Feinplanung: Wie KI für mehr Nachhaltigkeit sorgt

Anbieter zum Thema

PSI Software SE | Business Unit Discrete Manufacturing

becos gmbH

Aktuelle Entwicklungen erhöhen den Druck auf die Industrie, die Energieeffizienz in der Produktion zu verbessern. Auf künstlicher Intelligenz (KI) basierende Algorithmen ermöglichen – unterstützt durch eine zunehmende Digitalisierung und das Internet of Things (IoT) – Lösungen zur Reduktion des Energieverbrauchs in der Fertigung ohne die Wirtschaftlichkeit aus den Augen zu verlieren.

Feinplanung optimieren: Seit mehreren Jahren rücken im produzierenden Gewerbe ökologische Kriterien stärker in den Fokus. Nun beschleunigen mehrere Entwicklungen den Wandel. Zum einen zwingen die unsichere Versorgungslage und steigende Energiekosten die Unternehmen dazu, den Verbrauch von fossiler Energie weiter zu reduzieren. Zum anderen kommen strengere staatliche Regulierungen zu den CO2-Emissionen hinzu. Während manche auf alternative Energieträger umsteigen, sind laut VDMA für 85 Prozent der Unternehmen Einsparungen im Energieverbrauch die primäre Lösung.

Lokale Ansätze bergen Nachteile

Es existieren einige Ansätze, um den Energieverbrauch in der Produktion zu reduzieren. Sie setzen vor allem auf einer bestimmten lokalen Ebene an und berücksichtigen nicht die Komplexität der Produktionsumgebung. Beispielsweise werden einzelne Maschinen optimiert, indem Stellgrößen, wie Bearbeitungstemperatur oder Arbeitsgeschwindigkeit verändert werden. Häufig ist dies nicht nur zeit- und kostenintensiv, sondern auch nicht skalierbar. Für den Einbau einer neuen, energiesparenden Maschine muss zum Beispiel das Produktionsvolumen reduziert oder sogar die Produktion ganz gestoppt werden. Nach der Wiederaufnahme der Produktion kommt es häufig übergangsweise zu einem Rückgang der Produktionsqualität.

KI in der Feinplanung als Lösung

Der Einsatz von KI-basierten Lösungen in der Feinplanung ermöglicht es dagegen, Energieeinsparungen in der Produktion zu realisieren, ohne in die Produktionsprozesse direkt eingreifen zu müssen. Die Fertigungsschritte werden so auf Maschinen verteilt, dass der Energieverbrauch minimiert wird. KI-Algorithmen können dabei einerseits den Energieverbrauch einer Maschine bei der Bearbeitung eines Fertigungsschritts berücksichtigen. Andererseits beachten sie, ob es bei der Nutzung einer Maschine zu energieintensiven An- und Ausschaltvorgängen oder ineffizienten Leerlaufzeiten kommt. Dies ist wichtig, da der Energieverbrauch während Leerlaufzeiten oder An- und Ausschaltvorgängen bis zu 65 Prozent des gesamten Verbrauchs einer Produktion ausmachen kann.

Produktionssituationen mit einem signifikant hohen Energieverbrauch für das Hoch- und Herunterfahren von Maschinen bergen deshalb besonders großes Einsparpotenzial und eignen sich gut für eine Optimierung mit künstlicher Intelligenz. Um das energieintensive Hochfahren einer Maschine und damit lange Leerlaufintervalle zu vermeiden, wird der entsprechende Produktionsschritt einer bereits laufenden Maschine zugeteilt. Durch intelligentes Aneinanderreihen von Fertigungsschritten und das gleichzeitige Auswählen von besonders energiesparenden Maschinen, kann der Gesamtenergieverbrauch einer Produktion um bis zu 20 Prozent reduziert werden (Bild 2).

Zielkonflikt zwischen Ökologie und Ökonomie in der Feinplanung

Für eine effiziente Produktion müssen in der Produktionsplanung neben ökologischen Zielkriterien, wie Energieverbrauch auch ökonomische Ziele berücksichtigt werden. Ein relevantes Zielkriterium aus ökonomischer Perspektive ist die Liefertermintreue. Für eine optimale Liefertermintreue ist es oft sinnvoll, möglichst viele Maschinen zu verwenden, um sehr schnell produzieren zu können. Dies kann aber zu vielen energieintensiven An- und Ausschaltvorgängen führen. Somit kann es aus Sicht der Energieeffizienz sinnvoll sein auf weniger Maschinen, aber dafür länger zu produzieren (Bild 3). Während man also intuitiv davon ausgehen könnte, dass ein möglichst liefertermintreuer – also kurzer – Produktionsablauf wenig Energie verbraucht, ist dies tatsächlich nicht immer der Fall.

Daher ist ein Abwägen notwendig. Dies kann eine KI-Lösung eigenständig umsetzen und so eine ausgewogene Lösung generieren. Darüber hinaus können mehrere „gleich gute“ Pläne erzeugt werden, die entweder mehr Fokus auf den Energieverbrauch oder die Liefertermintreue legen. Diese Pläne können als Unterstützung für Planende dienen, die basierend auf Expertenwissen aus der Menge aller erzeugten Pläne den jeweiligen, für die aktuelle Situation optimalen Produktionsplan wählen können (Bild 4).

KI als Baustein klimaneutraler Produktion

Eine KI-Software, die bereits in der Praxis angekommen ist, ist Anacision Planning. Ihre Algorithmen setzen insbesondere in komplexen Produktionsumgebungen weitere Optimierungspotenziale frei. Über IoT-Schnittstellen werden Produktionsfortschritt und Plan echtzeitnah abgeglichen, um bei Abweichungen die Optimierung laufend zu aktualisieren. So können Unternehmen gesetzliche Regulierungen umsetzen, ohne die Produktionsprozesse zu verändern und zusätzlich die steigenden Energiekosten in den Griff bekommen. Damit kann KI zu einem Baustein hin zu einer klimaneutraleren Produktion werden.

Die Autoren sind Christian Scherrer, Chief Revenue Officer, und Gianluca Geraci, Data Scientist, beide bei Anacision.

Lesen Sie auch: Digitale Zwillinge optimieren die Intralogistik