|
|
FORCAM und ENISCO sind Pioniere der Industrie 4.0: Unter dem Dach der FORCAM ENISCO GmbH unterstützen sie Mittelständler und Konzerne dabei, ihre Wettbewerbsfähigkeit durch datengesteuerte Produktion – Smart Manufacturing – nachhaltig zu sichern. Die modulare MES-Lösungswelt (Manufacturing Execution System) sowie die Beratung und Services decken jede Etappe einer digitalen Transformation in der diskreten Fertigung ab – vom Einstieg in die Smart Factory bis zur automatisierten Steuerung ganzer Produktions- und Logistikprozesse sowie Rollouts über Werke und Ländergrenzen hinweg.
Zu den Kunden zählen unter anderem Audi, Bizerba, Borgwarner, Evobus, IKEA, Jungheinrich, Liebherr, Siemens Energy, Swarovski Optik, Voestalpine. Die Gruppe FORCAM ENISCO mit weltweit rund 200 Mitarbeiterinnen und Mitarbeitern arbeitet in der DACH-Region von den Standorten Böblingen, Heidelberg und Ravensburg aus. Internationale Geschäftsstellen befinden sich in Frankreich, den USA, China und Indien.
Mehrheitsgesellschafter der Gruppe ist die Familiengesellschaft Dietmar Hopp.
FORCAM ENISCO GmbH
Herrenberger Straße 56
71034 Böblingen
Tel.: +49 7031 4906-0
www.forcam-enisco.net
Die Unternehmensgruppe FORCAM ENISCO setzt neben eigenen Softwarelösungen auf ein Ökosystem mit bewährten Best-In-Class Lösungen - entlang des Bedarfs beim Kunden. Die Apps von Partnern lassen sich über Open API-Schnittstellen problemlos integrieren und zu individuellen Architekturen komponieren.
Übersicht der Partner: https://forcam-enisco.net/industrielles-oekosystem/
Nach Projektumfang – auf Anfrage.
Von klein bis komplex: Die FORCAM ENISCO GmbH stellt maßgeschneiderte Lösungen für jede Anforderungen einer digital gesteuerten diskreten Fertigung bereit. Als Transformationspartner liegt der Fokus auf folgenden Themen:
Volle Konnektivität für heterogene Maschinenparks
Die Lösung EDGE CONNECT ermöglicht es, heterogene Maschinenparks effizient digital anzubinden. Auch Bestandsmaschinen von unterschiedlichen Herstellern mit unterschiedlichsten Steuerungen werden digital vernetzt. Die Lösung sammelt und harmonisiert die Shopfloor-Daten und stellt in weiterverarbeitenden Systemen für Echtzeit-Analysen bereit – zum Beispiel in der Lösung MES FLEX oder SAP Digital Manufacturing.
Echtzeit-Analysen durch führende MES-Lösungen
FORCAM bietet führende Manufacturing Execution Systeme (MES) für diskrete Fertigung. Mit rund 25 Jahren Domain-Knowhow verstehen unsere praxiserprobten Teams Ihre Anforderungen auf dem Shopfloor genau.
Die FORCE-Familie ist speziell geeignet für Auftrags- oder Einzelserienfertigung.
Die Lösung E-MES ist speziell geeignet für halb- oder vollautomatische Linien.
E-MES ist das modulare Manufacturing Execution System von ENISCO. Es ist besonders geeignet zur Steuerung von halb- und vollautomatisierten Linien wie Lackieranlagen. Kunden profitieren von durchgehend transparenten Produktions- und Logistikprozessen durch integrierte Datenerfassung und Analysetools.
| Deutschland | Österreich | Schweiz / Liechtenstein | Europa (Gesamt) | Weltweit (Gesamt) | |
|---|---|---|---|---|---|
| Insgesamt | 161 | --- | --- | 163 | 200 |
MES FLEX verbindet Maschinendatenerfassung, Produktionskontext und ein semantisches Datenmodell zu einer integrierten Datenarchitektur.
Mit einem einheitlichen semantischen Produktionsdatenmodell schafft MES FLEX die Grundlage für KI-gestützte Anwendungen in der Fertigung.
Unternehmen können ihre Produktionsdaten damit konsistent und schnell strukturieren und KI-basierte Analysen, Assistenzsysteme und Automatisierungslösungen entlang der gesamten Wertschöpfungskette nutzen.
KI-gestützter Fertigungs-Chat auf Basis von MES FLEX Produktionsdaten
Produktionsverantwortliche und Shopfloor-Mitarbeiter können Fragen zu Fertigungsprozessen direkt in natürlicher Sprache stellen – ohne Reports durchsuchen oder komplexe Dashboards bedienen zu müssen.
Dadurch lassen sich relevante Produktionsinformationen schnell und unkompliziert abrufen.
Beispiele für typische Fragen:
Die KI greift dabei auf die strukturierten Produktionsdaten im MES FLEX zu, analysiert die relevanten Informationen und stellt die Ergebnisse unmittelbar bereit – entweder in natürlicher Sprache oder in Form von grafischen Auswertungen.
Auf diese Weise werden Produktionsdaten schneller verständlich und Entscheidungen können fundierter sowie deutlich effizienter getroffen werden
Standardisierter Zugriff auf Produktionsdaten für KI
Damit KI-Systeme Produktionsdaten analysieren können, benötigen sie einen standardisierten Zugriff auf verschiedene Datenquellen.
Ein gängiger Ansatz ist die Nutzung eines Model Context Protocol (MCP) Servers.
Dieser fungiert als standardisierte Schnittstelle, über die KI-Modelle Daten aus unterschiedlichen IT-Systemen abrufen können.
Über einen MCP-Server lassen sich beispielsweise Daten aus folgenden Systemen kombinieren:
Dadurch entstehen KI-Anwendungen, die systemübergreifend auf Produktionsinformationen zugreifen können.
MES FLEX als Grundlage für KI in der Produktion
MES FLEX schafft die Grundlage für den erfolgreichen Einsatz von KI in der Produktion.
Künstliche Intelligenz gilt als einer der wichtigsten Hebel zur Optimierung industrieller Produktion. In der Praxis zeigt sich jedoch häufig, dass KI-Projekte nicht an den Algorithmen scheitern, sondern an der Qualität und Struktur der verfügbaren Produktionsdaten.
Eine KI kann nur Erkenntnisse aus den Informationen ableiten, die ihr zur Verfügung stehen. Wenn Produktionsdaten unvollständig, inkonsistent oder ohne Kontext vorliegen, kann selbst ein leistungsfähiges KI-Modell keine verlässlichen Ergebnisse liefern.
Maschinensignale werden in strukturierte Produktionsereignisse überführt und in einem einheitlichen semantischen Datenmodell organisiert. Dadurch entsteht eine konsistente, kontextualisierte Datenbasis, die von KI-Systemen zuverlässig analysiert und interpretiert werden kann.
Übersicht ausgewählter Referenzen |
|||||||||||
|
|
||||||||||
|
|
||||||||||
|
|
||||||||||
|
|
||||||||||
|
|
||||||||||
|
|
||||||||||
|
|||||||||||
|
|
||||||||||
|
|
||||||||||
|
|
||||||||||
|
|
||||||||||
|
|||||||||||
|
|||||||||||