Was früher für Metallarbeiter ein Ratespiel war, ist heute eine arbeitsintensive Aufgabe: die Schätzung von Produktionszeiten in der metallverarbeitenden Industrie. Aber durch künstliche Intelligenz und maschinelles Lernen wird alles anders. In der Tat: Dank dieser Entwicklungen kehren wir zu den Vorhersagen zurück. Genauer und damit zuverlässiger denn je. Zu schön, um wahr zu sein? Lesen Sie diesen Blog und entdecken Sie die Zukunft der Angebotserstellung und Planung in der metallverarbeitenden Industrie.
Zunächst ein kurzer Blick zurück in die Geschichte. Vor Jahrzehnten spezialisierten sich die Metallarbeiter auf einige wenige Arbeitsgänge wie Laserschneiden, Schweißen oder das Sägen von Trägern. Als Fachleute konnten sie die Produktionszeit für diese Arbeit auf der Rückseite eines Bierdeckels abschätzen. Also mit Mutmaßungen
Es gibt noch eine Generation von Metallarbeitern aus dieser Zeit. Sie haben ein bewundernswertes Gespür dafür, wie die Produktionszeit für die Verarbeitung einer bestimmten Kilogrammzahl von Metall zu bestimmen ist. Aufgrund der zunehmenden Vielfalt der Operationen ist dies in der Praxis jedoch fast unmöglich. Nehmen wir das Laserschneiden: Die Herstellung vieler komplexer Formen ist etwas anderes als das Ausschneiden eines großen Quadrats. Die Kilos sind die gleichen, aber die Produktionszeiten sind sehr unterschiedlich.
Die Bedeutung einer zuverlässigen Schätzung von Preisen und Vorlaufzeiten
In der Lieferkette wird es für Metallverarbeiter immer wichtiger, zuverlässig schätzen zu können. Dies ist in erster Linie auf die geringen Margen zurückzuführen, die aufgrund des Wettbewerbs unter Druck stehen. Der Schlüssel liegt darin, immer wettbewerbsfähigere Preise anzubieten. Dann ist es nicht hilfreich, wenn Sie anfangen, sich zu überschätzen.
Genauigkeit ist auch deshalb erforderlich, weil die von Ihnen geschätzten Produktionszeiten Auswirkungen auf den nachfolgenden Produktionsprozess haben. Die Zeitschätzung bestimmt, welche Metallbearbeitungsmaschine Sie wann reservieren. Und wenn dadurch die Kapazität in der Fabrik verringert wird, wirkt sich das auf jede einzelne Anfrage aus. Vermeiden Sie es daher!
Drittens wird immer mehr Wert auf kürzere Markteinführungszeiten in der Lieferkette gelegt. Dies hat zur Folge, dass es weniger Lagerbestände vor Ort gibt und eine Just-in-time-Lieferung mehr oder weniger erforderlich ist. Das bedeutet, dass die Schätzungen, die Sie als Metallarbeiter vornehmen, sich auf Ihre Lieferzeiten auswirken. Fehleinschätzung? Dann kann Ihre Lieferzeit leicht zu lang werden. Und das wirkt sich negativ auf die Lieferkette aus. Aufgrund von Fehleinschätzungen kann es auch vorkommen, dass die Produkte in Ihrer Produktionshalle auf Sie warten. All das ist unangenehm.
Eine Schätzung muss nicht arbeitsintensiv sein
Deshalb ist es so wichtig, genau abschätzen zu können. Die Zeit des Rätselratens ist vorbei. Stattdessen haben sich andere Techniken durchgesetzt. Zum Teil helfen CAM-Systeme bei der Schätzung, weil sie die technischen Spezifikationen der Maschinen kennen und wissen, welche Aufgaben die Maschinen erfüllen müssen. Von dort aus können sie dann Zeiten damit verknüpfen. Auf diese Weise können Sie sehr genaue Schätzungen von CAM-Systemen erhalten.
Der Nachteil dabei: Es ist sehr arbeitsintensiv. Denn die Menschen haben immer noch das Sagen. In diesem Prozess ist der Schätzer zu einer Art Discjockey geworden. Er durchforstet all diese CAD-Dateien, um die Produktionszeiten zu ermitteln. Diese gibt er dann in Excel und/oder das ERP-System ein, damit er schließlich Angebote erstellen kann. Ein zeitaufwändiger Prozess, zumal die Vielfalt der Operationen zugenommen hat. Dies führt dazu, dass der Kalkulator länger braucht, um ein Angebot zu erstellen – und die Kunden länger auf ihre Preise warten müssen.
Wir sprechen immer noch von Schätzungen und nicht von Vorhersagen. Während die Vorhersage auf der Basis von Kilogramm noch am ehesten durch Raten und Bauchgefühl möglich war, müssen die Schätzer jetzt komplizierte Formeln verwenden, um die Zeiten für die verschiedenen Produktionsschritte abzuschätzen.
Schnellere Metallbearbeitungsmaschinen erschweren die Zeiteinschätzung
Es gibt eine weitere Entwicklung, die diesen Prozess verkompliziert. Die Maschinen sind immer schneller geworden. Unabhängig davon, wie viel Wissen und Erfahrung die Schätzer haben, wird es für sie immer schwieriger, die Produktionszeiten abzuschätzen. Zumal sich der Engpass, wo der Produktionsprozess am langsamsten ist, immer wieder verschiebt. Ein Beispiel: Schneidemaschinen können so schnell schneiden, dass das Laden einer Platte oder das Herausnehmen der geschnittenen Produkte viel länger dauert als das Schneiden selbst.
Dafür kann man Technologie einsetzen, aber wenn man das getan hat, ist der Transport der Blechtafel zur Maschine der langsamste Faktor im Prozess. Das ändert also nichts für einen Schätzer. Manchmal schätzt er sehr genau ab, wie viel Zeit das Schneiden in Anspruch nimmt, wobei er aus den Augen verliert, dass der Transport der Produkte zum nächsten Arbeitsplatz fünf bis zehn Minuten dauern kann.
Big Data treibt Effizienzsteigerungen in der metallverarbeitenden Industrie voran
Glücklicherweise vollzieht sich der Wandel in rasantem Tempo. Beginnen wir mit den Metallbearbeitungsmaschinen selbst. In der Vergangenheit arbeiteten diese „allein“ und gaben wenig Feedback zum Produktionsprozess. Jetzt geben sie immer mehr Informationen über ihre Aktivitäten weiter; wir nennen diese Veranstaltungen. Das liegt zum Teil daran, dass die Maschinen heute mit dem Computernetz der Fabrik verbunden sind. Sie können also nicht nur Eingaben empfangen, sondern auch Ereignisse aussenden, die genau angeben, was die Maschine gerade tut.
Das bedeutet, dass das Verhalten der Maschine beobachtbar geworden ist. Wenn Sie Ereignisse aufzeichnen, können Sie diese sehr gut nutzen, um mehr und mehr über die Arbeitsgeschwindigkeit und Ladezeit von Maschinen zu erfahren. Aber auch, wie oft eine Maschine Stillstandzeiten hat. Sobald wir diese Ereignisse als wichtige Informationen erfassen, entstehen Big Data. Und je mehr Daten man als Metallbearbeiter zur Verfügung hat, umso wertvoller sind sie. Denn dann kann man all diese Informationen für eine neue Generation von Algorithmen nutzen.
Digitaler Zwilling sorgt für Prozessoptimierung am Arbeitsplatz
Dies führt zu einer weiteren beschleunigten Entwicklung. Da die Maschine mit dem Netz verbunden ist und viele Informationen überträgt, hat sich eine neue Form von Software entwickelt: der digitale Zwilling. Dieser digitale Zwilling – ein virtuelles Abbild der Realität – läuft auf dem Server und ahmt das Verhalten der Maschine am Arbeitsplatz nach. Alle Ereignisse, die die Maschine „ausspuckt“, zum Beispiel Informationen über den aktuellen Stand des Bearbeitungsprozesses, können in dieser virtuellen Umgebung extrahiert werden.
Und so wird nach und nach der gesamte metallverarbeitende Betrieb in der virtuellen Welt nachgebildet – in Form von digitalen Zwillingen. Diese digitalen Zwillinge können sich auf alles beziehen: den aktuellen Status von Maschinen, den Standort von autonom fahrenden Wagen und sogar die Arbeiter in der Fabrikhalle können dank Kameras einen digitalen Zwilling erhalten. Darauf können dann Algorithmen angewendet werden, die zum Beispiel die Sicherheit der Bediener ständig überwachen und gegebenenfalls automatisch einen Alarm auslösen. Selbst ganze Geschäftsprozesse oder Angelegenheiten, die die Fabrik als Ganzes betreffen, einschließlich Transport und Energieverbrauch, können in einem digitalen Zwilling abgebildet werden.
Automatisierte Geschäftsprozesse in der metallverarbeitenden Industrie dank Daten in der Cloud
Digitale Zwillinge sind zwar abstrakte Darstellungen und daher in der Regel nicht auf einem Bildschirm sichtbar, aber sie sind sehr wertvoll für die Kommunikation zwischen verschiedenen Maschinen – selbst wenn sie zu anderen Unternehmen in der Kette gehören. Normalerweise unterhalten sich diese Maschinen in ihrem eigenen Dialekt, aber digitale Zwillinge produzieren standardisierte Ereignisse, die „Ereignisströme“ erzeugen. Das Tolle daran ist, dass Sie diese Streams mit anderen Teilen Ihres Produktionsprozesses abonnieren können. Durch die Erfassung aller Ereignisse können Sie die gesamte Anlage durch die Zeit streamen. Genau so, als würden Sie aufgenommene Musik abspielen.
Pflanzenverhalten in Playback-Form ist die Zukunft. Und um es noch einfallsreicher zu machen, können Geschäftsprozesse diese Ströme abonnieren. Wenn also ein Ereignis eintritt, können Sie damit automatisch einen neuen Prozess starten oder eine Entscheidung zu einem bestimmten Zeitpunkt treffen. Diese Ströme werden so zu einer wichtigen Grundlage für die Entwicklung automatisierter Geschäftsprozesse und Entscheidungen.
Derzeit werden solche Technologien, wie digitale Zwillinge oder Ereignisabonnements, hauptsächlich auf Computersystemen innerhalb einer Fabrik eingesetzt. Genau dieselben Dienste sind jetzt aber auch in der Cloud verfügbar. So können Sie Ereignisse an die Cloud senden, dort Big Data einbinden und Geschäftsprozesse automatisieren. Ein weiterer Vorteil: Sie können Fabriken in der Cloud viel einfacher miteinander verbinden als mit der Infrastruktur innerhalb der Fabrikmauern.
Von datengesteuerten zu ereignisgesteuerten Metallbearbeitungsanlagen
Der Abschied vom konventionellen Denken in Bezug auf ERP-Systeme steht unmittelbar bevor. Die Zentralisierung von Daten ist auch heute noch führend und macht diese Daten in Fabriken wiederverwendbar. Das hat sicherlich seinen Wert, aber es schafft vor allem datengesteuerte Prozesse. Dieses Paradigma wird sich schnell von der Branche verabschieden.
Anstatt datengesteuert zu arbeiten, werden die Metallverarbeiter ihre Fabriken ereignisgesteuert einrichten. Der große Vorteil? Indem mehrere Geschäftsprozesse auf Ereignisse abonniert werden, kann ein Werk viel schneller auf Vorfälle reagieren und ist dabei weniger abhängig von der zentralen Datenbank. Schließlich enthält das Ereignis bereits die benötigten Daten.
Wo früher das ERP-System eine wichtige Rolle spielte, übernimmt nun eine andere Technologie die Führung: Enterprise Service Bus. Dieses architektonische Softwarekonstrukt ermöglicht es Ihnen, Ereignisse zu erfassen, sie zu beobachten und Prozessen zu erlauben, diese Ereignisse zu abonnieren. Sie ermöglicht es Ihnen, Geschäftsprozesse wesentlich robuster und in Echtzeit einzurichten. Alles, was in Ihrem Betrieb geschieht, wird in der digitalen Welt sichtbar.
Von der Schätzung zur Vorhersage dank Cobots und KI
Das ist es, was die heutige Technologie möglich macht. Dies ist die Grundlage, die es Ihnen ermöglicht, als Metallarbeiter von der Schätzung zur Vorhersage überzugehen. Auch wenn die Maschinen immer leistungsfähiger und schneller werden und sich der Engpass dadurch verlagert. Auch wenn Cobots zunehmend einen Teil der Arbeit von Bedienern übernehmen, so ändert sich doch die Geschwindigkeit des Prozesses und eine realistische Einschätzung der Produktionszeiten wird noch schwieriger. Aber in der neuen digitalen Welt sind auch Cobots mit dem Netz verbunden, und auch sie haben einen digitalen Zwilling, was bedeutet, dass auch ihre Arbeit zeitlich genauer beobachtet und eingeschätzt werden kann.
Das ist die Macht der künstlichen Intelligenz. Als Menschen können wir den Computer nicht schlagen. Und das liegt daran, dass wir den Computer dazu bringen können, so zu lernen wie der Mensch – nur schneller! Dazu müssen wir ihn aber ausbilden. Vorzugsweise kontinuierlich. Dazu braucht man eine Menge Daten. Wie bringt man also einem Computer das Schachspielen bei? Indem alle gespielten Schachpartien digitalisiert und in den Computer eingespeist werden. So lernt es Schritt für Schritt das Schachspiel. Noch schneller geht es, wenn man zwei Computer gegeneinander Schach spielen lässt; dann entstehen in relativ kurzer Zeit unglaublich zuverlässige Algorithmen. Das ist der große Vorteil: Der Computer lernt viel schneller als der Mensch. Man kann sie rund um die Uhr trainieren, ohne müde zu werden.
So entsteht ein neuronales Netz – eine Nachahmung der Funktionsweise des menschlichen Gehirns -, das in der Software synchronisiert ist. Das Training dieses Prozesses wird als maschinelles Lernen bezeichnet. Durch die Verwendung von Big Data ist es heute möglich, diese neuronalen Netze richtig zu trainieren. Und je besser sie trainiert ist, desto besser werden die Vorhersagen. Wir nennen diese Schätzungen nicht mehr, weil wir keine Formeln mehr verwenden. Stattdessen sagen wir die Zukunft auf der Grundlage der Vergangenheit voraus. Denn die Daten, mit denen Sie das Modell trainieren, beziehen sich immer auf die Vergangenheit. Jetzt wenden wir dieses starke Stück moderner Technologie in der metallverarbeitenden Industrie an.
Kontinuierliches Selbstlernsystem anstelle von Exceltabellen
Es gibt drei verschiedene Technologien, die es Metallarbeitern ermöglichen werden, von der Schätzung zur Vorhersage überzugehen: Big Data, ereignisgesteuerte Fabrikplanung (beobachtbare Fabrik) und künstliche Intelligenz. Für die Angebotserstellung und die Arbeitsvorbereitung bedeuten diese drei Entwicklungen, dass wir als Menschen nicht mehr mit Excel-Tabellen arbeiten müssen, um die Produktionszeiten abzuschätzen.
Wir können stattdessen ein kontinuierliches selbstlernendes System einrichten, das es dem Schätzer ermöglicht, die Produktionszeiten viel zuverlässiger vorherzusagen. Die Metallverarbeiter sind nicht mehr von der Verfügbarkeit der Kenntnisse und Fähigkeiten der Menschen abhängig. Die gesamte Vergangenheit und Gegenwart ihrer Fabrik sind in Big Data enthalten, die sie in Zukunft immer wieder nutzen können, um Algorithmen zu verbessern und sogar neue Entdeckungen zu machen.
Damit ist die Geschichte komplett. Denn die Funktionsweise der digitalen Welt ähnelt nach wie vor der Art und Weise, wie Fachleute früher die Produktionszeiten ihrer Betriebe bestimmt haben. Es handelt sich immer noch um eine Vorhersage, nur dass das Rätselraten durch einen Computer ersetzt wurde, der viel mehr Daten verwendet. Der Unterschied? Sehr hohe Genauigkeit – und das ist es, was der Metallbearbeiter will.
