2020 im Trend: Wie Künstliche Intelligenz die Fertigungs-IT verändert

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

2020 im Trend: Wie Künstliche Intelligenz die Fertigungs-IT verändert

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print
Künstliche Intelligenz (KI) verbessert die Möglichkeiten der Fertigungs-IT und schafft zudem neue Anwendungsfelder. Der MES-Spezialist MPDV erläutert den Trend.
Künstliche Intelligenz in der Fertigungs-IT

Quelle: MPDV und Adobe Stock

  • Künstliche Intelligenz revolutioniert die Fertigungs-IT
  • Bessere Vorhersagen treffen durch KI
  • KI-basierte Fertigungsplanung

Analysen und Vorhersagen durch Künstliche Intelligenz

Ein für KI prädestiniertes Anwendungsfeld ist die Analyse historischer Daten und eine darauf basierende Vorhersage von Ereignissen und Ergebnissen. Was MPDV bereits in 2019 mit Predictive Quality begann, führt der Anbieter von Fertigungs-IT in 2020 mit der Rüstzeitvorhersage fort. Dabei spielt auch die Analyse der Trainingsdaten auf relevante Einflussfaktoren eine zentrale Rolle.

Künstliche Intelligenz in der Fertigungsplanung

Die Fertigungsplanung profitiert ebenfalls von den Möglichkeiten der Künstlichen Intelligenz. Auf Basis von Reinforcement Learning bringt MPDV in 2020 das Produkt „Kognitive Planung und Optimierung“ auf den Markt. Damit können komplexe Auftragsszenarien deutlich besser geplant werden. Der Vorteil gegenüber bisheriger automatischer Planungstools besteht darin, dass deutlich mehr Einflussfaktoren und Randbedingungen berücksichtigt werden können. Auch die Planungsergebnisse werden dadurch deutlich besser als bisher.

Automated Data Science

Insbesondere bei der Modellbildung wird sich in 2020 zeigen, welche KI-Systeme die für die Modellbildung verwendeten historischen Daten selbständig aufbereiten können. Hierzu zählt im Rahmen der Vorbereitung auf die eigentliche Modellerstellung neben der Datensynchronisation auch die unüberwachte Anomalie-Erkennung – also das automatisierte Erkennen von Ausreißern und deren Bereinigung.

Dieses Vorgehensmodell wird auch als Automated Data Science bezeichnet und ermöglicht MPDV-Anwendern Kosteneinsparungen von bis zu 80 Prozent gegenüber dem heute üblicherweise manuellen Vorgehen zur Datenaufbereitung beispielsweise gemäß CRISP-DM.

Weiterlesen: News-Ticker zur Logimat 2020

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken

Ihre Meinung zum Artikel

Abonnieren
Benachrichtige mich bei
guest
0 Comments
Inline Feedbacks
View all comments

Andere Leser haben sich auch für die folgenden Artikel interessiert

Werbung
Werbung

Redaktionsbrief

Tragen Sie sich zu unserem Redaktions-Newsletter ein, um auf dem Laufenden zu bleiben.

Wir wollen immer besser werden!

Deshalb fragen wir SIE, was Sie wollen!

Nehmen Sie an unserer Umfrage teil, und helfen Sie uns noch besser zu werden!

zur Umfrage
Werbung
Werbung

Aktuelle Ausgabe

Topthema: Cloudlösungen für zukunftssichere Fabriken

Die richtige Mischung macht‘s

Mehr erfahren

Tragen Sie sich jetzt kostenlos und unverbindlich ein, um keinen Artikel mehr zu verpassen!

* Jederzeit kündbar

Entdecken Sie weitere Magazine

Schön, dass Sie sich auch für weitere Fachmagazine unseres Verlages interessieren.

Unsere Fachtitel beleuchten viele Aspekte der Digitalen Transformation entlang der Wertschöpfungskette und sprechen damit unterschiedliche Leserzielgruppen an.