Anzeige
Anzeige
Anzeige
Beitrag drucken

Machine Learning in der Fertigungs-IT

Manufacturing Analytics und künstliche Intelligenz

Die Bandbreite an Analyseanwendungen reicht von klassischen Reports und Kennzahlen über Self Service Analytics bis hin zu künstlicher Intelligenz. Bei aller Vielfalt sollte der Zweck nicht aus dem Fokus geraten: transparenter und effizienter fertigen zu können. Zumal immer wieder neue Manufacturing-Analytics-Instrumente entwickelt werden.

Klassische Analytics-Anwendungen haben noch lange nicht ausgedient: Das Maschinenzeitprofil im MES Hydra von MPDV. (Bild: ©nd3000/stock.adobe.com / MPDV Mikrolab GmbH)

Klassische Analytics-Anwendungen haben noch lange nicht ausgedient: Das Maschinenzeitprofil im MES Hydra von MPDV. (Bild: ©nd3000/stock.adobe.com / MPDV Mikrolab GmbH)

Um wettbewerbsfähig produzieren zu können, brauchen Fertigungsunternehmen bestmögliche Transparenz. Denn nur wer weiß, wie es im Shopfloor gerade läuft, kann an den geeigneten Stellschrauben drehen und die Prozesse optimieren. Über die Jahre haben sich Werkzeuge wie Kennzahlen und deren Darstellung in Dashboards als nützlich herauskristallisiert. Heutzutage braucht es aber deutlich mehr – z.B. hält künstliche Intelligenz immer häufiger Einzug in die Fabrikhallen.

Klassische Anwendungen

Bisher gehören beispielsweise Auswertungen, Dashboards und Reports genauso wie Kennzahlen zu den gängigen Analytics-Werkzeugen. Viele dieser Anwendungen sind Bestandteil eines Manufacturing Execution Systems (MES) wie Hydra von MPDV. Beliebte Auswertungen sind beispielsweise die Ausschussstatistik, das Maschinenzeitprofil, der OEE-Report oder auch die klassische Regelkarte in der Qualitätssicherung. In allen Fällen entsteht der Mehrwert dadurch, dass Hydra Informationen darstellt, die aus erfassten Rohdaten berechnet bzw. aggregiert wurden. Im Sinne einer ‚Rückspiegelbetrachtung‘ spricht man hier auch von Descriptive Analytics.

Self Service Analytics

Oft gehen die Anforderungen von Fertigungsunternehmen über standardisierte Kennzahlen und vorgefertigte Auswertungen hinaus. Insbesondere wenn größere Datenmengen zur Analyse zur Verfügung stehen, bietet es sich an, auf Methoden des Self Service Analytics zurückzugreifen, um so eine individuelle Ursachenforschung zu betreiben. Der Klassiker hierfür ist die Pivot-Tabelle, die viele aus Excel kennen und die auch im MES Hydra zum Einsatz kommt. Ein Praxisbeispiel ist die Fehlerschwerpunktanalyse. Die flexible Anordnung von Datenfeldern in Zeilen und Spalten sowie der Einsatz von Filtern und Korrelationsfunktionen ermöglichen eine Eingrenzung von Daten auf relevante Werte. So kann jeder Anwender selbst entscheiden, wie seine Auswertung aussieht – er bedient sich im wahrsten Sinne des Wortes selbst und nutzt die angebotenen Werkzeuge, um an sein Ziel zu gelangen. Sollen Daten aus unterschiedlichen Quellen miteinander korreliert werden, lässt sich das MES-Cockpit von MPDV nutzen, welches zur Visualisierung auf Qlik-Technologie zurückreift.

Advanced Analytics

Waren die zuvor beschriebenen Analysemethoden eher vergangenheitsbezogen, so gewinnen Echtzeitanwendungen immer mehr an Bedeutung. In Zeiten von Industrie 4.0 hört man in diesem Zusammenhang häufig Schlagworte wie künstliche Intelligenz (KI) oder Machine Learning. Dahinter verbergen sich Algorithmen und Methoden, die Daten in einer Weise analysieren, die dem menschlichen Verstand nachempfunden ist. Beispielsweise dienen große Datenmengen dazu, daraus ein Modell zu generieren, was die realen Abläufe hinreichend abbildet. Auf Basis dieses Modells können dann Abweichungen besser erkannt und eingeordnet werden. In den letzten Jahren konnte man in diesem Umfeld viel von Predictive Maintenance hören – also einer Möglichkeit, Störungen und Ausfälle von Maschinen vorherzusagen. Eine solche Anwendung kann auf modellbasierten Analysemethoden funktionieren. Ein anderes Beispiel für Advanced Analytics ist die zur Hannover Messe vorgestellte Lösung Predictive Quality von MPDV.

Qualität vorhersagen

Grundannahme für die Vorhersage der Qualität ist, dass es auch dann zu Ausschuss oder Nacharbeit kommen kann, wenn sich alle Prozessparameter innerhalb der jeweils gültigen Toleranzen bewegen. Grund dafür sind komplexe Zusammenhänge und Wechselwirkungen, die oft auf die Fertigungstechnologie zurückzuführen sind. Die Anwendung Predictive Quality berücksichtigt diese Zusammenhänge und gibt Mitarbeitern in der Fertigung die Möglichkeit, sofort zu sehen, ob der aktuell produzierte Artikel Ausschuss oder ein gutes Teil ist – und das auch noch unter Angabe der Eintrittswahrscheinlichkeit. Die Vorhersage der Qualität und die Berechnung der Wahrscheinlichkeit basiert auf einer modellbasierten Echtzeitanalyse (Advanced Analytics) von Prozesswerten. Im Vorfeld dazu muss ein geeignetes Modell generiert und im Idealfall auch kontinuierlich verifiziert und weiterentwickelt werden. Künstliche Intelligenz spiel in beiden Fällen eine wesentliche Rolle.

Smart Factory Elements
Das Modell Smart Factory Elements von MPDV ordnet die Abläufe einer modernen Fabrik in fünf Elemente ein, die einen Regelkreis bilden. Dieser sieht vor, dass auf Basis von Vorgaben unterschiedlicher Quellen die Fertigung geplant (Planning & Scheduling) und diese Planung dann umgesetzt (Execution) wird. Die dabei erfassten Daten werden analysiert (Analytics), um daraus unter anderem Vorhersagen abzuleiten (Prediction), die zusammen mit anderen Erkenntnissen wiederum in die Planung einfließen können. Das Industrial Internet of Things (IIoT) unterstützt diesen Kreislauf durch die Erfassung und Bereitstellung von Daten. Das Modell erweitert den Horizont bisheriger Fertigungs-IT wie beispielsweise MES um die Aufgabenfelder Analytics und Prediction, um die es in diesem Beitrag geht. Auch weiterhin lassen sich viele werksnahe Aufgaben hervorragend mit einem MES wie Hydra von MPDV abbilden. Mehr Infos unter: http://mpdv.info/faitpansfe.


Das könnte Sie auch interessieren:

Lange organisierte Imes-Icore die Service-Prozesse mit Exceltabellen und selbstentwickelten Tools. Mit dem Unternehmenswachstum stieß dieser Ansatz an seine Grenze. Heute unterstützt ein Ticketsystem, die steigende Nachfrage nach Support zu bedienen.‣ weiterlesen

Wenn sich Kunden zum Kauf entscheiden, soll der Auftrag ohne Verzögerung und Rückfragen ausgelöst werden. Speziell für komplexe und variantenreiche Produkte setzt dies meist durchgängig digitale und automatisierte Angebots- und Auftragsprozesse voraus. Dabei gilt: Was per CPQ verkauft wird, muss ERP-seitig auch effizient produziert, geliefert und kaufmännisch abgewickelt werden. Ohne dieses Zusammenspiel geht es nicht.‣ weiterlesen

Digitale Werkzeuge für das Field Service Management helfen, den Erwartungen der Kunden gerecht zu werden. Virtueller und interaktiver Support mit etwa Augmented Reality-Technik könnte bald in vielen Firmen für noch bessere Ergebnisse sorgen. Zumal Service-Organisationen im Krisenjahr 2020 dazu gezwungen waren, etwaige Berührungsängste mit Technologie abzulegen.‣ weiterlesen

Unternehmen aus Deutschland, Österreich und der Schweiz verzeichnen im Gegensatz zu globalen Konkurrenz niedrigere Margen und schwächere Wachstumsraten, so eine Bain-Analyse. Dieser Rückstand sei jedoch aufholbar.‣ weiterlesen

Nach dem globalen Umsatzeinbruch um voraussichtlich 7 Prozent in diesem Jahr, wird für 2021 im Maschinenbau ein Umsatzwachstum von 6 Prozent prognostiziert.‣ weiterlesen

Mit dem Ziel, seine Präsenz in der DACH-Region weiter auszubauen hat das US-Unternehmen Aptean die Modula GmbH übernommen.‣ weiterlesen

Das IAB-Arbeitsmarktbarometer ist im November um 0,4 Punkte auf 100,5 Punkte gestiegen. Damit verbleibt der Frühindikator des Instituts für Arbeitsmarkt- und Berufsforschung (IAB) im leicht positiven Bereich.‣ weiterlesen

Die nun veröffentlichte Normungsroadmap KI von DIN DKE sowie dem BMWi soll Handlungsempfehlungen für Standardisierung von künstliche Intelligenz geben. Die Roadmap ist online abrufbar.‣ weiterlesen

Produktkonfiguration ist für das österreichische Unternehmen Robotunits schon lange ein Thema. Als die selbstentwickelte Lösung für diese Aufgabe an ihre Grenze stieß, wurde die Configure Price Quote-Software von Acatec eingeführt. Das System sollte die Firma auf dem Weg zu ihrem ehrgeizigen Ziel unterstützen: Doppelter Umsatz in fünf Jahren.‣ weiterlesen

Unter der Leitung des Lehrstuhls Werkzeugmaschinen und Steuerungen an der TU Kaiserslautern (WSKL) startet das Projekt „5G – Einsatz in der Industrie“. Durch die Beteiligung der Lehrstühle Augmented Vision, Funkkommunikation und Navigation sowie der Technologie-Initiative SmartFactory-KL soll ein leistungsfähiges Netzwerk entstehen.‣ weiterlesen

Anlässlich des Digital-Gipfels der Bundesregierung präsentiert die Plattform Industrie 4.0 Anwendungen für eine nachhaltige Industrie 4.0. Anhand von Analysen haben die Plattform-Spezialisten dabei drei mögliche Entwicklungspfade identifiziert.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige