In einer globalisierten und vernetzten Wirtschaftswelt sind Produktionsunterbrechungen inklusive der Unterbrechung von Lieferketten seit vielen Jahren das führende Geschäftsrisiko.
Die Fähigkeit eines Unternehmens, sich permanent an interne und externe Veränderungen und Störungen anzupassen, ist die „Suche nach Resilienz“. Verstärkt durch einen erheblichen Komplexitätszuwachs in der Produktion durch Industrie 4.0, wird somit das Resilienz-Management zu einem unabdingbaren Erfolgsfaktor für Produktionsunternehmen.
Das Projekt SPAICER entwickelt ein datengetriebenes Ökosystem auf der Basis lebenslanger, kollaborativer und niederschwelliger Smarter Resilienz-Services durch Einsatz führender KI-Technologien und Industrie 4.0 Standards mit dem Ziel, Störungen vorherzusehen (Antizipation) und Produktionsplanungen jederzeit an aktive Störungen optimiert anzupassen (Reaktion).
Video Statements
News
SPAICER Abschlussveranstaltung in Berlin
Wir freuen uns mitteilen zu können, dass die SPAICER Abschlussveranstaltung am 23. Juni 2023 im Spreespeicher in Berlin stattfinden wird. Den Link zur Anmeldung finden Sie hier.
Ziele und Umsetzung
Störungen sind in der Produktion allgegenwärtig. Sie betreffen die Versorgung mit Werkstoffen unzureichender Qualität, das Austreten von Schmierstoffleitungen, Schäden an Maschinen oder Werkzeugen, Stromausfälle oder Überlastung und Krankheiten von Mitarbeitern. Dabei können Störungen vorhersehbar und unvorhersehbar sein. Oft wirken Störungen von extern auf ein Unternehmen ein, wie z.B. systematische Marktveränderungen in Form von innovativen Technologien (z.B. gemeinsame Produktionslinien oder 3D-Druck), Veränderungen von Nachfrageverhalten und Lieferketten oder abrupte Veränderungen im politischen oder finanziellen Systemen. Darüber hinaus können Veränderungen auch von innen kommen, d.h. den Produkten und der Produktion selbst, wie z.B. deren Qualität, Markenbildung und Fertigungs(in)effizienz. Hinzu kommen Veränderungen in der politischen Regulierung, dem Arbeitsmarkt und dem Umfeld. Die Fähigkeit eines Unternehmens, sich permanent an große, interne und externe Veränderungen und Störungen in komplexen, sich schnell verändernden Produktionsnetzwerken anzupassen, wird die „Suche nach Resilienz“ genannt.
Um die Resilienz einzelner Produktionsunternehmen oder ganzer Produktionssysteme zu erhöhen, müssen Störpotentiale und Trends im Markt, Netzwerk und Unternehmen frühzeitig erkannt, auf akute Störungen optimal reagiert und aus diesen gelernt werden. Somit ist die Resilienzfähigkeit unmittelbar entscheidend für die Wettbewerbsfähigkeit eines Unternehmens. Unternehmen, welche über keine ausreichende Resilienz verfügen, erleiden erhebliche Wettbewerbsnachteile. Je geringer die Effekte von Störungen auf die Produktion sind, desto höher ist die Resilienz eines Unternehmens. Bedingt durch einen erheblichen Komplexitätszuwachs in der Produktion durch Industrie 4.0 wird Resilienzoptimierung und Resilienz-Management zu einem unabdingbaren Erfolgsfaktor in Produktionsunternehmen.
Ziel des Forschungsprojekts SPAICER ist die Entwicklung eines Rahmenmodells und niedrigschwelliger, kollaborativer Smarter Resilienz-Services zur Unterstützung eines KI-basierten Resilienz-Management für Produktionsunternehmen in Produktionssystemen. Dadurch können Unternehmen Störungen frühzeitig antizipieren und auf eingetretene Störungen reagieren, um Produktionsplanungen passend zu optimieren. Kern von SPAICER ist ein agentenbasierter, modularer und offener Ansatz zur Entwicklung Smarter Resilienz-Services, welche basierend auf führenden KI-Technologien und Industrie 4.0–Standards in ein Ökosystem zum Austausch von Daten, Software und Modellen eingebettet sind.
Lösungsansatz:
In SPAICER werden KI-Technologien in Smarte Resilienz-Services (SRS) mit eindeutigem Nutzenversprechen überführt, in Produktionsumgebungen integriert und miteinander vernetzt. Um die Wiederverwendbarkeit von SRS und den Austausch mit Partnern (SRS-Ökosysteme) zu sichern, werden Plattformen entsprechend verschiedener „Industrie 4.0“-Standards auf bestehenden Basisplattformen entwickelt und betrieben. Zur Erreichung dieses Ziels sind (1) Methoden des Maschinellen Lernens (ML) besonders geeignet, um aus Daten Prognosen und Handlungsempfehlungen abzuleiten sowie (2) formale Planungs- und Inferenzmethoden (PI), um strukturiertes Wissen kontrolliert einzusetzen. Die Verbindung dieser beiden Welten gehört zu den aktivsten Bereichen der KI-Forschung. Da Änderungen an Produktionsplanungen weitreichende, unternehmerische Auswirkungen haben, müssen diese in kollaborativen Umgebungen zusammen mit Produktionsexperten und Entscheidern interaktiv über natürlichsprachliche Schnittstellen erarbeitet werden (Explainable AI). Auf Architekturebene sollen in SPAICER hybride KI-orientierte Architekturen untersucht werden, welche SRS entsprechend ihrer Leistungsfähigkeit und Datenschutzanforderungen optimiert auf Edge Devices (u. a. Produktionsmaschinen) und auf Cloud-Umgebungen verteilen.
Fallbeispiele
Fallbeispiel 1 „Selbstoptimierung“
SPAICER befähigt produzierende Unternehmen, Störungen an Produktionslinien zu klassifizieren und in Echtzeit darauf zu reagieren. Mit Hilfe von Smarten Resilienz Services (SRS) werden u.a. sensorische Datenströme von Produktionsmaschinen sowie Qualitätsdaten von Werkzeugen und Rohstoffen analysiert. Darauf aufbauend können Handlungsempfehlungen zur Parameteroptimierung, zur Planung von Wartungsintervallen oder zum vorsorglichen Abbruch eines Produktionslaufs gegeben werden. Dies ermöglicht eine Reduzierung von Produktionsfehlern aufgrund von Maschinenverschleiß sowie Kosteneinsparungen durch die Vermeidung von Produktionsstillständen.
Zwei Prototypen Smarter Resilienz Services in der Fertigungs- sowie der Prozessindustrie zeigen, wie SPAICER eine zerstörungsfreie, digitale Werkstoffprüfung ermöglicht, sodass der Werkstoffverschleiß zuverlässig prognostiziert und der Werkzeugaustausch bzw. die Werkzeugwartung kostengünstig geplant werden kann.
Fallbeispiel 3 „Wissenstransfer“
SPAICER ermöglicht es produzierenden Unternehmen, Expertenwissen (umgangssprachl. „Druidenwissen“) auf dem Shopfloor kontinuierlich zu erfassen. Das gewonnene Wissen kann Mitarbeitern mit fehlendem Know-How in Form von Handlungsempfehlungen zur Verfügung gestellt werden. Durch den Wissenstransfer können Probleme im laufenden Betrieb trotz mangelnder Erfahrung von Werkern schnell und optimal gelöst und Fehlentscheidungen sowie Mehrkosten vermieden werden.
Fallbeispiel 4 „Proaktive Transformation“
Durch Pandemien, politische Konflikte oder Spekulationen können sich Konsumentenmärkte verändern oder Rohstoffe knapp werden. SPAICER gibt Unternehmen frühzeitig KI-basierte Planungsempfehlungen an die Hand. So können Entscheider abschätzen, ob es sich lohnt, Rohstoffreserven anzulegen oder ob eher Alternativen gewählt werden sollten, wie die Erweiterung des Lieferantennetzwerks, eine Vergrößerung des Auftragsvolumens oder die Verteilung auf mehrere Standorte.
Förderung
Förderung
durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) (Förderkennzeichen 01MK20015A)
Förderung im Rahmen des KI-Innovationswettbewerbs „Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“.
Projektträger
Deutsches Zentrum für Luft und Raumfahrt (DLR-PT) Projektträger | Gesellschaft, Innovation, Technologie | Informationstechnologien/
Elektromobilität
Volumen
Ca. 9,9 Mio. €
(davon 6,4 Mio. € Förderung durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK), durchschnittliche Förderquote: 64,6%)
Laufzeit
01.04.20 – 31.03.23
Konsortium
An SPAICER sind neben dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), welches als Koordinator agiert, das Werkzeugmaschinenlabor (WZL) der RWTH Aachen, die Universität Freiburg, die Technische Universität Darmstadt, das Institut für Technologie- und Innovationsmanagement (TIM) der RWTH Aachen, die Otto Beisheim School of Management (WHU), deZem, Feintool, SAP, SCHOTT, SEITEC, die Deutsche Bahn AG, die Mendritzki Gruppe und SENSEERING beteiligt.
Die TU Darmstadt (TuDa) bringt im Projekt die Kompetenz im Bereich Künstliche Intelligentz und Maschinelles Lernen ein. Sie ist eine der führenden Technischen Universitäten in Deutschland. Herr Prof. Dr. Kersting leitet das Fachgebiet (Lehrstuhl) Machinelles Lernen an der TU Darmstadt und gehört in den Bereichen Künstliche Intelligenz und Maschinelles Lernen zu den weltweit führenden Forschern und wurde für seine Leistungen zum European Association for Artificial Intelligence (EurAI) Fellow ernannt und u.A. durch mehrere Best Paper Awards (TPM 2019, AIIDE2015m ECML 2006), den EurAI Dissertationspreis für die beste KI Dissertation in Europa und eine Fraunhofer ATTRACT Fellowship ausgezeichnet. Er ist (Mit)Herausgeber viele Flagship Journale der KI und des Maschinellen Lernens (AIJ, JAIR, MLJ, DAMI, Frontiers in Big Data) und leitete wichtige Konferenzen wie z.B. die ECML PKDD und die UAI.. Herr Prof. Dr. Kersting ist darüber hinaus Mitglied der BMBF-Plattform „Lernende Systeme“ und Initiator in der Initiative Artifical Intelligence at TU Darmstadt (AIDA). Der Fachbereich “Maschinelles Lernen” hat umfassende Erfahrungen in Projekten. Herr Prof. Kersting war an den IST FET Projekten APRIL I&II, dem EU FP7 FIRST-MM Projekt, 2 BMBF Projekten, drei DFG-Projekten (im SPP 1527 bzw. im SFB 876) und an einem GIF Projekt beteiligt und leitete die Fraunhofer ATTRACT Gruppe STREAM. Außerdem befinden sich mehrere Anträge (BMBF und LOEWE-Schwerpunkt) im Bereich Explanable Machine Learning und zu einem BMBF Kompetenzzentrum für die Arbeitsforschung im Bereich des Cooperative Machine Learning aktuell in der Begutachtung. Herr Prof. Dr. Kersting wird SPAICER durch seine besondere Expertise in den Bereichen des statistischen, relationalen und des erklärenden, interaktiven Lernens unterstützen.
Darüber hinaus verfügt SPAICER über ein großes, breitgefächertes Netzwerk aus über 40 assoziierten Partnern, die das vom BMWi teil-geförderte Konsortium im Projekt unterstützen und beispielhaft ein komplettes Wertschöpfungsnetzwerk abbilden. Die assoziierten Partner ohne finanzielle Förderung partizipieren am Projekt in einer besonders frühen Phase, werden zu allen Konsortialtreffen eingeladen, und haben somit die Möglichkeit aktiv mitzugestalten und exklusive, erste Einblicke in Ergebnisse und Entwicklungen zu erhalten.
