Goodyear und LIST entwickeln ein digitales Modell der Reifenproduktion: Wie es Entscheidungen vorab prüft

In einer Reifenfabrik kann eine Änderung an einem Prozess Auswirkungen auf andere Bereiche haben: auf die Anlagen, den Materialfluss, die Durchlaufzeiten und die Qualitätskontrolle. Goodyear hat in Zusammenarbeit mit dem Luxembourg Institute of Science and Technology (LIST) einen Prototyp des „Goodyear Semantic Twin Accelerator“ (GSTA)-Systems entwickelt, um mögliche Entscheidungen in einem digitalen Modell zu vergleichen, bevor sie in der Fertigung umgesetzt werden.

Das System verknüpft Daten zu Materialien, Arbeitsschritten, Anlagen, Ressourcen und Produktionsvorschriften. Auf dieser Grundlage simuliert das virtuelle Modell verschiedene Szenarien und zeigt auf, wie sich diese beispielsweise auf die Betriebszeiten, die Ressourcenauslastung oder den Bestand an unfertigen Erzeugnissen auswirken könnten. Die Ergebnisse lassen sich anhand einheitlicher Kennzahlen vergleichen.

Hier unterstützt die KI die Fachkräfte bei der Arbeit mit dem Modell: Sie übersetzt eine in Alltagssprache gestellte Frage in einen Vorschlag für eine Simulation und hilft ihnen, die Ergebnisse zu interpretieren. Diese Vorschläge werden anhand der Regeln des Modells überprüft, und Schlussfolgerungen müssen auf den Simulationsergebnissen basieren. Das System trifft weder eigenständig Produktionsentscheidungen, noch steuert es die Maschinen.

Laut Luxinnovation hat der Prototyp bereits gezeigt, dass Produktionsszenarien wiederholt analysiert werden können. Derzeit wird er in der Produktion von Lkw- und Busreifen implementiert. Es liegen keine Berichte darüber vor, dass die Einführung in einem bestimmten Werk bereits abgeschlossen ist.

Die Projektteilnehmer schätzen, dass dieser Ansatz die Digitalisierungs- und KI-Implementierungszyklen um 30–40 Prozent beschleunigen könnte. Dabei handelt es sich um eine Prognose für die Entwicklung und Erprobung digitaler Lösungen und nicht um eine gemessene Steigerung der Reifenproduktion. Für den luxemburgischen Industriesektor ist das Projekt insofern von Interesse, als es zeigt, wie die Forschung von LIST auf die spezifischen Herausforderungen eines großen Herstellers angewendet wird.