Bereich Supply Chain Services
des Fraunhofer IIS
Bereich Supply Chain Services
des Fraunhofer IIS

Semiconductor-X: Künstliche Intelligenz in Datenökosystemen für Halbleiter-Lieferketten nutzbar machen

KI-gestützte Entscheidungen für präzisere Planung und resilientere Liefer- und Produktionsprozesse

© IM Imagery – stock.adobe.com / hunthomas – stock.adobe.com / Bearbeitung Fraunhofer IIS

Auf einen Blick

  • KI-gestützte Prognosen für Nachfrage, Qualität und Produktionsplanung
  • Standardisierte Datennutzung im interoperablen Datenraum
  • Demonstrator-Dashboards für konkrete industrielle Anwendungsfälle
  • Mehr Transparenz, Planungssicherheit und Resilienz entlang der Wertschöpfungskette

Im BMWE-geförderten Projekt Semiconductor-X entwickelt Fraunhofer IIS KI-Lösungen für resiliente Halbleiter-Lieferketten. Grundlage ist ein interoperabler Datenraum nach Gaia-X/Catena-X-Prinzipien, in dem Bedarfs-, Prozess- und Qualitätsdaten standardisiert nutzbar gemacht werden. Weiterentwickelte Asset Administration Shells (AAS) ermöglichen dabei, Daten effizient zu erfassen, auszutauschen und für KI-Modelle verfügbar zu machen. So werden die Konzepte von Manufacturing-X gezielt auf die Halbleiterindustrie übertragen.

Halbleiter-Lieferketten zählen mit über 1.000 Prozessschritten und mehr als 70 Grenzübertritten zu den komplexesten Wertschöpfungssystemen überhaupt. Semiconductor-X zeigt, wie Unternehmen durch gemeinsame Datennutzung, KI-gestützte Analysen und digitale Zwillinge mehr Transparenz, Planungssicherheit und Resilienz erreichen können.

Von Daten zu Entscheidungen

Fraunhofer IIS bringt sich mit folgenden Kompetenzen ein:

  • Vorhersage von Qualitätsmerkmalen auf Basis unzureichender Datenmenge und -qualität durch Nutzung effizienter Technologien wie AutoML
  • Robuste und dynamische Zeitreihenmodelle und Feature Engineering für Forecasts
  • Stochastische Planung und Simulation für belastbare Produktions- und Bestandsstrategien zur Reduktion des Bullwhip-Effekts

Diese Kompetenzen fließen in ein Demonstrator-Dashboard ein, das die Methoden in der Praxis sichtbar macht und direkt mit dem Dataspace interagiert. 

Im Fokus stehen vier für die Halbleiterindustrie besonders relevante Anwendungsfelder:

  • Dynamische Nachfrageprognosen und Produktionssteuerung auf Tier-Ebene
  • Multi-Stakeholder Root Cause Analyse zur Qualitätsverbesserung und Reduktion von Lead Times
  • Effiziente Qualitätsprognosen im Prozessschritt zur Yield-Verbesserung
  • Optimierung von Liefer- und Prozessketten auf Basis externer Veränderungen und KI-gestützter Entscheidungen

Die Anwendungsfälle im Demonstrator abgebildet

© Fraunhofer IIS
Dashboard: Dynamische Nachfrageprognosen und Produktionssteuerung auf Tier-Ebene
© Fraunhofer IIS
Dashboard: Multi-Stakeholder Root Cause Analyse zur Qualitätsverbesserung und Reduktion von Lead Times
© Fraunhofer IIS
Dashboard: Effiziente Qualitätsprognosen im Prozessschritt zur Yield-Verbesserung
© Fraunhofer IIS
Dashboard: Optimierung von Liefer- und Prozessketten auf Basis externer Veränderungen und KI-gestützter Entscheidungen
Direkter Nutzen für Unternehmen
  • Fundierte Vorhersagen zu Qualität und Nachfrage innerhalb des Unternehmens
  • Produktions- und Bestandsplanung mit Unsicherheitsbewertung
  • Visualisierungen für schnelle, nachvollziehbare Entscheidungen
  • Effizientere und nachhaltigere Abläufe in der Wertschöpfungskette
  • Standardisierte und regulierte Möglichkeit des Datenaustauschs (auch nur innerhalb des Unternehmens oder in bilateralen Kollaborationen mehrwertstiftend)

FAQ – Ihre Fragen, unsere Antworten

Alle ausklappen Alle einklappen

Das könnte Sie auch interessieren

 

© minianne - stock.adobe.com / bearbeitet Fraunhofer IIS

Forschungsschwerpunkt

Supply Chain AI

Wir entwickeln moderne KI-Methoden zur Lösung komplexer Analyse-, Prognose- und Optimierungsaufgaben für Prozesse innerhalb und zwischen Unternehmen: Für mehr Effizienz im Wertschöpfungsnetz durch Künstliche Intelligenz!

 

Zum Forschungsschwerpunkt

Organisation

Abteilung Analytics

Ziel der Abteilung ist aus scheinbar unbeherrschbaren Datenmengen und -materialien handhabbare, qualitative Daten und Informationen für Ihre Kunden zu generieren.  In vier Gruppen entwickelt die Abteilung »Analytics« neue Methoden und Verfahren für anwendungsnahe Data Analytics und KI:

  • Data Science
  • Optimization
  • Data Effcient Automated Learning
  • Process Intelligence



Zur Abteilung
 

© zapp2photo - stock.adobe.com

AutoML

Automatisiertes Maschinelles Lernen (AutoML) genießt derzeit viel Aufmerksamkeit, da es verspricht die Entwicklung und Konfiguration von KI Prozessen zu automatisieren. Gemeinsam mit unserem Kunden aus dem Bereich der industriellen Fertigung haben wir deshalb untersucht, welche spezifischen Anpassungen für den Einsatz von AutoML Systemen in der praktischen Anwendung im Unternehmen sinnvoll sind.

Zum Projekt

Leistung

Ersatzteilprognose mit Maschinellem Lernen

In der Nachlaufphase, der End-of-life-Phase, eines Produkts stehen Produkthersteller vor der Herausforderung die Bedarfsmengen an Ersatzteilen zur Gewährleistung ihrer Garantieversprechen zu prognostizieren. Wir haben ein Langzeitprognose-Tool für den Allzeitbedarf von Ersatzteilen auf der Basis des Maschinellen Lernens entwickelt, das Unternehmen dabei hilft ihre Ersatzteilbestände fundierter abzuschätzen, Lagerplätze effizienter zu nutzen, Über- und Unterdeckung zu reduzieren und Verschrottungskosten zu minimieren.

Zum Angebot

Leistung

Intelligentes Bestandsmanagement

Optimieren Sie Ihr Bestandsmanagement mit unserer Lösung! Unser zweistufiges KI-Framework generiert automatisierte und präzise Bestellvorschläge, die auf aktuellen Trends und Prognosen basieren, um Lagerkosten zu minimieren und Lieferengpässe zu vermeiden. Profitieren Sie von flexibler Anpassungsfähigkeit und einer effektiven Ressourcennutzung für bis zu 30% geringere Lagerhaltungskosten.

Zum Angebot

Leistung

KI-basierte Fertigungsoptimierung

Verbessern Sie Ihre Fertigungsprozesse mit unseren KI-Lösungen. Durch datengesteuerte Analysen verbessern wir die Produktionseffizienz sowie die Produktqualität und ermöglichen die Implementierung einer vorausschauenden Wartung. Unser Ansatz identifiziert systematisch Engpässe, verbessert die Abläufe und antizipiert Ausfälle, um eine widerstandsfähigere und effizientere Produktionsumgebung zu schaffen.

Zum Angebot