Start MES Intelligente Steuerungen erobern die Fertigung

Intelligente Steuerungen erobern die Fertigung

Der technologische Einfluss auf IT-Anwendungen der Fertigung nimmt zu. Künstliche Intelligenz verbessert die Möglichkeiten und schafft neue Anwendungsfelder. MPDV, Anbieter für Manufacturing Execution Systems, erläutert die Trends für das kommende Jahr.

smart-factory_trovarit
Quelle: zapp2photo | Adobe Stock

Ein für Künstliche Intelligenz prädestiniertes Anwendungsfeld ist die Analyse historischer Daten und die darauf basierende Vorhersage von Ereignissen und Ergebnissen. Was MPDV bei seiner Manufacturing Integration Platform 2019 mit Predictive Quality begann, will der Anbieter in diesem Jahr mit der Vorhersage der Rüstzeit fortführen. Eine zentrale Rolle spiele dabei die Analyse der Trainingsdaten auf relevante Einflussfaktoren.

Fertigungsplanung wird intelligent

Auch die Fertigungsplanung profitiere von den Möglichkeiten der Künstlichen Intelligenz. Auf Basis von Reinforcement Learning will MPDV 2020 das Produkt Kognitive Planung und Optimierung auf den Markt bringen. Damit sollen sich komplexe Auftragsszenarien besser planen lassen. Der Vorteil gegenüber bisherigen automatischen Planungstools besteht laut Aussage des Anbieters darin, dass mehr Einflussfaktoren und Randbedingungen berücksichtigt werden. Auch die Planungsergebnisse würden besser als bisher.


Anzeige

IT-Matchmaker®.guide Industrie 4.0

Einkaufsführer & Standardreferenz für Industrie-4.0-Software
  • Fachbeiträge
  • Firmenprofile relevanter Anbieter
  • Referenzen aus der Praxis
  • Produktübersichten

Zum Download des Industrie-4.0-Guides

 


Modelle entstehen automatisch

Insbesondere bei der Modellbildung werde sich in 2020 zeigen, welche IT-Systeme mit Künstlicher Intelligenz die für die Modellbildung verwendeten historischen Daten selbständig aufbereiten können. Hierzu zähle im Rahmen der Vorbereitung auf die eigentliche Modellerstellung neben der Datensynchronisation auch die nicht überwachte Anomalie-Erkennung – also das automatisierte Erkennen von Ausreißern und deren Bereinigung. Dieses Vorgehensmodell nennt sich Automated Data Science und soll Anwendern im Vergleich zum heute üblichen manuellen Vorgehen zur Datenaufbereitung Kosteneinsparungen von bis zu 80 Prozent ermöglichen. Jürgen Frisch


Whitepaper

Datenqualität als Schlüssel zur erfolgreichen Systemeinführung

Zum kostenlosen Download des Whitepapers

Autor: Ron | Enderle | Competence Center Datenmanagement

Im CC Datenmanagement bündelt die Trovarit ihr Beratungs-Know-how rund um die Analyse, Bereinigung, Migration und Qualitätssicherung von Stamm- und Bewegungsdaten. Mit dem Ziel, Methoden und Werkzeuge zu entwickeln, die die Datenqualität in Unternehmen nachhaltig verbessern, engagieren sich unsere Experten im Data Quality Center (DQC), einen Zusammenschluss aus Industrie- und Forschungspartnern, wie z.B. dem FIR an der RWTH Aachen oder der Universität Heilbronn.