Große Fortschritte bei der Digitalisierung der Stahlherstellung

Noodle.ai, ein Anbieter von Enterprise Artificial Intelligence® Anwendungen aus San Francisco, USA, und SMS digital mit Sitz in Düsseldorf, Deutschland, die Digitalisierungsspezialisten innerhalb der SMS group, haben nach Bekanntgabe ihrer Kooperation im Juni 2019 ihre zweite gemeinsam entwickelte Applikation in den Markt eingeführt.

In der neuen Scheduling App zur Produktionsplanung sind drei modulare Applikationen enthalten, die auch einzeln zur Verfügung gestellt werden können. Hierbei handelt es sich um eine Pre-Grouping App, eine Demand Planning App sowie eine Line Sequencing App.

Die Scheduling Applikation ist die Antwort auf die steigende Nachfrage nach intelligenter Produktionsplanung mit dem Ziel, Leistungskennzahlen wie die Termintreue zu verbessern sowie Übergangsverluste zu minimieren, die bei Stahlsorten-übergängen, Dicken- und Breitensprüngen oder Änderungen der Prozessbedingungen unweigerlich entstehen.

Durch die Integration mit neuen und bestehenden Applikationen wird der gesamte Planungsprozess mittels künstlicher Intelligenz (KI) weiter automatisiert – von der Langzeitplanung von bis zu sechs Monaten bis hin zur kurzfristigen Umplanung innerhalb einer Produktionssequenz. Der modulare Aufbau der neuen Applikation macht dies möglich und es können mit geringem Implementationsaufwand zukünftig weitere Applikationen angebunden werden.

Die drei neuen AIaaS (Artificial Intelligence as a Service)-Module sind vollständig integriert mit dem Manufacturing Execution System MES 4.0 von SMS digital. Die cloudbasierten Anwendungen mit Web-Interface lassen sich einfach über den Webbrowser ausführen.

Ein breites Produktspektrum in Kombination mit einer Vielfalt von Produktionsparametern sowie dynamischen Orderbuchänderungen macht die Optimierung der Produktionsplanung zu einer komplexen Aufgabe für Produktionsplaner.

Das Modul "Demand Planning" unterstützt bei der Erstellung eines Produktionsplans, indem es die zukünftig entstehenden Kunden-bestellungen produktspezifisch durch KI-Algorithmen vorhersagen kann. Dies funktioniert bis zu sechs Monate im Voraus und die Vorhersagen werden direkt in die Produktionsplanung eingebunden. Mit fortschreitendem Verlauf werden die berechneten Aufträge dann durch echte Auftragseingänge ersetzt. Dies verbessert deutlich das Planungsergebnis, da so eine weitsichtige Planung der Produktionskapazitäten möglich ist. In diese Prognose fließen unterschiedliche Daten ein: Historische Auftragsdaten, Vertriebsdaten, Produktdaten, Kundendaten und weitere unternehmensspezifische Parameter, aber auch externe Faktoren wie Marktschwankungen. Auf diese Weise kann der Planer die Prognosen ganz einfach in reale Bedarfspläne umsetzen. So werden präzisere Liefertermine an Kunden und optimierte Auftragsplatzierung für den Vertrieb ermöglicht. Das Ergebnis ist eine verbesserte Liefertreue bei gleichzeitig effizienter Anlagenausnutzung.

„Pre-Grouping“ ist eine Lösung, die die Bedarfsanforderungen für jede Produktionslinie zu effizienten Gruppen zusammenfasst. Diese können unter Berücksichtigung gemeinsamer Produkteigenschaften wie Stahlgüte oder chemischer Zusammensetzung aber auch anhand von zeitbasierten Regeln gebildet werden. Darüber hinaus können verschiedene Leistungskennzahlen (KPI Key Performace Indicator) in die Entscheidungsfindung mit einbezogen werden. Die Größe der gebildeten Vorgruppen wird direkt von der Bedarfsplanung bestimmt. Das Pre-Grouping stellt eine wichtige Verbindung zwischen der Bedarfsplanung und der Produktionssequenz her und bietet entscheidende Vorteile für die Produktion als Ganzes: Höhere Produktionseffizienz, reduzierte Übergangskosten und optimierte Lagerbestände.

Das Line-Sequencing-Modul erfasst die Auftragseingänge, fasst die Kundenaufträge in Schmelzengruppen zusammen und berechnet für die nächsten 24 Stunden die optimale Sequenz einer ausgewählten Gruppe von Schmelzen für die Stranggießanlage. Für die Berechnung der Schmelzen und der Schmelzenfolge erstellt das Modul eine optimierte Gesamtkostenfunktion, die die Übergangskosten an der Stranggießanlage und im Stahlwerk mit den auftragsspezifischen Vorgaben des Kunden abgleicht. Zentrales Element der Berechnung ist ein Reinforcement-Learning-Algorithmus (Verstärkendes Lernen), in den praktisch alle möglichen Kosten-komponenten sowie technische und Best-Practice-Vorgaben des Kunden einfließen. Das Modul generiert daraufhin eine Empfehlung zur Schmelzensequenz, die von dem Bediener manuell nach Belieben angepasst werden kann. Das Modul erstellt nach jeder Anpassung als Feedback eine Neuberechnung der Leistungs-kennzahlen (KPIs) der Sequenz in Echtzeit. Um nachvollziehen zu können, wie die empfohlene Sequenzierung zustande gekommen ist, kann der Bediener auch manuell die Optimierungsparameter verändern und beobachten, wie sich dadurch die Abfolgeberechnung verändert. Für andere Produktionsanlagen, wie etwa Feuerverzinkungslinien, wurden auch bereits kundenspezifische Versionen des Moduls entwickelt.

Mit diesen gemeinsam entwickelten Produkten unterstützen SMS digital und Noodle.ai Stahlwerke dabei, ihre vorhandenen Produktionskapazitäten effizienter einzusetzen, um die Produktions-kosten ihrer Kundenaufträge – ohne Beeinträchtigung der Liefertermine - zu optimieren. Noodle.ai und SMS digital führen ihre jeweiligen Kompetenzen aus dem Anlagenbau, der Prozessmodellentwicklung und dem Bereich Data-Science zusammen, um ihren Kunden schnell spürbare Effizienz-steigerungen, einen optimierten Ressourceneinsatz und dadurch Produktkostenoptimierungen zu ermöglichen.

„Dies sind sehr beeindruckende Beispiele für die Anwendung neuartiger, auf Künstlicher Intelligenz und Reinforcement Learning basierter Algorithmen, die maßgebliche Verbesserungen in Unternehmen, insbesondere Betrieben mit komplexen Fertigungsprozessen, erzielen. Unserem Ziel, Ausschuss und Verschwendung zu reduzieren, kommen wir so ein ganzes Stück näher. Denn mit diesen Lösungen, die wir auf unserer Hochleistungs-Rechenplattform trainieren, ist es möglich, Kosten-Nutzen-Analysen für betriebliche und prozessbedingte Abläufe zu erstellen, die deutlich detailliertere und verlässlichere Ergebnisse liefern als Analysen, die allein auf regelbasierter Software und menschlicher Einschätzung beruhen,“ erläutert Chris Heuschkel, Senior Vice President und General Manager der Manufacturing Business Unit von Noodle.ai. „Nur mit solchen Entwicklungen, die die SMS group als Systemlieferant mit ihren Partnern entwickelt, können unsere Kunden wirtschaftlich und umweltoptimiert hochmoderne Werkstoffe herstellen“, sagt Bernhard Steenken, CEO der SMS digital.

(Quelle: SMS group)