KI-optimierte Produktionsplanung in der Lebensmittelindustrie
| Steckbrief | |
|---|---|
| Firma | Alfred Willich GmbH & Co. KG |
| Produkte & Dienstleistungen | Tauchmassen für die Fleisch- und Wurstindustrie |
| Business Model Canvas | Schlüsselressourcen, Schlüsselaktivitäten |
| ca. Zahl der Mitarbeiter:innen (weltweit) | 20 |
| Zielgruppe | Anwender |
| Hauptsitz | Versmold |
| Use Cases | Condition-Monitoring |
Ausgangssituation & Herausforderungen
Die Firma Alfred Willich GmbH & Co. KG ist ein Vorreiter in der Entwicklung und Herstellung von Tauchmassen für die Fleisch- und Wurstindustrie. Diese Software ermöglicht eine nahtlose digitale Erfassung und Speicherung von Maschinen- sowie Prozessdaten. Die festgelegten Abfolgen von Produktionsaufträgen in der Planung haben eine erhebliche Auswirkung auf die notwendigen Aufwände für Rüstung und Reinigung der Maschinen. Die vorhandene umfangreiche Datenbasis aus vergangenen Produktionen enthält wertvolle Erfahrungswerte, die dazu genutzt werden können, die zukünftige Produktionsplanung zu optimieren.
Ziele
Das Unternehmen strebt als Entwickler und Produzent von Tauchmassen in der Fleisch- und Wurstindustrie durch die Nutzung ihrer selbst entwickelten Software zur digitalen Datenerfassung eine effiziente Produktionsplanung an, die auf der Optimierung von Rüst- und Reinigungsprozessen basiert.
Lösung/Maßnahmen/Projekt
Mithilfe der vorhandenen Produktionsdaten lassen sich Verbindungen zwischen gängigen Produktabfolgen, eingesetzten Ressourcen und den resultierenden Zeitspannen für das Säubern und Vorbereiten (zum Beispiel für die Einrichtung) der Maschinen identifizieren. Mithilfe von KI-unterstützter Analyse wurden Modelle auf der Grundlage des Maschinenzustands entwickelt, die nicht nur zur Auswertung von Produktionsplanungsentscheidungen dienen, sondern auch zukünftige Entscheidungsprozesse unterstützen können.
Umsetzung
Anhand der historischen Daten wurden Zusammenhänge zwischen Produktreihenfolgen, Ressourcen und prozessbegleitenden Zeiten als Grundlage zustandsbasierter statistischer Modelle ermittelt, welche zur Analyse von aktuellen und zukünftigen Entscheidungen genutzt werden.
Was wurde benötigt?
Die Analyse des Produktportfolios, der Produktionsprozesse und der IT-Systeme legte den Grundstein für die Lösung. Dadurch wurden gezielt notwendige Daten aus den IT-Systemen erfasst. Zur Lösung der Produktionsplanungsherausforderungen wurde der Zusammenhang zwischen Produktionsreihenfolgen, Ressourceneinsatz und Einrichtungszeiten analysiert. Dies basierte auf vorhandenen historischen Produktionsdaten aus digitalisierten Prozessen. Vorhandenes Fachwissen wurde genutzt, um KI-Ergebnisse zu validieren. Eine visuelle Darstellung üblicher Produktionsreihenfolgen und Einrichtungszeiten wurde entwickelt, um die Planung zu unterstützen und die Automatisierung voranzutreiben.
Was wurde erreicht?
Durch diese Maßnahmen entstand eine gesteigerte Klarheit über die Rüstzeiten, die durch die Planung bedingt sind. Dadurch konnten Erkenntnisse gewonnen werden, um eine verbesserte Planung mit kürzeren Rüstphasen umzusetzen.
Lessons Learned
Die bestehenden Anlagen werden effizienter ausgelastet und die Wirtschaftlichkeit der Produktion wird gesteigert.