Durch die Optimierung von Daten und Nutzung von Informationen in Echtzeit konnten sie effizientere und schnellere Entscheidungen treffen. Um diese Möglichkeiten zu nutzen und intelligente Materialflüsse und nachhaltige Ökosysteme zu verwalten, benötigt ein Produktionsmanagementsystem (PMS) jedoch auch ein Industrie 4.0-Upgrade.
Automatisierung, höhere Rechenleistung, Datenanalyse in Echtzeit und maschinelles Lernen (ML) haben die Industrie 4.0-Revolution ermöglicht. Diese technologischen Entwicklungen in den Bereichen Automatisierung, Echtzeit-Datenerfassung und Visualisierung haben auch zu digitalen Zwillingen geführt. In der Metallindustrie sind digitale Zwillinge derzeit nicht nur für Produktionslinien verfügbar, sondern auch für konsistente Datensammlungen von Materialeinheiten entlang ihres Produktionsweges. Darüber hinaus werden sie auch für Transporte in Lagerhallen eingesetzt und ermöglichen Transparenz und Effizienz entlang des gesamten intelligenten Produktionsprozesses.
Diese Modelle werden auf der Grundlage historischer Prozess- und Produktdaten erstellt, trainiert und validiert. Ihr Mehrwert liegt in ihrer Fähigkeit, zukünftige Ergebnisse auf der Grundlage neuer Daten vorherzusagen.
Smart Supply Chain – Die nächste Generation der Lieferkette
Das digitale Stahlproduktionsmanagement wird in zunehmendem Maße eine enge Zusammenarbeit zwischen menschlichen Agenten, z. B. einem Planer oder einem Lagerarbeiter, und intelligenten autonomen Agenten erfordern. Diese Agenten sind kleine Softwareeinheiten, die sich auf spezifische Probleme konzentrieren. Sie können unabhängige lokale Entscheidungen treffen und menschliche Agenten oder sogar andere intelligente Agenten benachrichtigen, die zusammenarbeiten, um größere Probleme zu lösen, indem sie in Multiagentensystemen (MAS) miteinander kommunizieren. Solche Agenten können in die Arbeitsabläufe von Geschäftsprozessen integriert und durch künstliche Intelligenz verbessert werden, um Veränderungen in ihrer Umgebung zu erkennen, aus den Auswirkungen von Entscheidungen zu lernen und ihr Verhalten entsprechend anzupassen.
Die Verfügbarkeit von Big Data in Echtzeit über die gesamte Lieferkette hinweg, Rechenleistung, digitale Zwillinge und ML-Algorithmen bieten alle Voraussetzungen für den Aufbau intelligenter Lieferketten. Dies bedeutet, dass die Lieferketten in der Lage sind, schnellere und bessere Entscheidungen zu treffen. Die Verkürzung der Latenzzeiten bei der Entscheidungsfindung und bei der Reaktion auf Störungen im Warenfluss ist einer der größten potenziellen Vorteile der Digitalisierung von Lieferketten. Jedes Ereignis in der Lieferkette wird für menschliche Entscheidungsträger sofort sichtbar.
Smart Processes and Products Emerge
Um die Potenziale von Industrie 4.0 in verschiedenen Bereichen der Stahlproduktion zu nutzen, wurden in den letzten Jahren individuelle Lösungen entwickelt. Im Stahlwerk verwaltet und optimiert der Online Heat Scheduler (OHS) von PSI Metals die detaillierten Arbeitspläne der Schmelzbetriebe. Auf Basis der Arbeitspläne plant er alle notwendigen Behandlungs- und Transportschritte und ordnet Produktionslinien und Betriebsmittel auf Basis der verfügbaren Kapazitäten in Echtzeit zu. Es gibt einen Überblick über den aktuellen Fortschritt im Vergleich zum geplanten Fortschritt für alle Öfen. OHS sorgt jederzeit für eine reibungslose Versorgung der Gießerei mit Schmelzen und Sequenzen und reagiert bei Störungen oder Ausfällen.
In der Qualitätskontrolle werden prädiktive Algorithmen verwendet, um das Risiko einer Abweichung von einem Zielmerkmal in jedem Produktionsschritt zu bewerten. Wird der Algorithmus mit Ist-Daten für den vorgeschalteten Prozess und mit Soll-Werten für den nachgeschalteten Prozess beschickt, kann er in verschiedenen Zwischenstufen der Produktion eingesetzt werden. Liegt die Vorhersage außerhalb des zulässigen Bereichs, wird ein präskriptiver Algorithmus aufgerufen, der für jede Materialeinheit die bestmöglichen nachgeschalteten Parameter vorschlägt, um auf das ermittelte Abweichungsrisiko zu reagieren und das Material entsprechend dem verfügbaren Wissen zum bestmöglichen Ergebnis zu führen.
Nicht nur Prozesse, auch Produkte aus Stahl und Aluminium werden intelligent. coilDNA, der Partner von PSI Metals, hat eine Technologie entwickelt, die Stahl- und Aluminiumteilen eine Identität verleiht. Die Technologie macht sie zu intelligenten Produkten, indem man ihre Geschichte verfolgen kann.
Hochskalierung intelligenter Materialien und Prozessabläufe
Um die Chancen zu nutzen und intelligente Material- und Prozessflüsse zu steuern, muss ein Produktionsmanagementsystem auf Industrie 4.0 aufgerüstet werden. Es gibt eine Reihe von Bausteinen, die für ein solches Upgrade erforderlich sind.
Der erste Schritt besteht darin, die traditionelle Pyramide der Automatisierungsebenen zu durchbrechen, wie in Abbildung 1 dargestellt.
Diese Struktur hat zwei wesentliche Einschränkungen:
- Kommunikation: Im Allgemeinen kann eine Ebene nur mit den Ebenen kommunizieren, die direkt über oder unter ihr liegen.
- Datenabstraktion und/oder -übersetzung: Dies geschieht, wenn Daten von einer Ebene auf eine andere übertragen werden, wodurch die Daten auf bestimmte Ebenen beschränkt werden und auf andere nicht. Dies erschwert die Integration oder Verknüpfung von ML-Diensten, die Daten aus verschiedenen Ebenen benötigen.
Als Nächstes sollte ein Produktionsmanagement 4.0-System eine offene Plattformarchitektur bieten, die eine flexible Orchestrierung von Geschäftsprozessabläufen ermöglicht. Insbesondere sollte ein spezieller Workflow Management Service die Konfiguration von kundenspezifischen und anpassbaren Geschäftsprozessen unterstützen. Dies kann native Funktionen aus verschiedenen Geschäftsbereichen wie Qualitätskontrolle oder Produktionsplanung umfassen, aber auch externe Systeme und Dienste wie einen ML-basierten Fehlervorhersagedienst integrieren.
Zusätzlich zu den Kerndiensten „Advanced Production Scheduling“ und „Manufacturing Execution System“ muss ein Produktionsmanagementsystem 4.0 moderne eingebettete Business Intelligenz, Benutzerschnittstellenkonfigurations, Authentifizierung, Autorisierung und Ereignisbenachrichtigungsdienste bereitstellen. Ein solches System ist die in Abbildung 2 dargestellte PSImetals Service Platform.
PSImetals PMS ermöglicht integrierte Dienstleistungen
Ein Beispiel für die Integration verschiedener digitaler Dienste in ein modernes PMS ist die Anpassung des Warmwalzplans. Ein maschinelles Lernmodell könnte Qualitätsmängel bei einer oder mehreren geplanten Brammen erkennen. Ein spezieller Planungsdienst entfernt die Bramme(n) aus dem Plan und überprüft die Durchführbarkeit und Qualität der verbleibenden Walzsequenz. Abhängig von der Antwort kann der Prüfprozess beendet oder mit der Suche nach alternativen Brammenkandidaten fortgesetzt werden.
Auf einer E-Commerce-Plattform könnten viele Funktionen des PMS als Dienstleistung angeboten werden. Ein dynamisches, regelbasiertes Order Dressing, das die Daten des Käufers als Eingabe verwendet, könnte Machbarkeitsanfragen, einschließlich Erstanfragen, beantworten. Die Planungsfunktion „Due Date Quoting“ könnte dann die Ergebnisse des vom Order Dressing generierten Produktionsauftrags verwenden, um den Liefertermin zu schätzen. Nach dem Kauf könnten alle Materialdaten durch Aufruf des Qualitätsmanagementservice abgerufen werden. Dazu muss die E-Commerce-Plattform über den PSIbus sicher mit den PM-Diensten verbunden sein.
Dekarbonisierung?
In einem KPI-gesteuerten PMS könnte es möglich sein, klassische KPIs wie Qualität, Durchsatz, Lagerbestände oder Liefertermine mit neuen KPIs wie effizientem Energieverbrauch und reduzierten CO2-Emissionen in Einklang zu bringen. Auf diese Weise könnte nicht nur der beste Kompromiss ermittelt werden, sondern die Auswirkungen jeder Entscheidung auf die Nachhaltigkeit würden transparent, was eine nachhaltige Stahlproduktion ermöglichen würde.
Die fortschreitende digitale Transformation verspricht, die Arbeitsabläufe in der Stahlproduktion intelligenter und umweltfreundlicher zu gestalten. Wir erwarten weitere Verbesserungen im Planungs- und Produktionsprozess. In dem Maße, wie die KI mehr und mehr repetitive und datengesteuerte Aufgaben übernimmt, wird sich die Rolle der menschlichen Arbeitskräfte auf Aufgaben konzentrieren, die die KI noch nicht übernehmen kann, wie kreatives Denken, Innovation, Szenarienbewertung und Personalmanagement.