Wie GM mit KI teure Produktionsstillstände verhindern will

General Motors nutzt KI-gestützte Predictive Analytics, um die Fahrzeugproduktion auf Basis historischer Leistungsdaten und Echtzeitinformationen aus Robotik- und Fördersystemen zu optimieren. Auch die elektrische Architektur der vierten Generation seiner Elektrofahrzeuge soll künftig Vorteile im Montageprozess bringen.

Die digitalen Technologien für die vorausschauende Instandhaltung entwickelt der US-Automobilhersteller nach eigenen Angaben überwiegend selbst. Dabei greift GM auf Cloud-Plattformen und eine unternehmenseigene Dateninfrastruktur zurück. Ergänzend kommen KI- und Analysewerkzeuge externer Technologiepartner zum Einsatz, um Anlagen zu überwachen, die Fertigungsqualität zu kontrollieren und die Produktionsleistung in den Montagewerken zu optimieren. Dazu gehören auch die beschleunigten Rechenplattformen von Nvidia sowie die Technologien Omniverse und Cosmos. Mit ihnen trainiert GM KI-Modelle für die Fertigung, um unter anderem die Fabrikplanung und den Robotereinsatz zu verbessern.

Die eingesetzten KI-Modelle können laut GM aus den erfassten Daten lernen und ungewöhnliche Muster erkennen, die auf mögliche Fehlfunktionen von Anlagen hindeuten. Entsprechende Algorithmen zur Früherkennung ermöglichen es, rechtzeitig einzugreifen, bevor es zu ungeplanten Produktionsunterbrechungen kommt. Dadurch soll auch die Stabilität der Lieferkette verbessert werden.

Ein Stillstand der Montagelinie ist schließlich mit erheblichen Kosten verbunden. Diese können sich auf 10.000 bis 50.000 US-Dollar pro Minute belaufen. Hinzu kommen mögliche Mehrkosten durch Überstunden, wenn die ausgefallene Produktion nachgeholt werden muss.

„Wir konnten durch den Einsatz KI-gestützter Predictive Analytics in unseren Fertigungsprozessen bereits mehrere messbare Verbesserungen erzielen“, erklärt ein GM-Sprecher. „Aktuelle Beispiele sind die Werke Fort Wayne und Flint Assembly, in denen wir dazu beitragen konnten, Produktionsstillstände zu verhindern. Die gewonnenen Erkenntnisse ermöglichen es unseren Teams, potenzielle Probleme früher zu erkennen und zu handeln, bevor sie die Fahrzeugproduktion beeinträchtigen.“

GM treibt Werksinnovation mit Nvidia voran

Durch eine engere Zusammenarbeit mit Nvidia will GM neue Maßstäbe in der Automobilproduktion und -entwicklung setzen. KI-gesteuerte digitale Zwillinge, Robotik und vernetzte Softwarelösungen sollen die Innovationskraft beim OEM erhöhen.

Sensordaten helfen, Anlagenstillstände zu vermeiden

GM analysiert insbesondere die Daten produktionskritischer Anlagen. Dabei handelt es sich um Maschinen und Systeme, deren Ausfall besonders schwerwiegende ungeplante Produktionsunterbrechungen verursachen könnte. Ein Beispiel ist die Überwachung von Fördersystemen, die für einen kontinuierlichen Material- und Fahrzeugfluss in der Montage entscheidend sind. Hier setzt der Autobauer Vibrationssensoren ein, um mögliche Störungen frühzeitig zu erkennen. Zusätzlich hat GM eigene Machine-Learning-Modelle entwickelt, die den Zustand der Fördertechnik überwachen.

Auf einen bevorstehenden Wartungsbedarf können unter anderem Veränderungen der Bewegungsdauer, der Antriebsparameter und des Schwingungsverhaltens hinweisen. Solche Auffälligkeiten sollen erkannt werden, bevor sie einen Anlagenstillstand verursachen. Die erfassten Maschinen- und Leistungsdaten werden kontinuierlich ausgewertet. Bei Auffälligkeiten erzeugt das System unmittelbar Warnmeldungen, die an eine zentrale Cloud-Plattform übertragen werden. Hier führt GM Daten aus verschiedenen Ebenen der Edge-Computing-Infrastruktur in einem zentralen Fertigungsdatenmodell zusammen, um sie weiter zu analysieren.

Was leistet Device Level Analytics?

Eine weitere wichtige Technologie ist „Device Level Analytics (DLA)“. Das System erfasst über zahlreiche, in den Montagewerken verteilte Sensoren kontinuierlich Betriebsdaten einzelner Anlagen und Geräte. Damit erhält GM einen detaillierten Überblick über den technischen Zustand seiner Produktionsausrüstung. Die Sensoren überwachen unter anderem Schwingungsmuster, elektrische Stromstärken und weitere relevante Betriebsparameter. Durch die Analyse dieser Informationen lassen sich potenzielle Ausfälle vorhersagen. Die Instandhaltungsteams können Wartungsmaßnahmen somit gezielt einplanen, anstatt erst nach einem Defekt reagieren zu müssen.

„Mit DLA überwachen wir Hunderttausende Geräte entlang des gesamten Fertigungsprozesses. Wenn Sensoren Hinweise auf ein mögliches Problem erkennen, können unsere Teams eingreifen, bevor daraus ein Anlagenausfall entsteht, der die Produktion zum Stillstand bringt“, erläutert ein GM-Sprecher.

Auch digitale Zwillinge unterstützen den Hersteller dabei, die Lebenszyklen seiner Produktionsanlagen und die entsprechenden Wartungsintervalle zu planen. „Digitale Zwillinge ermöglichen es uns, Fertigungslinien virtuell zu testen, bevor wir sie tatsächlich aufbauen. Dadurch können wir kostspielige Rückbau- und Umbaumaßnahmen vermeiden“, so der Unternehmenssprecher.

Dafür nutzt GM unter anderem die Omniverse-Plattform von Nvidia. Mit ihr lassen sich digitale Abbilder von Montagelinien erstellen, an denen virtuelle Tests und Produktionssimulationen durchgeführt werden können. Die Technologie wird außerdem eingesetzt, um Robotersysteme für verschiedene Produktionsaufgaben zu trainieren. Dazu zählen die Materialhandhabung, innerbetriebliche Transporte und präzise Schweißprozesse. Ziel ist es, sowohl die Sicherheit als auch die Effizienz der Fertigung zu erhöhen.

KI kontrolliert Schweißnähte und Lackqualität in Echtzeit

Neben der Überwachung der Produktionsanlagen setzt GM digitale Technologien auch direkt zur Qualitätssicherung an den Fahrzeugen ein. Hier kommen unter anderem die Systeme DLA, „WeldBrAIn“ und „Finesse Paint Repair“ zum Einsatz. Sie sollen den Mitarbeitern helfen, Qualitätsabweichungen möglichst früh zu erkennen und zu beheben.

„Diese Werkzeuge liefern unseren Mitarbeitern frühzeitig umfassendere Informationen. So können sie handeln, bevor aus einem Fehler ein größeres Nacharbeitsproblem entsteht“, erklärt der GM-Sprecher. Ein Beispiel ist das Werk Factory ZERO. Dort bewertet das KI-System WeldBrAIn in Echtzeit jeden einzelnen Widerstandspunktschweißpunkt an jedem produzierten Fahrzeug. „Das System unterstützt unsere Mitarbeiter, indem es frühzeitig Erkenntnisse über die Schweißqualität liefert. Dadurch können mögliche Probleme gezielt eingegrenzt werden“, so der Sprecher. Die KI-basierte Lösung erweitert die Möglichkeiten der Qualitätskontrolle erheblich. Während zuvor pro Schicht lediglich vier Bauteile manuell geprüft wurden, kann WeldBrAIn nun jeden einzelnen Schweißpunkt an jeder Karosserie in Echtzeit kontrollieren.

So wird das Auto-Werk zum lernenden System

Digitale Zwillinge und Physical AI sind aktuell die größten Game Changer der Automobilproduktion. Beispiele von BMW, Volkswagen oder Schaeffler verdeutlichen, warum einige technologische Versprechen erst noch den Realitätstest bestehen müssen.

Auch bei der Lackierung setzt GM auf automatisierte Qualitätsprüfungen. Mit dem kamerabasierten System Finesse Paint Repair lassen sich Lackfehler an Fahrzeugen erkennen, während diese die Produktionslinie durchlaufen. Die Kameras erfassen selbst kleinste Oberflächenunregelmäßigkeiten, die anschließend behoben werden können, um eine möglichst hochwertige Lackoberfläche zu gewährleisten. Darüber hinaus stellt das System die erfassten Fehlerdaten den Prozessingenieuren in der Lackiererei zur Verfügung. Diese können anhand der Informationen die Anlagen überprüfen und den Lackierprozess gezielt verbessern. So sollen Qualitätsmängel möglichst bereits an ihrer Entstehungsquelle vermieden werden.

PlantBrAIn soll Daten und Modelle verknüpfen

Mit der Entwicklung seiner vierten Elektrofahrzeuggeneration erweitert GM auch den Einsatz digitaler Fertigungstechnologien. Die neue Fahrzeuggeneration soll unter anderem auf lithium-manganreichen Batterien (Lithium Manganese Rich, LMR) und effizienteren elektrischen Antriebssystemen basieren. Für die künftigen Produktionsprozesse entwickelt der Hersteller digitale Modelle, mit denen sich einzelne Fertigungsschritte bereits vor der Installation neuer Anlagen virtuell testen lassen. Die Modelle ermöglichen es den Teams außerdem, die Positionierung von Maschinen zu überprüfen sowie potenzielle Sicherheitsrisiken und ergonomische Probleme frühzeitig zu erkennen.

Parallel arbeitet GM an einer neuen Fabrikintelligenzplattform namens PlantBrAIn. Diese soll Daten aus der laufenden Produktion mit computergestützten Modellen verbinden. Damit will GM die Fertigung seiner nächsten Elektrofahrzeuggeneration und der dazugehörigen Batteriepacks weiter optimieren.

Auch die elektrische Architektur der neuen Fahrzeuge soll den Montageprozess vereinfachen. Sie ermöglicht es, elektrische Verbindungen bereits während des Durchlaufs durch die Montagelinie zu überprüfen. Eine abschließende elektrische Validierung nach der vollständigen Fahrzeugmontage könnte dadurch entfallen.

Virtuelle Entwicklung soll Entwicklungszeiten halbieren

Welche Bedeutung KI und Virtualisierung für die zukünftige Fahrzeugentwicklung haben, verdeutlichte GM bei seiner zweiten jährlichen Veranstaltung „GM Forward“ im Oktober. Dort stellte der Hersteller dar, wie sich die klassischen Entwicklungszeiten von Fahrzeugen durch unternehmensweit eingesetzte KI und virtuelle Entwicklungsverfahren halbieren lassen sollen.

Der Ansatz sieht vor, Design, Entwicklung und Produktion von Beginn an enger miteinander zu verzahnen. Anstatt einzelne Entwicklungsphasen weitgehend nacheinander abzuarbeiten, sollen die beteiligten Bereiche frühzeitig zusammenarbeiten und digitale Simulationsmöglichkeiten nutzen.

Wie weit GM dabei bereits geht, zeigt die Entwicklung der neuen LMR-Batterie. Nach Unternehmensangaben wurden mehr als 300.000 Batterieentwürfe virtuell getestet, bevor der erste physische Prototyp entstand. Vom ersten Konzept für das Batteriepack bis zur formalen Programmfreigabe verging dabei lediglich ein Monat.

So bringt Audi künstliche Intelligenz in die Fertigung

Audi setzt ab sofort in seinem gesamten Produktionsnetzwerk cloudbasierte Steuerungssysteme und KI-gestützte Tools ein. Die Plattform „Edge Cloud 4 Production“ soll massiv Industriecomputer einsparen und KI-Use-Cases in die Breite der Fertigung bringen.