Die Wertewahrnehmung verändert sich zusehends. Nachhaltigkeit ist in aller Munde und Unikate, bei denen die Kunden ihr Produkt selbst konfigurieren können, lösen nach und nach die Massenproduktion ab. Das hat auch Auswirkungen auf die Supply Chain. Einzelanfertigungen bedürfen keiner Lagerhaltung und die Materialien werden bedarfsgerecht geliefert. Während die Lieferkette auf Grund einer Vielzahl variabler Zuliefererprodukte immer komplexer wird, steigt der Zeitdruck – kleine Verzögerungen bei Herstellung oder Lieferung können Komplikationen auf allen Ebenen nach sich ziehen, daher müssen Produktion, Transport und Warenlagerung bestmöglich zusammenspielen. Darüber hinaus spielt die Transparenz eine wichtige Rolle – sowohl in punkto Visibilität und Prognose, als auch in Bezug auf die Rückverfolgbarkeit, z.B. zur Sicherstellung der Nachhaltigkeit eines Endprodukts. Um die unterschiedlichen Komponenten wirtschaftlich zu integrieren, bedarf es eines flexiblen Managements und einer optimierten Supply Chain.
Planbarkeit optimieren
Geht es um die Optimierung von Planbarkeit, Analysen und die operativen Prozesse, kann künstliche Intelligenz helfen. Sobald Variablen auftreten, liefern Algorithmen präzisere Prognosen und Entscheidungshilfen. Mittels künstlicher Intelligenz können, auf Basis entsprechend umfassender Datensätze, Ereignisse vorhergesagt und Entscheidungen autonom getroffen werden – z.B.wenn es um Maschinenausfälle geht. In der industriellen Bildverarbeitung stellen PC-basierte Systeme oft eine technische Hürde dar. Die Trennung von Bildaufnahme und Datenverarbeitung führt häufig zu Latenzen, erhöhtem Platzbedarf und einem komplexen Wartungsaufwand. Besonders in schnellen Produktionslinien erschwert die Synchronisation zwischen Sensor und externem Rechner eine stabile Prozesskontrolle. ‣ weiterlesen
Präzise 2D-Inspektion mit nativer Edge-Intelligenz
Auf den Zufall vorbereitet sein
Aber auch bei zufällig eintretenden Ereignissen kann künstliche Intelligenz etwas leisten. Fällt z.B. eine Lieferung durch einen defekten LKW aus, kann es dadurch zu Verzögerungen in der Fertigung kommen, was wiederum eine Verspätung bei der Warenauslieferung nach sich zieht. KI kann durch Vorhersagen dabei unterstützen, rechtzeitig Abläufe im Fertigungsprozess anzupassen, indem z.B. andere Produktionsprozesse vorgezogen werden, bevor gravierendere Konsequenzen entstehen.
Interne und externe Daten
Die Voraussetzung für einen funktionierenden Umgang mit KI sind umfassende Datensätze – beispielswesie aus dem ERP-System oder Logfiles von Maschinen. Je größer und umfangreicher die Datenbasis, auf welche die KI zurückgreifen kann, desto besser sind die Prognosen. Stehen die Daten aller beteiligten Akteure für die Analyse zur Verfügung, lassen sich hochpräzise Vorhersagen treffen. Hinzu kommen externe Informationen wie z.B. Wetterdaten. Ziel ist es, die gesamte Wertschöpfungskette zu optimieren. Der Schutz der Daten wird dabei durch Cloudplattformen mit hohen Sicherheitsstandards, wie z.B. Microsoft Azure sichergestellt. Zudem unterliegen die Daten strikten Zugangsberechtigungen.
