Leseprobe
Inhaltsverzeichnis
1 Einleitung
1.1 Aufgabenstellung
1.2 Zielsetzung
2 Predictive Maintenance
2.1 Angabe
2.2 Allgemein
2.3 Arten der Instandhaltung
2.4 Predictive Maintenance
2.5 Voraussetzungen für Predictive Maintenance
2.6 Vorteile von Predictive Maintenance
3 IoT in der Lagerlogistik
3.1 Angabe
3.2 Vor- & Nachteile
3.3 Chancen & Risiken
4 Hyperintelligenz
5 Künstliche Intelligenz im Alltag
5.1 Definition Künstliche Intelligenz
5.2 Autonom fahrendes Auto
5.3 Smarte Heizung
5.4 Autonome Lebensmittellieferung
5.5 Bewegungsmelder
5.6 Automatisierte Rollläden
5.7 Chatbot
6 KI-Implementierung im Beispiel-Unternehmen
7 Literaturverzeichnis
Abkürzungsverzeichnis
IoT Internet of Things
KI Künstliche Intelligenz
NLP Natural Language Processing
ROI Return on Investment
1 Einleitung
In dieser Hausarbeit im Rahmen der Lehrveranstaltung Big Data und Künstliche Intelligenz gilt es Potenziale und Ansätze zur Implementierung von KI-Applikationen aufzuzeigen und nachfolgende Aufgabenstellungen zu bearbeiten.
1.1 Aufgabenstellung
In dieser Aufgabe werden mehrere Fragestellungen rund um das Thema Big Data und Künstliche Intelligenz bearbeitet. Zuerst wird auf Predictive Maintenance eingegangen, gefolgt vom Einsatz von IoT in der Lagerlogistik. Anschließend wird der Begriff Hyperintelligenz definiert und dessen Realisierung abgesteckt. Danach wird der Begriff Künstliche Intelligenz definiert und dessen Anwendungsbeispiele analysiert. Zuletzt wird auf eine erfolgreiche Implementierung von Künstlicher Intelligenz im Beispiel-Unternehmen eingegangen und die Erfolgskriterien hierfür dargelegt.
1.2 Zielsetzung
Ziel dieser Hausarbeit ist es, sich vertiefend mit den Themen Big Data und Künstliche Intelligenz auseinanderzusetzen. Im Zuge dessen gilt es verschiedene Aufgabenstellungen passend zum Thema zu bearbeiten. Es sollen hierbei die Lerninhalte der Lehrveranstaltung genutzt, aber auch durch Recherche das eigene Wissen erweitert werden.
2 Predictive Maintenance
2.1 Angabe
Ein mittelgroßes Unternehmen baut MRT-Geräte und sammelt hierbei im Herstellungsprozess Maschinendaten und deren Parameter. Diese Daten werden über ein Excel-Format in eine zentrale Datenbank übertragen, allerdings weder analysiert noch ausgewertet. Derzeit haben Mechaniker*innen Rufbereitschaft, um ausgefallene Maschinen schnellstmöglich zu reparieren. Hierdurch müssen diese ihre derzeitigen Tätigkeiten häufig unterbrechen. Dies führt zu eine Effizienz- und Produktivitätsverlust.
2.2 Allgemein
So oder so ähnlich ergeht es zahlreichen anderen Unternehmen. In etwa beschreiben 90 Prozent der Unternehmen in Deutschland ihren Instandhaltungsprozess als wenig effizient. Predictive Maintenance wirkt hier durch die Nutzung von Künstliche Intelligenz, kann Instandhaltungskosten um bis zu 45 Prozent senken und bietet hierdurch allein in Deutschland ein Potenzial von 120 Milliarden Euro. Im Durchschnitt verursacht ein Stillstand von fünf Minuten Kosten in Höhe von 100.000 Euro. Allein dies zeigt auf, dass es Stillstände zu minimieren oder im besten Fall noch vor ihrem Eintritt zu erkennen und vermeiden gilt.1
2.3 Arten der Instandhaltung
Oben genanntes Unternehmen betreibt reaktive Instandhaltung, bei der Instandhaltungsmaßnahmen ausschließlich nach einem Ausfall der Maschine durchgeführt werden. Hierbei handelt es sich um die ineffizienteste Methode der Instandhaltung. Effizienter ist hierbei bereits die präventiv periodische Instandhaltung, bei welcher Maßnahmen in festgelegten Intervallen durchgeführt werden. Dasselbe gilt für die präventiv zustandsbasierte Instandhaltungsstrategie, die auf Erkennung von Anzeichen setzt. Den State of the Art stellt derzeit die vorausschauende Instandhaltung, auch Predictive Maintenance genannt, dar. Hierbei werden Instandhaltungsmaßnahmen vorhergesagt und proaktiv zum richtigen Zeitpunkt umgesetzt. Ungeplante Ausfälle werden hierdurch minimiert, die Liefertermintreue verbessert und Lagerbestände reduziert.2
2.4 Predictive Maintenance
Die vorausschauende Instandhaltung bau auf der zustandsorientierten Instandhaltung auf. Während bei der zustandsorientierten Instandhaltung abgewartet wird bis ein gewisser Schwellwert überschritten wird um anschließend zu handeln, versucht die vorausschauende Instandhaltung die Überschreitung des Schwellwertes basierend auf gesammelten Daten aus Sensoren und Parametern zu erahnen. Hierdurch soll ein optimaler Wartungszeitpunkt bestimmt werden.3
Um die Überschreitung eines Schwellwertes bestimmen zu können, werden Daten aus dem Produktionsprozess wiederholt und fortlaufend analysiert. Eine Veränderung von Parametern wird hierbei als Verschleiß gewertet. Mittels statistischer und mathematischer Methoden werden historische Daten auf Muster und Beziehungen untersucht. Da nicht alle Zusammenhänge bekannt sind, übernimmt Data Mining im Zuge der Analyse eine wichtige Rolle, um auch Beziehungen und Zusammenhänge in komplexen Systemen aufspüren zu können. Hierzu kommt unüberwachtes Lernen zum Einsatz, um in etwa unbekannte Muster und Anomalien mittels Clustering oder Assoziationsregeln erkennen zu können. Überwachtes Lernen kommt zum Einsatz, sobald eine Zielgröße bekannt ist.4
2.5 Voraussetzungen für Predictive Maintenance
Um Predictive Maintenance einsetzen zu können, muss eine umfangreiche und qualitativ hochwertige Datenlage existieren. Um Daten sammeln zu können muss hochleistungsfähige Sensorik zum Einsatz kommen. Diese kann bereits in Maschinen integriert sein oder bei Bedarf nachgerüstet werden (Retrofit). Zudem ist eine hohe Rechenkapazität zur Berechnung der intelligenten Algorithmen notwendig. Hierbei muss die Rechenkapazität allerdings nicht zwingend Inhouse existent sein, sondern es kann eine Kombination aus Edge-Computing und Cloud-Computing zurückgegriffen werden.5
Dennoch sollte bei der Umsetzung eines derartigen Projekts der Implementierungsaufwand und auch die damit verbundene Komplexität nicht unterschätzt werden.6
2.6 Vorteile von Predictive Maintenance
Die Umstellung auf Predictive Maintenance hat großen Einfluss auf den derzeitigen Instandhaltungsprozess des MRT-Geräte-Herstellers. Durch die Umstellung wird es für Mechaniker*innen nicht mehr notwendig sein, auf Rufbereitschaft zur Verfügung zu stehen. Hierdurch können diese ihren Aufgaben nachgehen, ohne diese plötzlich unterbrechen zu müssen. Das Resultat ist ein effektiverer Einsatz des Personals. Dies wirkt sich positiv auf den Workflow aus und steigert die Effizienz. Ungeplante Stillstände, Maschinenausfälle oder gar schwerwiegende und kostspielige Folgeschäden können durch einen optimalen Wartungszeitpunkt vermieden werden. Zudem wird hierdurch die Produktion nicht beeinflusst. Auch die Planung der Ersatzteilbeschaffung wird durch Predictive Maintenance positiv beeinflusst.7
3 IoT in der Lagerlogistik
3.1 Angabe
Der Einsatz von Künstlicher Intelligenz in der Instandhaltung überzeugt auch andere Abteilungen in besagtem Unternehmen. Nun wird auch ein Ansatz von IoT in der Lagerlogistik angedacht. Hierdurch soll der Automatisierungsgrad erhöht und die Kosten deutlich reduziert werden.
3.2 Vor- & Nachteile
Durch die Vernetzung von verschiedenen Softwaresystemen wie ERP, Warehouse Management, Hochregallager und weitere Systeme, lassen sich Abläufe in der Lagerlogistik optimieren und effizienter gestalten. In der Regel werden in der Logistik auf zahlreiche Software-Lösungen gesetzt, die fortlaufend Daten generieren. Diese können in etwa genutzt werden, um den Materialfluss zu optimieren und unterstützen dabei, Daten- und Warenströme sichtbar, verständlicher und schneller zu machen. Zudem ist eine Vernetzung direkt mit den Produktionsmaschinen möglich. Erkennt eine Produktionsanlage in etwa, dass das Material zur Produktion knapp wird, ordert diese automatisiert Nachschub nach. Das Logistiksystem organisiert sich ohne menschliches Zutun selbst. Prozesse werden hierdurch effizienter, aber auch störungsfreier, ein Eingreifen des Menschen ist nur noch in Problemfällen notwendig, die Abhängigkeit von Personal sinkt.8
Als Nachteil können hier die hohen Initialisierungskosten genannt werden. Zwar sind automatisierte Abläufe ohne menschliches Zutun klar kostengünstiger, der Weg dorthin aber eben kostenintensiv. Auch fortlaufende Wartungs- und Energiekosten müssen betrachtet werden. Eine detaillierte Wirtschaftlichkeitsrechnung ist demnach obligatorisch, um in etwa den ROI und Payback einer derartigen Anschaffung berechnen zu können.9
3.3 Chancen & Risiken
Mitarbeiter*innen sehen in der Automatisierung häufig die Gefahr des Jobverlusts, da diese erwarten durch eine Maschine ersetzt zu werden. Hier gilt es frühzeitig mit den Betroffenen zu kommunizieren und deren Akzeptanz zu steigern. Fehlende Kooperation und Akzeptanz bringen Automatisierungskonzepte schnell zum Scheitern. Dabei gilt es in etwa zu erwähnen, dass Automatisierung auch zur Entlastung der Mitarbeiter*innen beiträgt und repetitive, sowie schwere Tätigkeiten reduziert. Auch die Erhöhung der Arbeitssicherheit stellt eine Chance dar. Aus der unternehmerischen Perspektive ergeben sich die Erhöhung der Wettbewerbsfähigkeit, der Prozessoptimierung und der Erhöhung der Effizienz sowie Senkung der Personalkosten als Chancen. Gleichzeitig besteht allerdings auch das Risiko einer zu hohen Kapitalbindung, das Scheitern des Projekts durch fehlende Akzeptanz und die Abwanderung von Mitarbeiter*innen.10
[...]
1 Vgl. Schuh u.a. (2020) S. 5.
2 Vgl. Schuh u.a. (2020) S. 7 ff.
3 Vgl. Zhai/Reinhart (2018) S. 299.
4 Vgl. Wöstmann u.a. (2017) S. 524 f.
5 Vgl. Zhai/Reinhart (2018) S. 299.
6 Vgl. Wöstmann u.a. (2017) S. 527.
7 Vgl. Weinzierl (2021).
8 Vgl. Logistik Knowhow (2019).
9 Vgl. Hartmann (2021)
10 Vgl. Hartmann (2021)