Machine Learning in der Produktion: IPRI untersucht die Umsetzung bei KMU
Machine Learning – eine Technologie, welche die Industrie wie kaum ein anderer Trend begeistert. Von Anwendungsgebieten bei der Strukturerkennung in Daten über evolutionäres Lernen bis hin zu intelligenten Robotern bildet das automatisierte, von einem Algorithmus übernommene, Erlernen von Strukturen die Basis. Im Rahmen des Forschungsprojekts „MLready“, das bis August 2024 läuft, werden die Potenziale von Machine Learning in der Produktion zur Steigerung der Ressourceneffizienz insbesondere für KMU des Maschinenbaus nutzbar gemacht. „MLready“ ist ein Kooperationsprojekt des International Performance Research Institute (IPRI) und des Instituts für Integrierte Produktion Hannover (IPH).
Forschungsprojekt „MLready“ befähigt KMU des Maschinenbaus zur Nutzung von Machine Learning zur Steigerung der Ressourceneffizienz
In der Produktion können mithilfe von Machine Learning Zusammenhänge in Daten erkannt werden, die zur Optimierung von Prozessen, Planungssystemen und Qualitätsmanagement dienen. So können unter anderem die Reihenfolgenbestimmung oder Ressourcen- und Kapazitätsplanung verbessert sowie Prozesse an veränderte Bedingungen angepasst werden. Bei der Umsetzung stehen insbesondere KMU vor Herausforderungen: mangelndes Fachwissen, fehlende Überzeugung vom Mehrwert, fehlende technische Infrastruktur und hohe Anforderungen an Datenqualität. Das Forschungsprojekt "MLready" setzt genau hier an. Es befähigt KMU im Maschinenbau, gezielt Machine Learning einzusetzen, um die Ressourceneffizienz entlang der innerbetrieblichen Lieferkette zu steigern.
In der Prozesslandkarte können geeignete Anwendungen identifiziert werden
Für die Umsetzung von Machine Learning wird Unternehmen ohne vorherige Erfahrung der Versuch an einem Pilotprojekt empfohlen. Dafür und auch für die nächste Umsetzung bei gelungenen Pilotierungen steht zu Beginn der Umsetzung die Auswahl einer geeigneten Anwendung. Im Projekt wurden Anwendungen strukturiert in Erfolgsberichten gesucht, in Workshops erarbeitet und in drei Kategorien aufbereitet, damit Unternehmen gezielt Prozesse verbessern könne. Anwendungen in der Produktionsplanung umfassen Optimierungen z. B. in der Produktionsprogrammplanung oder dem Auftragsmanagement. In der Produktionsoptimierung wird nach Verbesserungen direkt an der Produktionsstraße gesucht und die Produktionsüberwachung zielt auf eine Rückspielung der Daten aus der Produktion in die Produktionsplanung zurück, um dort Prozesse zu verbessern. Die Prozesslandkarte mit den empfohlenen Machine Learning Anwendungen kann unter https://prezi.com/view/6074HVoARB98SFgSAxdA/ eingesehen werden.
Ein Leitfaden befähigt zur eigenständigen Aufbereitung von Daten für die Anwendung von Machine Learning
Nach der Definition eines Anwendungsfalls, der in der unternehmensspezifischen Situation einen wesentlichen Mehrwert verspricht, müssen Daten gesammelt werden, die für die Umsetzung notwendig sind. In einem Leitfaden wurden Ergebnisse des Projekts zusammengefasst, durch den Unternehmen dazu befähigt werden sollen, Datenquellen eigenständig zu identifizieren, Daten aufzubereiten und für die Verwendung von Machine Learning vorzubereiten. Datenquellen müssen abhängig vom Anwendungsfall ausgesucht werden. Dafür wurden in der Prozesslandkarte für jeden Anwendungsfall geeignete Quellen ergänzt. Dabei wird zwischen benötigten und optionalen Daten unterschieden, die unterstützend wirken und die Ergebnisse der Algorithmen verbessern können. Anschließend sollte die Qualität der Daten bemessen werden. Dazu wurde im Projekt ein Datenqualitätsmodell speziell für die Umsetzung von Machine Learning entwickelt. Durch die Bewertung der Daten kann abgeschätzt werden, ob die Machine Learning Anwendung erfolgreiche umgesetzt werden kann. Identifizierte Schwachstellen sollten behoben werden, wofür im Leitfaden Empfehlungen gegeben werden.
Praxisnahe Forschung – Seien Sie dabei!
Das Projekt richtet sich speziell an kleine und mittlere produzierende Unternehmen. Diese können über den Projektausschuss und durch Fallstudien in das Projekt eingebunden werden und so direkt von Forschungsergebnissen profitieren. In den nächsten Schritten wird eine umfängliche Einführungsstrategie erarbeitet und in Fallstudien validiert. Die Ergebnisse werden fortlaufend unter https://ipri-institute.com/forschungsprojekte/mlready/ publiziert und in Projekttreffen vorgestellt. Interessierte Unternehmen können sich beim International Performance Research Institute (Herrn Garlef Hupfer: ghupfer@ipri-institute.com / 0711 / 620 32 68 -03) bezüglich einer Kooperation melden. Die Teilnahme am Forschungsprojekt ist kostenlos und unverbindlich.
Das IGF-Vorhaben 22312 N „MLready - Befähigung von KMU zur Nutzung von Potenzialen von Machine Learning in der Produktion und Entwicklung einer Einführungsstrategie der Forschungsvereinigung Institut für Energie- und Umwelttechnik e.V. – IUTA wird über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Über IPRI:
Das International Performance Research Institute (IPRI) ist ein gemeinnütziges Forschungsinstitut auf dem Gebiet der Betriebswirtschaftslehre. Unter der Leitung von Prof. Dr. Mischa Seiter betreibt das Institut international angelegte Forschung mit dem Schwerpunkt auf Controlling sowie Performance Measurement und Management von Unternehmen und Unternehmensnetzwerken sowie öffentlichen Organisationen. Im Mittelpunkt steht die Durchführung von nationalen und internationalen Forschungsprojekten und Studien.
Wissenschaftlicher Ansprechpartner:
International Performance Research Institute gGmbH
Garlef Hupfer, M.Sc.
Reuchlinstraße 27
D-70176 Stuttgart
Telefon: 0711-6203268-03
Telefax: 0711-6203268-99
E-Mail: ghupfer@ipri-institute.com
Weitere Informationen:
https://ipri-institute.com/forschungsprojekte/mlready/