KI-gestütztes Informationsmanagement in der Unikatfertigung
-
Konrad Jagusch
Konrad Jagusch, M. Sc., ist am Fraunhofer-Institut für Großstrukturen in der Produktionstechnik IGP tätig und leitet das Team der Produktionsplanung und -steuerung.
,
Paul Gerds
Paul Gerds, M. Sc., ist seit 2021 Wissenschaftlicher Mitarbeiter im Team Produktionsplanung und -steuerung.
Laura Knitter, M. Sc., ist Wissenschaftliche Mitarbeiterin im Team Produktionsplanung und -steuerung und beschäftigt sich mit der KI-gestützten Datenverarbeitung.
Prof. Dr.-Ing. habil. Jan Sender ist Inhaber des Lehrstuhls Produktionsorganisation und Logistik an der Universität Rostock.
Prof. Dr.-Ing. Wilko Flügge ist Inhaber des Lehrstuhls Fertigungstechnik an der Universität Rostock und Leiter des Fraunhofer-Instituts für Großstrukturen in der Produktionstechnik.
Abstract
Unternehmen sehen sich zukünftig und aktuell einem Fachkräftemangel gegenüber. Dieser wird zusätzlich durch den demografischen Wandel verstärkt. Umso entscheidender ist es, Wissen der erfahrenen Mitarbeitenden zu konservieren und effizient einzusetzen. Der aufgezeigte Ansatz beschreibt eine Möglichkeit, erfasste Daten mithilfe künstlicher Intelligenz aufzubereiten und für Neuaufträge zu nutzen. Er bildet einen Fortschritt gegenüber dem aktuellen Status quo, da die Anwendung im Kontext der Unikatfertigung präsentiert wird. Der Beitrag beschreibt den theoretischen Ansatz sowie die damit einhergehenden Herausforderungen im praktischen Einsatz.
Abstract
Companies are currently facing a shortage of skilled workers in the future. This shortage will be exacerbated by demographic change. It is therefore more important to preserve the knowledge of experienced employees and to use it efficiently. The approach outlined here describes a way to process captured data with the help of artificial intelligence and use it for new orders. This is a step forward compared to the current status quo, as the application is presented in the context of one-off production. The paper shows the theoretical approach as well as the associated challenges in practical use.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
About the authors
Konrad Jagusch, M. Sc., ist am Fraunhofer-Institut für Großstrukturen in der Produktionstechnik IGP tätig und leitet das Team der Produktionsplanung und -steuerung.
Paul Gerds, M. Sc., ist seit 2021 Wissenschaftlicher Mitarbeiter im Team Produktionsplanung und -steuerung.
Laura Knitter, M. Sc., ist Wissenschaftliche Mitarbeiterin im Team Produktionsplanung und -steuerung und beschäftigt sich mit der KI-gestützten Datenverarbeitung.
Prof. Dr.-Ing. habil. Jan Sender ist Inhaber des Lehrstuhls Produktionsorganisation und Logistik an der Universität Rostock.
Prof. Dr.-Ing. Wilko Flügge ist Inhaber des Lehrstuhls Fertigungstechnik an der Universität Rostock und Leiter des Fraunhofer-Instituts für Großstrukturen in der Produktionstechnik.
Literatur
1 Krcmar, H.: Informationsmanagement. Springer-Verlag, Berlin, Heidelberg 2015 DOI:10.1007/978-3-662-45863-1_410.1007/978-3-662-45863-1_4Suche in Google Scholar
2 Leeser, D. C.: Digitalisierung in KMU kompakt. Springer-Verlag, Berlin, Heidelberg 2020 DOI:10.1007/978-3-662-59738-510.1007/978-3-662-59738-5Suche in Google Scholar
3 Jagusch, K.; Beuß, F.; Nehls, C. et al.: Digitalisierung als Voraussetzung für den Wissenstransfer in produzierenden KMU. ZWF 116 (2021) 11, S. 826–830 DOI:10.1515/zwf-2021-018410.1515/zwf-2021-0184Suche in Google Scholar
4 Gust von Loh, S.: Evidenzbasiertes Wissensmanagement. Zugl.: Dissertation, Universität Düsseldorf 2008; Gabler Verlag, Wiesbaden 2009 DOI:10.1007/978-3-8349-8433-310.1007/978-3-8349-8433-3Suche in Google Scholar
5 Bodendorf, F.: Daten- und Wissensmanagement. Springer-Verlag, Berlin Heidelberg 2003 DOI:10.1007/978-3-662-06494-810.1007/978-3-662-06494-8Suche in Google Scholar
6 Knitter, L.; Jagusch, K.; Scharr, C. et al.: Human-in-the-Loop-Ansatz vereinfacht maschinelles Lernen für das Störungsmanagement. ZWF 117 (2022) 10, S. 623–628 DOI:10.1515/zwf-2022-113110.1515/zwf-2022-1131Suche in Google Scholar
7 Mosqueira-Rey, E.; Hernández-Pereira, E.; Alonso-Ríos, D. et al.: Human-in-the-loop Machine Learning: A State of the Art. Artificial Intelligence Review 56 (2022) 4 DOI:10.1007/s10462-022-10246-w10.1007/s10462-022-10246-wSuche in Google Scholar
8 Jagusch, K.; Gerds, P.; Knitter, L. et al.: Nachhaltige Datennutzung im Handwerk. ZWF 117 (2022) 11, S. 749–753 DOI:10.1515/zwf-2022-114710.1515/zwf-2022-1147Suche in Google Scholar
9 Sherman, R.: Wie man größere Probleme bei der Datenaufbereitung bewältigt. Online unter https://www.computerweekly.com/de/feature/Wie-man-groessere-Problemebei-der-Datenaufbereitung-bewaeltigt [Zugriff am 14.09.2023]Suche in Google Scholar
10 Ul Haq, I.; Gondal, I.; Vamplew, P. et al.: Categorical Features Transformation with Compact One-Hot Encoder for Fraud Detection in Distributed Environment. In: Islam, R.; Koh, Y. S.; Zhao, Y. et al. (Hrsg.): Data Mining. Springer Singapore, Singapore 2019, S. 69–80 DOI:10.1007/978-981-13-6661-1_610.1007/978-981-13-6661-1_6Suche in Google Scholar
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany
Artikel in diesem Heft
- Inhalt
- Editorial
- Produktionssystem: Resilienz und neue Technologien
- Interview
- Aktuelle Trends in der Robotik
- Fabrikplanung
- Szenarienevaluation zur Wirtschaftlichkeitsanalyse
- Produktionssteuerung
- Prädiktionsgestützte Produktionssteuerung von kundenindividuellen Erzeugnissen
- Produktionssysteme
- Evolutionäre Selbstanpassung komplexer Produktionsprozesse und Produkte
- Prozessüberwachung
- ML-Modelle für den intelligenten Werkzeugwechsel
- Schlanke Produktion
- Die ziehende Werkstatt
- Hybride Arbeitskonzepte
- Zukunftsfähige Produktion in der postpandemischen Arbeitswelt
- Additive Fertigung
- Produktionssynergien der Zukunft
- Baumstützstrukturen in der additiven Fertigung
- Werkzeugmaschinen
- Eingangsdatenanalyse für thermo-elastische Fehlermodelle
- Energieeffizienz
- Maßnahmen zur Energieeffizienzsteigerung in der Prozessindustrie durch dynamische Simulation
- Digitalisierung
- Verkürzte Planungszeiten durch Digitalen Schatten
- Digitaler Zwilling
- Der Requirement Twin von Brownfield-Industrieumgebungen
- Künstliche Intelligenz
- KI-gestütztes Informationsmanagement in der Unikatfertigung
- Laserschweissen
- Anomalieerkennung bei der Li-Ionen-Zellkontaktierung
- Qualitätsregelkreis
- Ein flexibles Framework für Reinforcement Learning
- Vorschau
- Vorschau
Artikel in diesem Heft
- Inhalt
- Editorial
- Produktionssystem: Resilienz und neue Technologien
- Interview
- Aktuelle Trends in der Robotik
- Fabrikplanung
- Szenarienevaluation zur Wirtschaftlichkeitsanalyse
- Produktionssteuerung
- Prädiktionsgestützte Produktionssteuerung von kundenindividuellen Erzeugnissen
- Produktionssysteme
- Evolutionäre Selbstanpassung komplexer Produktionsprozesse und Produkte
- Prozessüberwachung
- ML-Modelle für den intelligenten Werkzeugwechsel
- Schlanke Produktion
- Die ziehende Werkstatt
- Hybride Arbeitskonzepte
- Zukunftsfähige Produktion in der postpandemischen Arbeitswelt
- Additive Fertigung
- Produktionssynergien der Zukunft
- Baumstützstrukturen in der additiven Fertigung
- Werkzeugmaschinen
- Eingangsdatenanalyse für thermo-elastische Fehlermodelle
- Energieeffizienz
- Maßnahmen zur Energieeffizienzsteigerung in der Prozessindustrie durch dynamische Simulation
- Digitalisierung
- Verkürzte Planungszeiten durch Digitalen Schatten
- Digitaler Zwilling
- Der Requirement Twin von Brownfield-Industrieumgebungen
- Künstliche Intelligenz
- KI-gestütztes Informationsmanagement in der Unikatfertigung
- Laserschweissen
- Anomalieerkennung bei der Li-Ionen-Zellkontaktierung
- Qualitätsregelkreis
- Ein flexibles Framework für Reinforcement Learning
- Vorschau
- Vorschau
