KI-gestützte Montageanalyse durch Artificial Intelligence of Things (AIoT) bei Sykatec

© Fraunhofer IPA, Foto: Rainer Bez
Künstliche Intelligenz trifft auf IoT: Das modulare Sensorsystem LeanDA schafft detaillierte Prozesstransparenz.

In Kürze

Eine variantenreiche Fertigung sowie hohe Wertschöpfungstiefe stellen die Sykatec GmbH immer wieder vor die Herausforderung, Produkte flexibel und gleichzeitig hocheffizient zu produzieren. Mit der Kombination aus dem modularen Sensorsystem des Fraunhofer IPA und KI-basierten Algorithmen wurde eine detaillierte Analyse der manuellen Montageprozesse von Nietbaugruppen durchgeführt. Das schafft Prozesstransparenz und identifiziert Optimierungspotenziale.

Im Detail

Die Firma Sykatec mit Sitz in Erlangen ist ein Systempartner in den Bereichen der Metallverarbeitung und Kabelbaum-Konfektionierung. Die variantenreichen und komplexen Produkte erfordern hocheffiziente Produktionsprozesse. Um den steigenden Marktforderungen nach hoher Produktivität und Flexibilität zu begegnen und, um Transparenz über den Prozess und damit über vorhandene Optimierungspotenziale zu erhalten, haben Expertinnen und Experten der KI-noW-Projektgruppe des Fraunhofer IPA eine detaillierte Analyse der manuellen Montagearbeitsplätze durchgeführt.

In dem gemeinsamen Projekt wurde das vom Fraunhofer IPA entwickelte modulare und skalierbare Sensorsystem »LeanDA« zur Analyse des Montageprozesses von Nietbaugruppen angewendet. Das Sensorsystem kann an Werkzeugen und Bauteilen angebracht werden und ermöglicht eine automatisierte Datenerhebung und -auswertung von manuellen Montagetätigkeiten. Es besteht aus einer Kombination aus drahtlosem IoT-Sensorsystem und KI-basierter Prozesserkennung und basiert somit auf Artificial Intelligence of Things (AIoT).

Durch den Einsatz von LeanDA konnte automatisiert Transparenz über die manuellen Montageprozesse, ihre Reihenfolge und zugehörigen Montagezeiten geschaffen werden: Unsere Expertinnen und Experten ermittelten sowohl die Prozessschrittdauer als auch den Wertschöpfungsanteil und deckten Ursachen von Verschwendung auf. So konnte ein Optimierungspotenzial von insgesamt 27,6 % Zeiteinsparung je Montagedurchgang für zwei Arbeitsplätze zusammen identifiziert werden.

Darauf basierend wurden gemeinsam mit Sykatec Optimierungsmaßnahmen zur menschzentrierten Arbeitsplatzgestaltung, wie z. B. eine Anpassung im Layout anhand eines priorisierten Maßnahmenplans festgelegt.

Die Analyse des Fraunhofer IPA zeigt somit die Ursachen von Produktivitätsverlusten sowie die Potenziale zur Produktivitätssteigerung auf und verbessert darüber hinaus auch die Ergonomie durch ausgewiesene Maßnahmen hinsichtlich der Arbeitsplatz- und Arbeitsbereichsgestaltung.

Die erzielten Erkenntnisse nutzt Sykatec nicht nur für die Optimierung der betrachteten Montagearbeitsplätze, sondern kann durch die Übertragung der Maßnahmen auf andere Stationen zusätzlich Skalierungseffekte zur Produktivitätssteigerung nutzen.

Einblicke ins Projekt

»Die Kombination aus domänenspezifischem Expertenwissen mit modernen IoT- und KI-gestützten Technologien deckte innerhalb kürzester Zeit konkrete Maßnahmen für Produktivitätssteigerung und Kosteneinsparung auf.«

Dr. Mariya Sodenkamp, Head of IT, Sykatec GmbH

© Sykatec GmbH
Die drahtlosen Sensoren werden an Werkzeugen oder Bauteilen angebracht. Sie zeichnen Bewegungsdaten auf und übertragen die Daten der Prozesse drahtlos an ein Edge-Device, welches die Daten KI-basiert und echtzeitnah auswertet. Auf diese Art und Weise erkennt LeanDA die ausgeführten Prozessschritte und berechnet für diese die zentralen Kennzahlen (KPIs).
© Fraunhofer IPA
Sensoranbringung an Druckluftwerkzeugen zur Aufnahme von wertschöpfenden Tätigkeiten
© Fraunhofer IPA
Sensoranbringung an Bauteilen zur Erfassung der Bauteilbewegung
© Fraunhofer IPA
Überwachung der Rohsignale für die aufgezeichneten Sensordaten.

Förderung

Das Projekt wurde durchgeführt im Rahmen von KI-noW (Künstliche Intelligenz für eine nachhaltig optimierte Wertschöpfung), ein vom Bayerischen Staatsministerium für Wirtschaft, Landesentwicklung und Energie StMWi gefördertes Projekt mit der Zielsetzung, Bayerische Unternehmen bei der Digitalisierung ihrer Produktion zu unterstützen.

Das könnte Sie auch interessieren

LeanDA – KI-gestützte Prozesstransparenz durch modulares Sensorsystem

Montageplanung

Autonome Produktionsoptimierung