Wie KMU ihre Produktion mithilfe von Daten intelligenter und effizienter gestalten

Die niederländische Fertigungsindustrie steht vor einer doppelten Herausforderung: Kunden erwarten mehr Flexibilität und maßgeschneiderte Lösungen, während Personalmangel, steigende Kosten und knappe Margen die Produktionskapazität unter Druck setzen. Gleichzeitig bietet maschinelles Lernen (ML) konkrete Möglichkeiten, effizienter zu produzieren, Fehler zu reduzieren und auf der Grundlage von Daten bessere Entscheidungen zu treffen.

‍

In diesem Whitepaper beleuchten wir zwei praxisorientierte Anwendungsbereiche des maschinellen Lernens, die für mittelständische Fertigungsunternehmen unmittelbar relevant sind: visuelle Qualitätskontrolle und Prozessoptimierung.

‍‍

Anwendung 1: Automatische Qualitätskontrolle mittels Computer Vision

‍

Situation
Ein Kunststoffspritzgusshersteller in Almelo produziert technische Bauteile für die Automobilbranche. Die Qualitätsanforderungen sind hoch: Schon geringste Verformungen oder Verfärbungen können zu einer Ablehnung durch den Kunden führen. Bis vor kurzem prüften die Mitarbeiter die Bauteile manuell auf sichtbare Fehler. Dies führte regelmäßig dazu, dass Mängel übersehen wurden, was Rücksendungen und damit verbundene Kosten zur Folge hatte.

‍

Lösung
Das Unternehmen installierte ein Kamerasystem am Auslauf der Spritzgussmaschinen und verband dieses mit einem Algorithmus für maschinelles Lernen, der anhand von Tausenden von Beispielbildern korrekter und fehlerhafter Produkte trainiert wurde.

‍

So funktioniert es

• Während der Produktion nimmt die Kamera kontinuierlich Bilder von jedem Bauteil auf
• Der Algorithmus vergleicht diese mit dem Idealprofil und erkennt Abweichungen wie Lufteinschlüsse, Grate und Verfärbungen
• Fehlerhafte Teile werden automatisch aus der Produktionslinie entfernt

‍

Ergebnis

• 95 % der Fehler werden nun automatisch erkannt
• Die Zahl der Rücksendungen sank um 60 %
• Die Kundenzufriedenheit und die Liefertreue haben spürbar zugenommen
• Die Bediener können sich auf den Prozess konzentrieren, anstatt visuelle Kontrollen durchzuführen

‍

Diese Maßnahme führte zu einer unmittelbaren Qualitätsverbesserung, geringeren Kosten und einem höheren Output pro Vollzeitäquivalent.

‍‍

Anwendung 2: Prozessoptimierung durch Datenanalyse

‍

Situation
Ein metallverarbeitendes Unternehmen in Nordbrabant fertigt auf drei Produktionslinien Teile in Kleinserien. Die Planung schien effizient zu sein, doch der Produktionsleiter vermutete, dass die Durchlaufzeit länger war als nötig. Es gab keine eindeutigen Daten darüber, an welcher Stelle im Prozess Verzögerungen auftraten.

‍

Lösung
Gemeinsam mit einem Datenspezialisten sammelte das Unternehmen Daten aus den SPS-Systemen, dem ERP-System sowie durch manuelle Eingaben der Bediener. Anschließend wurde ein Machine-Learning-Modell trainiert, um Engpässe im Prozess zu identifizieren.

‍

 Was stellte sich heraus?

• Die Einrichtungszeiten unterschieden sich stark zwischen den Teams, insbesondere bei komplexeren Aufgaben
• Der Schichtwechsel führte zu einer durchschnittlichen Verspätung von 20 Minuten pro Schicht
• Eine Produktionslinie arbeitete aufgrund falsch geplanter Losgrößen dauerhaft weniger effizient

‍

Aktionen

• Die Einrichtungsverfahren wurden auf der Grundlage von Best Practices aus dem Modell standardisiert
• Die Mannschaftsübergabe wurde durch ein digitales Übergabeformular angepasst.
• Die Produktionsplanung wurde auf der Grundlage einer Datenanalyse optimiert.

‍

 Ergebnis

• Die durchschnittliche Bearbeitungszeit sank um 14 %
• Die Leistung pro Schicht stieg um 11 %, ohne dass zusätzliche Arbeitsstunden geleistet wurden
• Die Mitarbeiter sind dank Einblicken in ihre Leistung engagierter

‍

Dieses Projekt zeigt, dass selbst einfache Erkenntnisse aus Daten in Kombination mit maschinellem Lernen zu spürbaren Verbesserungen bei Effizienz und Engagement führen können.

‍

Fazit

Maschinelles Lernen ist keine ferne Zukunftsvision. Kleine und mittlere Fertigungsunternehmen in den Niederlanden setzen es bereits heute ein, um die Qualität zu verbessern und Produktionsprozesse zu optimieren. Visuelle Inspektion und Prozessoptimierung sind zwei leicht umsetzbare Anwendungen, die bei richtiger Anwendung schnell Ergebnisse liefern.

‍

TMC Media unterstützt produzierende Unternehmen dabei, diese Technologie in eine klare Strategie und Kommunikation umzusetzen. Ganz gleich, ob Sie bereits Daten erheben oder erst nach einem praktischen Einstieg suchen: Wir helfen Ihnen dabei, den Schritt zur intelligenten Produktion konkret zu gestalten. 

‍