit der Ausfall von Maschinen verhindert sowie der Service- und Wartungsaufwand deutlich reduziert werden. Betrachtet man den industriellen Fertigungsprozess jedoch genauer, stellt man fest, dass Predictive Maintenance bei Weitem nicht alle Szenarien abdeckt. KI und IoT fungieren hier lediglich als „Beobachter“ und gehen über die reine Alarmierung im Schadensfall nicht hinaus.

Dabei können diese Technologien einen wesentlich größeren Wertbeitrag für die industrielle Produktion leisten, wenn man einmal vom Fokus auf Predictive Maintenance abrückt und stattdessen die gesamte Produktion in den Blick nimmt. Tatsächlich steckt genau in den graduellen Verbesserungen und feinen Justierungen der Fertigungsprozesse mit KI und IoT ein vielversprechender Business Value.

Bessere Performance, höhere Qualität und mehr Ertrag

An diesem Punkt setzt Artificial Intelligence of Things (AIoT), also die smarte Verknüpfung von Künstlicher Intelligenz und IoT,  an. Das Ziel des innovativen Ansatzes von Device Insight und und dem schwedischen KI-Spezialist Sentian ist es, Abweichungen vom Optimum innerhalb eines Herstellungsprozesses fortlaufend zu verringern. Weniger Abweichungen bedeuten eine verbesserte Performance der Maschinen und Anlagen, weniger Ausschuss und geringere Kosten – und vor allem mehr Produkte in der höchsten Qualitätsklasse. Die Folge: Der Ertrag und Gewinn, aber auch die Kundenzufriedenheit steigen spürbar. Die Produktion wandelt sich hin zu einer Smart Factory. Unternehmen, die mithilfe von AIoT ihre Produktionsprozesse optimieren, können die Effizienz ihrer Produktion um bis zu 30 Prozent steigern.

Use Case: JUMO goes Smart Factory

Ein Beispiel hierfür ist der deutsche Hersteller für Automations- und Sensorlösungen JUMO. JUMO betreibt eine hochautomatisierte High-Tech-Fertigung mit fortschrittlichen Maschinen und vielen Robotern. Trotzdem stellte das Unternehmen fest, dass innerhalb des Produktionsprozesses kleine, aber signifikante Schwankungen auftreten. Dies führte zu Abweichungen in der Qualität der gefertigten Sensoren und entsprechend auch zu einem verringerten Ertrag. Durch Intelligente Automatisierung – insbesondere ein spezielles Imputationsmodell, welches fehlende Daten ergänzt – konnte die Sensorgenauigkeit deutlich verbessert werden. Auf diese Weise konnte JUMO den Anteil der Sensoren in der höchsten Qualitätsstufe um 20 % steigern und entwickelte so die Produktion zu einer Smart Factory.

AIoT_gesamt

Die Verknüpfung von IoT und Artificial Intelligence bietet Unternehmen eine Vielzahl an Vorteilen.

AIoT = Sentian x Device Insight

Um das volle Potenzial der Intelligenten Automatisierung zu nutzen, braucht es die Verbindung zweier Technologien: Künstliche Intelligenz und IoT. Denn nur wenn gut gepflegte und hochwertige Daten zentral vorliegen, können auf deren Grundlage ML-Modelle angewandt werden, um einen „Lernprozess“ innerhalb der Fertigungsabläufe in Gang zu setzen und automatisierte Maßnahmen abzuleiten. Dafür bündeln Device Insight und Sentian ihr Know-how und begleiten Unternehmen in einem 5-stufigen Prozess auf dem Weg zum AIoT-Vorreiter – von der Analyse des Status quo und der jeweiligen IoT- und KI-Readiness über das Use Case Design bis zu Umsetzung, Validierung und unternehmensweiter Integration und Skalierung.

Der klare Fokus liegt dabei auf dem Proof of Value, also dem tatsächlichen Business Mehrwert, den Unternehmen durch AIoT erzielen, und nicht – wie so häufig – auf der rein technologischen Machbarkeit, dem Proof of Concept. An mehreren Stellen des AIoT-Prozesses werden deshalb Go / No Go Meilensteine vorgesehen, an denen – auf Basis klar definierter KPIs – entschieden wird, ob der Proof of Value erbracht ist oder aber Anpassungen vorgenommen werden müssen. Durch diese klare Dokumentation und einen iterativen, agilen Prozess der kleinen Schritte stellen wir sicher, dass Unternehmen ihre Ziele und den entsprechenden Business Value wirklich erreichen.

Neugierig geworden? Im kostenlosen Whitepaper erfahren Sie mehr über den innovativen AIoT-Ansatz und erhalten Einblicke in echte Use Cases:

AIoT Whitepaper

Neueste Beiträge



X
Twittern
Teilen
Pin
Teilen