MHP macht Produktionsprozesse effizienter

Ab sofort bietet MHP als Full-Service-Anbieter für die digitale Transformation gemeinsam mit Amazon Web Services (AWS) als Technologiepartner sowie mit dem Fahrzeughersteller Volkswagen als Partner aus der Industrie cloudbasierte Software-as-a-Service-Lösungen (SaaS-Lösungen) an. Die auf der Hannover Messe vorgestellten Produkte sollen die industriellen Produktionsprozesse effizienter, datengetriebener, resilienter und nachhaltiger machen. Gebündelt werden diese Leistungen bei MHP, der größten Tochtergesellschaft der Porsche AG, unter dem Cluster ‚Industrial Cloud Solutions‘ (ICS).

Damit werden bei MHP neben den bisherigen Services auch digitale SaaS-Produkte das Portfolio ergänzen. „Denn die Produktion der Zukunft arbeitet datengetrieben und agiert weitestgehend autonom“, heißt es bei der Porsche-Tochter. Produktionsnetzwerke sind demnach über Cloud-Architekturen hochgradig vernetzt und ermöglichen einen schnellen Datenaustausch. Dabei erweitern die Produkte Sounce, FleetExecuter und paint_it das Geschäftsfeld von MHP. Derzeit arbeiten zehn parallele Teams mit insgesamt über 90 Entwicklerinnen und Entwicklern am Bau dieser Softwareprodukte.

Michael Appel, Partner bei MHP: „Im Rahmen von Industrial Cloud Solutions bieten wir ab sofort fertige, digitale Produkte an, die bereits OEM-erprobt sind und die somit unsere Kunden auf ihrem Weg in die Produktion der Zukunft begleiten. Mit ICS bündeln wir die Kompetenzen von MHP, Porsche und des Volkswagen-Konzerns und schaffen auf der AWS-Plattform cloudbasierte Industrie 4.0-Lösungen.“ Nach Angaben des Managers sind mit Sounce und paint_it die ersten SaaS-Lösungen verfügbar. In den kommenden Monaten sollen weitere folgen.

Sounce ist eine Entwicklung von MHP in Zusammenarbeit mit Porsche Digital. Der Fahrzeughersteller nutzt das digitale Qualitätssicherungstool seit rund zwei Jahren. Im Rahmen der Initiierung von Industrial Cloud Solutions bei MHP wurde Sounce in das MHP-Produktportfolio integriert, um das Produkt weiterzuentwickeln und im Markt zu etablieren. Es handelt sich dabei laut MHP um eine KI-basierte Geräuscherkennung in nahe Echtzeit.

Zum Einsatz kommt das System aktuell bei Porsche im Entwicklungszentrum in Weissach bei der Bewertung von Fahrwerkskomponenten und in Leipzig bei der Fehler- und Anomalie-Erkennung im Karosseriebau. Die zu prüfenden Bauteile oder Komponenten werden in Schwingung versetzt und erzeugen dabei ein charakteristisches (Geräusch-)Muster. Weicht dieses von der in der KI erlernten Referenz ab, detektiert das System einen Mangel und macht auf ihn aufmerksam.

Durch die Überwachung und Prüfung in der Produktion werden Fehler „sehr zuverlässig erkannt und dokumentiert“, die bei der üblichen, stichprobenartigen Qualitätskontrolle am End-of-Line-Prüfstand (EoL) unentdeckt blieben. Dabei ist die KI lernfähig und erlaubt gewisse Toleranzen, die in der Fertigung komplexer Komponenten nicht auszuschließen sind. Mit der Qualitätssteigerung beim Einsatz von Sounce sinken auch die Kosten: Bei einer Genauigkeit der Störgeräuscherkennung von über 96 Prozent lassen sich – gegenüber einem konventionellen Prüfprozess – zehn Prozent einsparen.

Das KI-basierte Monitoringsystem paint_it bietet in der Qualitätssicherung einer Lackiererei eine hardwareunabhängige Lösung zur Ermittlung von zuvor definierten Qualitätskriterien. Mit dem System lassen sich unter anderem Informationen hinsichtlich Lackschichtdicke und Oberflächengüte der Lackierung (Stichwort: Orangenhaut) ermitteln.

Das Monitoring-System analysiert die gesammelten Daten und gleicht sie mit allgemeinen und unternehmensspezifischen Toleranzen und Referenzen ab. Hinterlegt sind die dafür notwendigen Informationen in der Cloud. In ihr werden auch die Daten gesammelt, die das System liefert.

Mithilfe der SaaS-Lösung lassen sich laut MHP Qualitätsmängel nicht nur innerhalb kürzester Zeit entdecken, sondern auch in einem gewissen Rahmen vorhersagen. Denn das System erkennt Tendenzen und prognostiziert zunehmende Abweichungen einzelner Qualitätskriterien von den zulässigen Toleranzwerten.

Dazu aus dem Datencenter:

Verbraucher- und Industrievertrauen in der EU – Januar 2008 bis März 2023