FORUM: KI – Reality Check

Mit Data Analytics die Supply Chain revolutionieren 

Dienstag, 10. März 2020 von 12:15 bis 13:30 Uhr, Forum D, Halle 8

Moderation: Prof. Dr. Ing. Philipp Gölzer, Geschäftsfeldkoordinator Digitalisierte Produktion, Fraunhofer SCS u. Professur für Digitale Fabrik und Materialflusssysteme, TH Nürnberg

 

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. Der KI – Reality Check im Fachforum zeigt an Praxisbeispielen, 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 betrachten die Praxisbeispiele aus der wissenschaftlichen Perspektive.

 

Philipp Kanitz: »Langfrist-Prognose von Ersatzteilbedarfen für Haushaltsgeräte«

 

Die Vorhersage des Ersatzteilbedarfs für den Zeitraum nach Produktionsende ist ein zentrales Thema des Supply Chain Managements. Ziel ist es dabei, die Kosten für Lagerung, Transport und Entsorgung sowie die Kapitalbindung zu senken. Gleichzeitig soll durch beständige Verfügbarkeit die Kundenzufriedenheit aufrechterhalten werden. Fraunhofer 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«

 

Die digitale Transformation der BHS Corrugated ist in vollem Gange. Um den Wandel weiter voranzutreiben, hat BHS zusammen mit Fraunhofer 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 von Fraunhofer 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 nur schwer erfüllt werden kann. Im Bereich »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.

 

Pressekontakt:
Diana Staack
Presse- und Öffentlichkeitsarbeit
Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS
Nordostpark 93 | 90411 Nürnberg
Tel. +49 911 58061 9533 | Fax + 49 911 58061 9599

 

Hinweis: Für den redaktionellen Teil dieser Meldung ist das Unternehmen bzw. Institut verantwortlich, das dieses Forum veranstaltet.