Data Analytics-, KI- und IoT-Anwendungen für die Intralogistik: Fraunhofer IIS auf der LogiMAT 2020

20.2.2020

Vom 10. bis 12. März präsentiert die Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS des Fraunhofer IIS auf der LogiMAT 2020 in Stuttgart neue Lösungen für die Intralogistik. Im Fokus: Data Analytics- und KI-Methoden sowie IoT-Anwendungen für Produktion und Logistik. Zu erleben beim eigeninitiierten Fachforum »KI – Reality Check« am Dienstag, 10. März 2020, und auf dem Messestand in Halle 8 G48.

KI-Fachforum, 10. März 2020

»KI – Reality Check« 

In logistischen Prozessen werden zwar viele Daten erzeugt; wollen Unternehmen mit Data Analytics aber diese Datenschätze heben, stoßen sie häufig auf Probleme: Daten weisen nicht die erforderliche Qualität auf, sind fehler- bzw. lückenhaft und liegen in unterschiedlichen Formaten vor. Oder es sind für eine bestimmte Anwendung nicht die richtigen Daten vorhanden. Am Dienstag, 10. März, hat die Fraunhofer-Arbeitsgruppe SCS deshalb von 12:15 Uhr bis 13:30 Uhr, Forum D, Halle 8, das Fachforum KI – Reality Check organisiert. Dort wird an Praxisbeispielen gezeigt, wie diese Hürden überwunden werden und aus Daten ein echter Mehrwert für Prozessoptimierungen oder die Entwicklung neuer Services generiert wird. Aus der Praxis berichten Philipp Kanitz von der BSH Hausgeräte GmbH und Madeleine Löhnert von der BHS Corrugated Maschinen- und Anlagenbau GmbH; Dr. Janek Thomas und Jann Goschenhofer von der Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS ergänzen die Praxisbeispiele aus der wissenschaftlichen Perspektive:

Philipp Kanitz: »Langfrist-Prognose von Ersatzteilbedarfen für Haushaltsgeräte«
Die Vorhersage des Ersatzteilbedarfs für die Zeit nach Produktionsende ist ein zentrales Thema im Supply Chain Management. Einerseits sind die Unternehmen bestrebt, die Kosten für Lagerung, Transport und Entsorgung sowie die Kapitalbindung zu senken. Gleichzeitig müssen die Teile aber auch aus Gründen der Kundenzufriedenheit für einen garantierten Zeitraum weiterhin verfügbar sein. Fraunhofer-Arbeitsgruppe SCS und BSH Hausgeräte GmbH haben deshalb gemeinsam ein Tool zur Langzeitprognose von Ersatzteilbedarfen entwickelt. Dabei kommen unterschiedliche Methoden des maschinellen Lernens zum Einsatz, um zuverlässige Prognosen zu ermöglichen. Philipp Kanitz berichtet über die Erfahrungen in der Anwendung des Tools und ermöglicht so tiefergehende Einblicke in die Problemstellung sowie die entwickelte Lösung.

Madeleine Löhnert: »Aktuelle Herausforderungen von KI in der Praxis: Intelligentes Teilemanagement bei BHS Corrugated«
Die digitale Transformation der BHS Corrugated ist in vollem Gange. Um den Wandel weiter voranzutreiben, hat BHS zusammen der mit Fraunhofer-Arbeitsgruppe SCS das »Joint Lab Data Analytics« gegründet. Insbesondere in den Bereichen Smart Services und Smart Production werden gemeinsam Data Analytics-Use Cases in Workshops mit den BHS-Fachbereichen identifiziert, definiert und bewertet. Die Entwicklung der prototypischen Lösungen erfolgt in gemischten Teams, bestehend aus Mitarbeitenden der Fraunhofer-Arbeitsgruppe SCS und BHS Corrugated. Ziel der Kooperation ist es, durch die gebündelte Data Analytics-Expertise innovative Lösungen für die offenen Fragestellungen zu finden und so zum Unternehmenswachstum beizutragen. Die Use Case-Ideen reichen von Lagerprognosen und -optimierung bis hin zu Produktions- und Qualitätsmonitoring mittels Image Processing.

Dr. Janek Thomas: »Fallstricke und Herausforderungen in Machine Learning-Projekten«
Auf dem Weg zu erfolgreichen KI-Projekten gilt es, Hürden zu nehmen und Fallstricke zu umgehen. Welche Herausforderungen das sind und wie man diese meistert, stellt Dr. Janek Thomas anhand von Beispielen vor.

Jann Goschenhofer: »Overcoming the issue of few labeled data: Semi-supervised learning on time series data«
Um AI-Modelle erfolgreich zu trainieren, wird eine große Menge annotierter Trainingsdaten benötigt – eine Anforderung, die in vielen Machine Learning-Projekten aber nur schwer erfüllt werden kann. Im »semi-supervised learning« werden Methoden entwickelt, durch die große Mengen nicht-annotierter Daten dazu genutzt werden können, klassische AI-Modelle zu verbessern und damit für wenige annotierte Trainingsdaten zu kompensieren. Im Vortrag gibt Jann Goschenhofer einen Einblick in seine Forschung und zeigt Beispiele aus der praktischen Anwendung mit Zeitreihen-Daten.

Das Fachforum »KI – Reality Check« wird moderiert von Prof. Dr. Ing. Philipp Gölzer, Geschäftsfeldkoordinator Digitalisierte Produktion bei der Fraunhofer-Arbeitsgruppe SCS und Professor für Digitale Fabrik und Materialflusssysteme an der TH Nürnberg. Es findet statt am Dienstag, 10. März 2020 von 12:15 Uhr bis 13:30 Uhr, Forum D, Halle 8.