Künstliche Intelligenz

Künstliche Intelligenz zu vermieten

Künstliche Intelligenz zu vermieten

Eine neue Fraunhofer-Studie zeigt, wie kleine und mittlere Unternehmen KI nutzen können
Birgit Spaeth
Um künstliche Intelligenz nutzen zu können, braucht ein Unternehmen nicht zwingend einen ausgewiesenen Fachmann. Die Fraunhofer-Studie »Cloudbasierte KI-Plattformen - Chancen und Grenzen von Diensten für Machine Learning as a Service« zeigt, wie kleine und mittlere Unternehmen stattdessen vorgehen können. Dieser Beitrag fasst Argumente und Ergebnisse der Studie zusammen, Zitate daraus sind daher nicht entsprechend markiert.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 5 | Seite 44-48
Planungsassistenz in der Kontraktlogistik

Planungsassistenz in der Kontraktlogistik

Ein Konzept zur KI-basierten Planungsunterstützung innerhalb einer digitalen Plattform
Marius Veigt, Lennart Steinbacher, Michael Freitag ORCID Icon
Der intensive globale Wettbewerb, kürzer werdende Produktlebenszyklen und eine zunehmende Variantenvielfalt erfordern flexible und wandlungsfähige, aber zugleich wirtschaftliche Produktions- und Logistiksysteme. Insbesondere in der Kontraktlogistikbranche werden aufgrund der kurzen Vertragslaufzeiten (ca. zwei bis drei Jahre) häufig Logistiksysteme bzw. Fabrikabschnitte neu geplant. Das Wissen über die kundenspezifischen Prozesse sowie die kundenindividuelle Konfiguration der Logistiksysteme liegt implizit bei den Planer*innen. Durch den Einsatz eines KI-basierten Assistenzsystems soll dieses Wissen erfasst und aufbereitet werden, sodass der Planungsprozess beschleunigt wird und gleichzeitig die Planungsqualität weniger individuellen Schwankungen unterliegt. In diesem Beitrag wird beschrieben an welchen Stellen des Planungsprozesses ein Bedarf für eine Unterstützung durch ein auf künstlicher Intelligenz (KI) basierendes Assistenzsystem besteht und wie die digitale Plattform ...
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 5 | Seite 11-15
Deriving Machining Processes from Technical Drawings

Deriving Machining Processes from Technical Drawings

An Approach Motivated by Cloud Manufacturing Platforms Using Convolutional Neural Networks
Lena Bergmann, Johannes Dümmel, Yinglai Tang
One of the success factors for the realization of digital platforms for the exchange of production capacities is the speed at which offers can be generated. In addition, access to and use of the platforms should be as simple as possible. On the other hand, detailed information at machining process level is required for the generation of corresponding production plans on the platform in order to enable an efficient matching of requests and offers. In the present article, we propose to analyze technical drawings of the requested part using an artificial neural network to derive the machining processes. A major challenge here is multi-label image classification, since a technical drawing usually contains several machining processes. Furthermore, the occurring problem of the unbalanced dataset and the resulting improvement of the dataset via image augmentation is discussed. Finally, the performance of the developed model on the test data is demonstrated and a recursive method for improving ...
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 5 | Seite 21-25
Quantencomputing: Eine kurze Geschichte

Quantencomputing: Eine kurze Geschichte

Anwendungen des Quantencomputings im Automobilbereich
David von Dollen, Daniel Weimer, Florian Neukart
In den letzten Jahren hat das Quantencomputing neue Erfolge erzielt, wie z. B. das Quantenüberlegenheitsexperiment von Google [1] und es zeigt sich, dass es von großen Industrieunternehmen zur Lösung komplexer Probleme eingesetzt wird. Aber was hat zu dieser Entwicklung geführt? Welche Arten von Problemen können wir in naher Zukunft erwarten, die mit Quantencomputing zu lösen sind? Auf welche Herausforderungen stoßen wir bei dieser Technologie und ihrem Einsatz im industriellen Umfeld?
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 4 | Seite 34-36
Soziotechnische Systeme: Der Mensch in der Industrie 4.0

Soziotechnische Systeme: Der Mensch in der Industrie 4.0

Ein Vorgehensmodell zur Analyse
Sven Winkelhaus, Anke Sutter, Eric Grosse ORCID Icon, Stefan Morana
Die Einführung neuer Technologien im Zuge von Industrie 4.0 verspricht umfangreiche Effizienz- und Qualitätssteigerungen. Jedoch verändert die Einführung neuer Technologien auch die Arbeitsumgebung für die Beschäftigten. Wird dies vernachlässigt, kann es zu nicht antizipierten negativen Auswirkungen auf das Gesamtsystem kommen. Eine ganzheitliche Sicht auf das soziotechnische System ist notwendig, um diese Effekte bereits bei der Planung zu erkennen und negativen Effekten vorzubeugen. Hierzu wird in diesem Beitrag ein Vorgehensmodell zur Analyse der sich bei der Einführung einer neuen Technologie ergebenden Effekte vorgestellt. Mit der dargestellten Vorgehensweise ist es möglich, strukturiert den Analyseprozess zu durchlaufen und individuell Maßnahmen abzuleiten, um das soziotechnische Gesamtsystem aktiv zu gestalten.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 3 | Seite 45-48 | DOI 10.30844/I40M_21-3_S45-48
Ansatz zur Zustandsbeschreibung technischer Bauteile

Ansatz zur Zustandsbeschreibung technischer Bauteile

Prognose der Restnutzungsdauer basierend auf zeitdiskret erfassten Bauteilzuständen mithilfe mobiler Sensorik
Lukas Egbert ORCID Icon, Anton Zitnikov ORCID Icon, Thorsten Tietjen, Klaus-Dieter Thoben ORCID Icon
Dieser Beitrag beschreibt eine Herangehensweise für eine Predictive Maintenance-Lösung, bei der die Bauteilabnutzung technischer Systeme mithilfe eines Sensorik-Toolkits erfasst und mittels eines Prognosetools überwacht wird. Die Sensorik als auch das Prognosetool müssen flexibel ausgelegt sein, damit sie zielführend an unterschiedlichen technischen Systemen einsetzbar sind. Die Zustandsbestimmung der Bauteile erfolgt dabei nicht kontinuierlich, sondern basierend auf zeitdiskreten Messungen. Anhand der aufgenommenen Daten wird über ein Prognosemodell die wahrscheinliche Restnutzungsdauer der Bauteile prognostiziert. Für die Erstellung der Prognose dient ein Machine Learning Tool, welches mit historischen Abnutzungsverläufen trainiert wird. Die Trainingsdaten werden durch statistische Versuche erfasst, in denen die Einflussgrößen und charakteristische Verläufe verschiedener Abnutzungsarten identifiziert werden. Als Grundlage für diesen Beitrag dienen Untersuchungen an einem ...
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 2 | Seite 35-38 | DOI 10.30844/I40M_21-2_S35-38
Der Machine-Learning-Kompass für Produktentwicklung und Produktion

Der Machine-Learning-Kompass für Produktentwicklung und Produktion

Identifikation und Planung von Machine-Learning-Algorithmen in verarbeitenden Unternehmen
Alexander Jacob, Carmen Krahe, Rebecca Funk, Gisela Lanza ORCID Icon
Aufgrund der Vielzahl verschiedener Machine-Learning-Verfahren und der Modellierungskomplexität besteht unter Ingenieuren häufig Unsicherheit gegenüber der effizienten Anwendung von Machine Learning (ML). Daher bleibt der Einsatz von ML-Anwendungen in verarbeitenden Unternehmen hinter den technischen Möglichkeiten zurück. In diesem Beitrag wird ein intuitiver Handlungsleitfaden für Ingenieure vorgestellt, der diese Unsicherheit verringern soll. Der Handlungsleitfaden führt in sechs Schritten durch ein ML-Projekt. Der ML-Kompass schlägt dem Anwender für gängige ingenieurstechnische Problemstellungen der Produktentwicklung und Produktion ML-basierte Algorithmen, die in der Praxis verwendet werden, vor. Anhand eines Industriebeispiels wird die Funktionsweise demonstriert.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 2 | Seite 7-11
Entscheidungsunterstützung mit KI

Entscheidungsunterstützung mit KI

Eine Analyse technischer und sozialer Faktoren für die industrielle Instandhaltung in Deutschland
Jonas Wanner, Lukas-Valentin Herm, Kevin Fuchs, Axel Winkelmann, Christian Janiesch
Die politische Initiative „Industrie 4.0“ soll deutschen Fertigungsunternehmen bei der Nutzung von Datenpotenzialen helfen. Gerade die Instandhaltung ist mit heutigen Ansätzen bisher unzureichend proaktiv gestaltet. Einen Lösungsweg bieten auf künstlicher Intelligenz (KI) gestützte Entscheidungsunterstützungssysteme, welche eine vorausschauende Maschinenwartung erlauben. Der undurchsichtige Entscheidungsprozess der KI stellt jedoch ein Hindernis für Nutzer dar, welches die Effektivität solcher Systeme gefährdet. Dieser Beitrag beleuchtet daher sowohl technische als auch soziale Faktoren für den Einsatz von KI im Rahmen von Industrie 4.0.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 2 | Seite 39-43
Maschinelles Lernen im Supply Chain Management

Maschinelles Lernen im Supply Chain Management

Ein Überblick über bestehende Ansätze anhand des SCOR-Modells
Benjamin Seifert, Theo Lutz ORCID Icon
Mit zunehmender Datenverfügbarkeit wird der Einsatz Maschinellen Lernens zur Steuerung und Optimierung von Supply Chains attraktiver, da die Qualität der Datenauswertung erhöht und gleichzeitig der Aufwand gesenkt werden kann. Anhand des SCOR-Modells werden exemplarische Ansätze als Orientierungshilfe eingeordnet und dazu passende Verfahren des Maschinellen Lernens vorgestellt.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 2 | Seite 49-51
Steuerung adaptiver Systeme mittels digitalem Zwilling

Steuerung adaptiver Systeme mittels digitalem Zwilling

Mensch-Technik-Interaktion während des Produktlebenszyklus am Beispiel der Containerentladung
Lennart Rolfs, Nils Hoppe, Christoph Petzoldt, Jasper Wilhelm, Thies Beinke, Michael Freitag ORCID Icon
Mit bedienerseitigen Eingriffsmöglichkeiten erlauben semi-autonome Systeme eine bessere Bewältigung auftretender Komplexitäten als vollautonome Systeme. Der Einsatz eines digitalen Zwillings ermöglicht eine neuartige Schnittstelle für die Interaktion mit solchen Systemen. Dieser Beitrag beschreibt die Implementierung der Steuerung und Nutzerschnittstelle in einem System mit digitalem Zwilling. Es wird gezeigt, wie die entwickelte Steuerungsarchitektur die Einbindung verschiedener Methoden der Mensch-Technik-Interaktion und die Durchführung virtueller Schulungen ermöglicht. Auf diese Weise kann die Steuerung des Systems über die Betriebsphase hinaus in anderen Phasen des Lebenszyklus verwendet werden.
Industrie 4.0 Management | 36. Jahrgang | 2020 | Ausgabe 5 | Seite 15-19
1 … 9 10 11 … 17