UNSERE USE CASES
PROZESSE planen & flexibilisieren

Lernförderliches KI-Varianzmanagement für die Produktion von Geweben mit kundenspezifisch ausgeprägten Prüfmerkmalen

AUNDE Group SE
Mönchengladbach

WIRKsam im Unternehmen

Beim Kaschierprozess der AUNDE Group SE werden bis zu drei Materialkomponenten mithilfe von Hitze dauerhaft miteinander verbunden. Dabei wird beispielsweise eine Folie oder ein Vlies über eine Schaumschicht mit einer weiteren textilen Lage kombiniert. Auf diese Weise entstehen komfortable und hochwertige Textilien, die in der Automobilindustrie zum Einsatz kommen.

Damit die geforderte Qualität erreicht wird, müssen die Maschinen präzise eingestellt werden. Diese Einstellungen hängen jedoch von zahlreichen Parametern ab, etwa von der Temperatur in der Produktionshalle oder von den Eigenschaften der verwendeten Materialien. Änderungen im Produktionsumfeld oder bei neuen Textilien erfordern daher häufige Nachjustierungen der Maschinen, was zeitaufwendig und ressourcenintensiv ist.

Für die Mitarbeitenden bedeutet dieser Prozess eine doppelte Herausforderung: Die Arbeit an der Maschine ist oft monoton und körperlich belastend, zugleich erfordert sie viel Erfahrung und Fingerspitzengefühl. Qualitätstests werden meist manuell durchgeführt und die Beurteilung der Textilien hängt stark vom persönlichen Empfinden ab. Dieses Erfahrungswissen lässt sich nur schwer an neue Mitarbeitende weitergeben, was die Einarbeitung erschwert und die Produktionsqualität abhängig vom individuellen Können macht.

Um die Qualität zu sichern und die Mitarbeitenden zu entlasten, plant WIRKsam den Einsatz eines KI-Systems. Dieses soll die Produktionsparameter kontinuierlich überwachen, Abweichungen erkennen und Optimierungsvorschläge ableiten. Dadurch entsteht mehr Transparenz in den Produktionsprozessen und -daten.

Die gewonnenen Informationen können zudem genutzt werden, um Lernprozesse zu unterstützen und das Erfahrungswissen der Mitarbeitenden systematisch zu dokumentieren. So wird die Weitergabe von Wissen erleichtert und die Lernförderlichkeit im Arbeitsumfeld nachhaltig verbessert.

Ziele

• Produktionsparameter sollen überwacht werden und Rückschlüsse zur Optimierung gesucht werden​
• Steigerung der Produktivität und Reduktion der Ausschussquote durch eine intelligente Prozessadaption​
• Arbeitsbedingungen durch Reduktion belastender, monotoner Tätigkeitsanteile und der Anreicherung lernförderlicher Tätigkeitsanteile verbessert werden​
• Identifikation der Digitalisierungsmöglichkeiten und Überführung relevanter Einflussgrößen in ein Datenpool​
• KI-Ansätze werden auf ihre Nutzbarkeit untersucht und Modelle umgesetzt​
• Vorgabe von idealen Produktionsparametern durch das KI-Modell ​
• Ergonomische und lernförderliche Gestaltung und anwenderfreundliche Bereitstellung der Qualitätsinformationen