• Industrielle Intelligenz

    An Künstliche Intelligenz (KI) in industriellen Anwendungen werden sehr hohe Anforderungen gestellt. Sehen Sie hier ausgewählte Beispiele etablierter KI-Anwendungen.

PSI setzt bei der Industriellen Intelligenz auf Lösungen, die Verlässlichkeit und die Robustheit industriellen Prozesswissens mit dem gesamten Methodenspektrum der Künstlichen Intelligenz (KI) kombinieren.

Die Stabilität der Lösungen ist durch die industriell erprobte PSI-Softwaretechnologie und durch das PSI-Framework gesichert. Insgesamt hat PSI über 50 verschiedene KI-Verfahren geliefert, die dauerhaft betreut und produktiv eingesetzt werden.

Nachfolgend finden Sie Informationen zu einer Auswahl von PSI-Lösungen, die auf unseren langjährigen praktischen KI-Erfahrungen basieren.

Künstliche neuronale Netze

... in Energieübertragungs- und -verteilnetzen

Mit Hilfe von maschinellem Lernen und neuronalen Netzen werden Netzlasten und Einspeisung regenerativer Energien prognostiziert. Sie dienen den vorausschauenden Netzberechnungen als wichtige Eingangsdaten. So können die zukünftigen Herausforderungen an die Netzführung schon heute effizient und sicher gemeistert werden.

 

 

... in der Automobilindustrie

Zur optimierten Produktionssteuerung von Prozessen in der Reifenindustrie werden mit Methoden wie künstlichen neuronalen Netzen die für die automatische Bilderkennung notwendigen Test- und Validierungsdaten gelernt. Die Genauigkeit der Klassifikation liegt bei über 99 Prozent. Manuelle Eingriffe in den Produktionsablauf werden reduziert und die Qualität wird konstant gesichert.

… an Flughäfen

Durch den Einsatz neuronaler Netze wird die automatische Gepäckstückerkennung auf Basis hochaufgelöster Bilder aus mehreren Überwachungskameras optimiert. Die Erkennung in Echtzeit und die Gepäckstückverfolgung während der gesamten Gepäckbeförderung ist in hoher Qualität gewährleistet. So werden z. B. Beschädigungen automatisch erkannt und protokolliert.

 Nach oben

  • Verwandte im Geiste: Deep Learning und Qualicision

    Die Behandlung von Unsicherheit als Schlüssel zum Erfolg  

Erweiterte Fuzzy-Logik (EFL)

... in der Automobilindustrie

Erweiterte Fuzzy-Logik optimiert Kennzahlen-gestützte Produktionsprozesse bei dynamischen Zielvorgaben und sicherer sowie unsicherer Informationslage. Die Vorteile der Optimierung sind z. B. Kosteneinsparungen durch Reihenfolgenbildung mit flexiblem Ressourceneinsatz, das Ausbalancieren von Zielkonflikten und die Reaktionsfähigkeit in Echtzeit. EFL ist zudem Industrie 4.0-kompatibel und offen für die agile Produktion.

... im öffentlichen Nahverkehr

Erweiterte Fuzzy-Logik optimiert halb- oder vollautomatisch alle Prozesse im Depot von Verkehrsbetrieben. Dazu gehört die Wegeoptimierung sowie die Fahrzeugpositionierung und -verfolgung. Die flexible Konfiguration aller Dispositionskriterien sorgt für eine verbesserte Fahrzeugwartung unter Einhaltung der erforderlichen Fahrzeugqualität.

... in der Logistik

Erweiterte Fuzzy-Logik optimiert die Lagerhaltung und den Transport von Waren. Zielkonflikte zwischen definierten Kennzahlen werden erkannt und ausbalanciert. Lieferkosten werden gesenkt und die Verpackungslogistik wird vereinfacht.

... für Verkehrsinfrastrukturen

Erweiterte Fuzzy-Logik unterstützt Infrastrukturbetreiber beim Management von Verkehrsflüssen und sorgt für den optimalen Betrieb für alle Verkehrsteilnehmer. Zielkonflikte werden nach vorgegebenen Kennzahlen ausbalanciert. Instandhaltungsmaßnahmen können geplant werden und reibungslos in das Management der Verkehrsnetze einfließen.

... im öffentlichen Nahverkehr

Die KI-Realzeitoptimierung verbindet die multikriteriellen Optimierungsanforderungen sowohl des Linienbetriebs auf der Straße aus der Perspektive der Personenbeförderung als auch aus der Wirtschaftlichkeitsperspektive des Depots. Insbesondere der Realzeitaspekt der Optimierung, die sich dynamisch auf die jeweils aktuelle Situation selbsttätig mittels Zielkonfliktanalyse einstellt, macht hier die Vorteile der Erweiterten Fuzzy Logik als KI-Methode aus.

 Nach oben

Kombinatorische Optimierung

… in der Stahl- und Aluminiumindustrie

Kombinatorische Verfahren optimieren die Produktions- und Reihenfolgeplanung in der Stahl- und Aluminiumindustrie. Vorteil dieses Verfahrens ist die Auflösung konkurrierender Ziele im Sinne übergeordneter Strategien unter Berücksichtigung anlagenspezifischer Vorgaben (z. B. maximale Auslastung bei gleichzeitiger Einhaltung von Lieferterminen). Dabei erlauben vordefinierte KPIs die notwendige Dynamik, um auf sich verändernde Vorgaben reagieren zu können.

... in der Logistik

Verschiedenste kombinatorische Verfahren unterstützen bei Supply-Chain-Optimierungen z. B. bei der optimalen Standortauswahl für Logistikzentren. Mehrere Auswahlkriterien werden berücksichtigt und als Ergebnis wird die kostengünstigste Lösung ermittelt. Die Verfahren sind skalierbar und wiederverwendbar.

 Nach oben

Advanced Industrial Engineering (aIE)

... im Gastransport

Durch Verfahren des Advanced Industrial Engineering lassen sich z. B. die erforderlichen Gasmengen zur Erfüllung von Gaslieferverträgen vorhersagen und sicherstellen. Optimierungsverfahren im Betrieb von Kompressoren und Anlagen führen zu Kosteneinsparungen und zur Reduzierung des CO2-Ausstoßes.

... im Energiehandel

Für die Zeitreihenvorhersage werden Methoden des aIE auf der Basis von Machine-Learning-Algorithmen eingesetzt. Die Vorhersagen der Energieauslastung und Energieerzeugung sind dank der Anwendung von künstlichen neuronalen Netzen und anderen Machine-Learning-Methoden mit bisher unerreichter Genauigkeit verfügbar. Die qualitativ hochwertigen Prognosen sorgen für reale Geschäftsvorteile und unterstützen die Prozesse im Energiehandel deutlich.

 Nach oben

Der Verfahrens-Mix entscheidet

Unsere Kunden profitieren bereits jetzt – einige sogar seit mehreren Jahren – von Methoden und Verfahren der Künstlichen Intelligenz im anspruchsvollen industriellen Einsatz.

Durch die Kombination mit Verfahren wie Erweiterter Fuzzy-Logik, dem Operations Research und dem Advanced Industrial Engineering werden die Einschränkungen einzelner Verfahren umgangen und daraus performante Lösungen für industrielle Anwendungen entwickelt.

Das KI-Framework basiert auf der bewährten PSI-Technologieplattform.

  • Langjährige KI-Erfahrung

  • Industrieerprobt

  • Einheitliches KI-Framework

  • 50+ KI-Verfahren

  • Optimale Ergebnisse durch Verfahrens-Mix

  • Up-to-date durch professionelle Services

  • Industrie 4.0-kompatibel

Ihr Ansprechpartner für KI-Anwendungen im PSI-Konzern

Dr. Rudolf Felix

Geschäftsführer PSI FLS Fuzzy Logik & Neuro Systeme GmbH

www.qualicision.de

Kontakt KI

Lernende Systeme - Die Plattform für Künstliche Intelligenz

Die Plattform Lernende Systeme vereint Expertise aus Wissenschaft, Wirtschaft und Gesellschaft, um Deutschland international als Technologieführer für Lernende Systeme zu positionieren. Sie versteht sich als ein Ort des Austauschs und der Kooperation.

PSI engagiert sich in der Arbeitsgruppe Mobilität und intelligente Verkehrssysteme.

Lernende Systeme – Die Plattform für Künstliche Intelligenz