Was ist das Ziel dieses Projekts und wer ist daran beteiligt?
Das Ziel ist es, durch den Einsatz von KI unsere Produktionsprozesse zu optimieren, die Qualität zu steigern und die Kosten zu senken. Dabei arbeiten wir gemeinsam mit der IT und beteiligten Kolleg:innen aus dem Werk an der Implementierung dieser innovativen Technologie. Diese Maßnahme trägt direkt zur Gesamtstrategie der POLYTEC bei, indem sie auf datengestütztes Arbeiten setzt und damit die Effizienz und Skalierbarkeit unserer Prozesse verbessert.
Welche Fortschritte wurden bereits erzielt?
Bereits jetzt können wir einige Erfolge verbuchen. An unserem Standort haben wir die Datenqualität im Materialstamm und in den Produkthierarchien erheblich verbessert. Zudem wurden Bauteilbilder in Buchungsterminals hinterlegt, um Fehlerquellen direkt am Bauteil genau zu identifizieren. Die Einführung einer Viskositätsmessungs-App ermöglicht die digitale Erfassung von Lackprüfdaten. Dadurch können Daten sowohl im Modell als auch von den Prozesstechnikern effizient genutzt werden. Eine weitere spannende Eigenschaft des Modells ist, dass es vorhersagen kann, welchen Einfluss das Wetter auf Lackierergebnisse oder Staub- und Schmutzeinschlüsse im Bauteil haben kann.
Wie hat sich die Zusammenarbeit verbessert?
Der Einsatz der KI erleichtert die systematische Identifizierung von Problemursachen oder Störungsgründen (sogenannte Root-Cause-Analyse) in der Prozesstechnik enorm. Die KI verbessert auch das Verständnis für den Lackierprozess und die Zusammenarbeit zwischen verschiedenen Abteilungen, insbesondere bei der Planung und Lackierung. Eine effizientere Planung der Bauteillackierung führt zu einem reibungsloseren Ablauf und weniger Farbwechseln pro Runde. Was wiederum den Lackierprozess in Summe verbessert.
Welche Auswirkungen hat das Projekt auf die Kundenzufriedenheit und interne Abläufe?
Durch die Digitalisierung von Mess- und Prüfprozessen und Datenerweiterung erhalten wir mehr Übersichtlichkeit und Verständlichkeit in unseren Abläufen. Prozessanalysen werden teilautomatisiert, was zu schnelleren und effizienteren Root-Cause-Analysen führt. Das Feedback der KI verbessert nicht nur unsere Produktionsplanung; die daraus umgesetzten Maßnahmen führen auch zu einem besseren Lackierergebnis und somit zu einer höheren Kundenzufriedenheit.
Welche Technologien wurden eingesetzt und könnten für andere Projekte von Interesse sein?
Dieses Projekt ist ein Vorreiter in der Anwendung von Machine Learning zur Prozessoptimierung bei POLYTEC. Insbesondere das Process Mining hat sich als äußerst nützlich erwiesen und kann in vielen Bereichen zur datengesteuerten Prozessoptimierung eingesetzt werden.
Welche Hindernisse gab es während des Projekts zu überwinden?
Die Qualität unserer Daten war eine zentrale Hürde. Daten sind wie eine Nahrungsquelle für eine KI. Ohne präzise Daten könnte die KI keine genauen Vorhersagen treffen. Durch umfangreiche Datenanalyse, Aufbereitung und die Implementierung zusätzlicher Sicherheitslogiken konnten wir jedoch diese Herausforderung bewältigen.
