Dumm, schlau oder intelligent? Was ist in der Fabrik wirklich wichtig?

Erwarten Sie nicht, dass Technologie auf wundersame Weise Probleme löst, die auch ohne zusätzliche Komplexität hätten gelöst werden können.

• 2

Werbung

Teil IV einer vierteiligen Serie.

Früher waren Anlagen dumm. Sie trafen keine Entscheidungen und konnten auch nichts Neues lernen. Das ändert sich gerade rapide.

Smart

Durch die Integration von Software und Sensoren kann eine Anlage mit ihrer Umgebung in Kontakt treten, und menschliche „Intelligenz“ kann in Form von Entscheidungsalgorithmen eingebracht werden. Dadurch ist die Anlage in der Lage, auf ihre Umgebung zu reagieren und Entscheidungen zu treffen.

Ein sehr einfaches Beispiel aus der Zeit vor dem Computer ist der Webstuhl, der die Grundlage für das spätere Unternehmen Toyota bildete: Die Anlage konnte erkennen, wenn ein Faden gerissen war, und stoppte dann den Webvorgang. Einfach, aber clever: Da die Anlage ein Problem erkannte und den Vorgang stoppte, musste sie nicht mehr ständig von einem Menschen überwacht werden.

Moderne Autos können die Vorder- und Rückseite anderer Autos unterscheiden, deren Position bestimmen und dann berechnen, ob das andere Auto auf Kollisionskurs ist oder nicht. Basierend auf integrierten Entscheidungsregeln entscheidet das Auto, ob es den Fahrer warnt, die Kontrolle übernimmt und die Route leicht ändert oder sogar eine Notbremsung durchführt. Clever. Aber niemals cleverer als die Intelligenz, die ein Mensch in das System eingebracht hat.

Sensorische Wahrnehmung ermöglicht kluge Entscheidungen

Intelligente Anlagen nehmen ihre Umgebung sensorisch wahr und können Entscheidungen auf der Grundlage von in die Anlage integrierten Entscheidungsregeln treffen. Je besser dies funktioniert, desto intelligenter ist die Anlage. Das System selbst lernt jedoch nicht, sondern Menschen übernehmen diese Aufgabe für das System.

Intelligent

Machine Learning: Maschinelles Lernen.

Wenn eine intelligente Anlage in der Lage ist, Entscheidungsregeln zu ändern, um ihre Entscheidungen zu verbessern, sprechen wir von „maschinellem Lernen”. Die Anlage ist in der Lage zu lernen und ihre Entscheidungen immer weiter zu verbessern.

Nehmen wir an, das Auto aus unserem Beispiel ändert die Eingriffe auf der Grundlage dessen, was es aus früheren Eingriffen gelernt hat: Die Anlage „lernt” aus früheren Erfahrungen und wird immer besser.

Maschinelles Lernen ist eine großartige Möglichkeit, nicht nur die Reaktion der Anlage schnell zu verbessern, sondern sie auch auf sich ändernde Bedingungen reagieren zu lassen.

Während der Lernalgorithmus derselbe bleibt, kann der Entscheidungsprozess präziser und angemessener werden, aber die Anlage wird letztendlich niemals über das hinausgehen, was der Lernalgorithmus zulässt.

Künstliche Intelligenz

Spannend wird es, wenn die Anlage auch in der Lage ist, den Lernprozess selbst zu verbessern. Die Anlage könnte beginnen, selbst nach Mustern zu suchen und nach anderen Parametern zu suchen, die sie beeinflussen. Sie könnte beispielsweise entdecken, dass eine plötzliche Änderung des Reifendrucks am Heck (schwere Last) das Brems- und Lenkverhalten beeinflusst, und lernen: „Wenn das passiert, sollte ich besser früher und schneller eingreifen, damit das Auto beherrscht wird.”

Beim maschinellen Lernen sind die „Lernregeln“ statisch: „Wenn dies, dann das.“ Bei echter Intelligenz bestehen die Lernregeln jedoch aus Prinzipien. Die Anlage wendet diese Prinzipien auf ihre Realität an und lernt aus dem Ergebnis ihrer Reaktion, was die beste Entscheidung gewesen wäre, und formuliert daraus neue Entscheidungsregeln.
Solche selbstlernenden Systeme werden immer besser, aber vorerst brauchen wir noch intelligente Menschen. Und wie uns das 737-Max-Debakel gelehrt hat, sind smarte und intelligente Systeme keine Lösung für grundlegende Systemfehler.

Sind „smart“ und „intelligent“ immer ein Pluspunkt?

Es ist wie bei Menschen: Es gibt superintelligente Menschen, die mit ihren Fähigkeiten kaum etwas anfangen können (sie sind nicht sehr klug), aber es gibt auch Menschen mit geringer Intelligenz, die jedoch insofern klug sind, als sie das Wenige, das sie haben, optimal nutzen, um besser zu werden.

Im Idealfall verfügt die Anlage über genügend Intelligenz, um ihre Entscheidungsregeln zu verbessern und diese Entscheidungsregeln in vorteilhafte Entscheidungen umzuwandeln, die dann zu besseren Ergebnissen führen.

Einige Schlussfolgerungen

1 . Die Bezeichnungen „smart”, „intelligent” und „4.0” sind leider Schlagworte, die fälschlicherweise auf alle möglichen Produkte angewendet werden. Und obwohl Technologie sehr hilfreich sein kann, sollte man nicht erwarten, dass sie auf wundersame Weise Probleme löst, die auch ohne zusätzliche Komplexität gelöst werden könnten.

2. Es ist selten eine gute Idee, Investitionen und Komplexität zu erhöhen, um Probleme zu lösen. Vereinfachung, Standardisierung, Stabilisierung, Einbindung von Menschen und Reduzierung von nicht wertschöpfenden Aktivitäten sind dann bessere Ideen.

3. Der Einsatz neuer Technologien kann einen Mehrwert schaffen, wenn dadurch Dinge wie Präzision oder Geschwindigkeit erreicht werden können, die ohne diese Technologie nicht möglich gewesen wären.

4. Solange Anlagen bestenfalls einigermaßen klug sind, müssen die Menschen, die mit ihnen arbeiten, in die Lage versetzt werden, Intelligenz in kluge Entscheidungen umzuwandeln. Und wenn solche Entscheidungsregeln nicht in die Anlage eingebaut werden können, müssen sie in den Prozess eingebaut werden: Das ist das „A” in PDCA (Plan Do Check Act): die Standardisierung einer Verbesserung, die sich aus der kontinuierlichen Verbesserung ergibt.

Was ist jetzt zu tun?

In jeder Fabrik müssen Entscheidungen getroffen und Prioritäten gesetzt werden. Durch die Anwendung weiterer Prozessverbesserungen, die zu Autonomation – Automatisierung mit menschlicher Note – und/oder Vereinfachung führen, können ohne Kapitalinvestitionen Einnahmen erzielt und gleichzeitig eine solide Grundlage für kommende neue Technologien geschaffen werden.

Empfehlung 1:

Setzen Sie (neue) Technologien zunächst nur ein, um (mehr) Wert zu schaffen, um Dinge zu tun, die dem Kunden mehr Wert bringen und die ohne diese Technologie nicht möglich wären. Verwenden Sie Technologie niemals, um Probleme zu organisieren, sondern arbeiten Sie daran, Probleme zu eliminieren.

Empfehlung 2:

Visualisieren Sie Verluste (z. B. alles, wofür Ihr Kunde nicht bereit ist zu zahlen) und beseitigen Sie deren Ursachen und Grundursachen. Beenden Sie „Notlösungen” und das „Organisieren” struktureller Probleme.

Empfehlung 3:

Bringen Sie zuerst Ihre Prozesse in Ordnung; machen Sie sie schnell, flexibel, zuverlässig und effektiv, indem Sie das handwerkliche Können und die Kreativität Ihrer Mitarbeiter nutzen. Beginnen Sie erst dann mit der Automatisierung aus quantitativen Gründen oder um „zusätzliche Funktionen für das Produkt” zu schaffen. Automatisierung ist keine Lösung für schlechte Prozesse!

Empfehlung 4:

Machen Sie die Fertigung nicht zur Domäne von Ingenieuren, Managern oder – schlimmer noch – Externen. Befähigen Sie alle Mitarbeiter, die daran arbeiten, ineffiziente Prozesse am Laufen zu halten. Sie leiden am meisten unter diesen Prozessen und verfügen über das größte Insiderwissen darüber, sodass sie am besten Ideen zu deren Veränderung entwickeln können.

Empfehlung 5:

Stellen Sie Technologie in den Dienst von Menschen und Prozessen. Lassen Sie Technologie Werte schaffen! So faszinierend und verlockend manche neuen Technologien auch sein mögen, am Ende des Tages lautet die Frage: Trägt sie wirklich dazu bei, grundlegende nachhaltige Verbesserungen zu erzielen, Risiken zu reduzieren und das Unternehmen stabil und bereit für unsere Herausforderungen zu machen? Ist die neue Technologie ein Problem oder schafft sie wirklich einen Mehrwert?

Empfehlung 6:

Halten Sie die Dinge im menschlichen Maß: Wenn Sie es Ihrem Nachbarn nicht erklären können, ist es wahrscheinlich zu komplex.

Arno Koch verfügt über mehr als 25 Jahre Erfahrung in der Prozessverbesserung und Prozessbeherrschung. Seine Verbesserungsziele definiert er in Begriffen wie „Halbierung” und „Verdopplung”. Er lehrte Prozessverbesserung an mehreren Universitäten, ist Partner bei OEE Coach BV und Eigentümer von Makigami BV und hat drei Bücher über OEE und zwei über Monozukuri („die Kunst des Herstellens”) geschrieben. Kontaktieren Sie ihn ruhig, um über dieses Thema weiter zu sprechen.

Werbung