Reduktion der Überproduktion in der Leiterplattenfertigung durch KI
Die Schaltungsdruck Storz GmbH + Co. KG steht vor der Herausforderung, die ressourcenintensive, aber prozessbedingt notwendige Überproduktion von Leiterplatten auf ein Mindestmaß zu reduzieren. Durch den aktuell verfolgten Ansatz zur Steuerung der Mehrproduktion entstehen häufig nicht weiter verwendbare Leiterplatten. Der gezielte Einsatz Künstlicher Intelligenz zur besseren Vorhersage von Schlechtteilen soll die Anzahl der als Puffer unnötig überproduzierten Gutteile minimieren, was nicht nur die Material- und Energiekosten senkt, sondern auch die Umweltbelastung reduziert.
Hochpräzise Leiterplatten aus der Breisgau
Die Schaltungsdruck Storz GmbH + Co. KG aus Kenzingen fertigt hochpräzise Leiterplatten (PCBs) für verschiedene Industrien. Die Herstellung umfasst zahlreiche Prozessschritte wie das chemische Reinigen, Pressen, Bohren und Fräsen, Belichten, Ätzen sowie galvanische Prozesse. Diese Prozessschritte stellen komplexe Anforderungen an Material und Präzision. Für die einzelnen Schritte werden Rohstoffe wie Kupfer, Gold, Epoxidharz, Glasfaser, polymere Kunststoffe und verschiedene Chemikalien verwendet.
Herausforderung: Reduzierung der Überproduktion
Die Produktion von Leiterplatten ist ressourcenintensiv und geht aufgrund ihrer Komplexität mit unvermeidlichem Ausschuss in der Produktion einher, was eine Überproduktion zur Sicherstellung der Liefermenge erfordert. Diese Überproduktion führt zu erhöhtem Materialverbrauch und Kosten, sowie unnötiger Umweltbelastung. Momentan wird die Produktionsmenge anhand der Erfahrungswerte der Mitarbeitenden festgelegt, was jedoch nicht sehr präzise ist. Dies führt somit zu einem Überschuss an Gutteilen, die aus verschiedenen Gründen nicht genutzt und in der Regel entsorgt werden müssen.
Präzise Vorhersagen bei der Produktion mit Hilfe von KI
Ein KI-System soll durch präzise Vorhersagen des Produktionsbedarfs das Ausmaß der Überproduktion minimieren. Hierzu soll die wahrscheinliche Menge an inhärent auftretenden Schlechtteilen prognostiziert werden. Diese hängt maßgeblich vom Komplexitätsgrad und charakteristischen Eigenschaften der produzierten Leiterplatten ab. Zum Training des KI-Systems kann auf den umfangreichen Datenbestand vergangener Produktionsprozesse des Unternehmens zurückgegriffen werden. Da die Daten zum Teil unstrukturiert vorliegen, kommen im Schritt der Datenaufbereitung auch große Sprachmodelle (Large Language Models, LLMs) zum Einsatz.
Im neuen KI-gestützten Prozess wird – basierend auf dem Leiterplattenlayout und den Liefervorschriften der Kund*innen – eine optimale Abschätzung für die Anzahl der zu fertigenden Leiterplatten getroffen. Die Überproduktion von nicht verwendbaren Gutteilen wird dadurch minimiert.
Ressourceneinsparungen durch KI-basierte Datenanalyse
Der adressierte Abschnitt der Wertschöpfungskette ist die Produktion. Die KI-Lösung verbessert die Produktionsprozesse, indem sie die Überproduktion verringert und damit Material und Energie einspart. Dies senkt die Kosten und reduziert den Abfall, was die Nachhaltigkeit des Unternehmens stärkt. Zudem ermöglicht die präzisere Planung eine effizientere Ressourcennutzung und steigert die Wettbewerbsfähigkeit.
Ressourceneinsparungen durch den Einsatz Künstlicher Intelligenz
Der KI-Einsatz führt zu einer deutlichen Verbesserung der Ressourceneffizienz im Unternehmen. Durch präzisere Vorhersagen des Produktionsbedarfs wird die Überproduktion reduziert, was sowohl den Materialverbrauch als auch den Energiebedarf senkt. Das Unternehmen spart dadurch etwa 3.370 kg an Material pro Jahr ein, darunter 150 kg Kupfer, 170 kg Aluminium, 1.275 kg Epoxidharz, 1.775kg Glasfaser sowie diverse Chemiegemische. Durch den KI-Einsatz wird weniger Energie benötigt, da die Optimierung der Produktionsprozesse auch zu einer Reduktion der CO2-Emissionen führt. Durch die Reduktion der Produktionsmenge entsteht zudem weniger belastetes Abwasser, das aufbereitet werden muss.
Die notwendigen Berechnungen des KI-Systems pro Auftrag benötigen nur wenige Sekunden Rechenleistung und können auf Endkunden-Hardware betrieben werden.
Technologie
Fähigkeit der KI: Datenanalyse
KI-Modell: Large Language Models (LLMs), Random Forests
Wertschöpfung
Phase: Produktion
Ziel der KI: Vorhersagen des Produktionsbedarfs
Ressourceneffizienz
Reduzierung der Überproduktion durch präzisere Vorhersagen des Produktionsbedarfs
Materialeinsparung von etwa 3.370 kg pro Jahr
Unternehmen
Branche: Herstellung und Vertrieb von Leiterplatten (Printed Circuit Boards - PCBs)
