Startseite > Automation > Industrie 4.0 & IoT > Warum der Blick in die Glaskugel lohnt

Mit Analytics die Fertigung optimieren

Warum der Blick in die Glaskugel lohnt

3. November 2021, 10:11 Uhr | Tino M. Böhler; Redaktion: Ute Häußler

Die durch die Digitalisierungswelle entstehende gewaltigen Datenmengen kombiniert mit neuen Erkenntnissen rund um die Themen Künstliche Intelligenz und Machine Learning sorgen nun für zuverlässige Vorhersagen.

Im MES lagern viel mehr Daten, als für das effiziente Betreiben der Shopfloor-Anlagen benötigt werden. Predictive Analytics kann als erweiterter Predictive Maintenance-Ansatz in der digitalen Fabrik und Fertigung weiterführende Vorhersagen für Maschinen und evt. Störungen treffen - Out-of-the-Box.

▶ Diesen Artikel anhören

Transparenz ist der elementare Bestandteil einer effizienten Fertigungsumgebung. Sie durchleuchtet vergangene und aktuelle Abläufe, zeigt Potenziale auf und hilft Industriebetrieben dadurch bei der Optimierung ihrer Wertschöpfung. Mit der hereinbrechenden Digitalisierungswelle in die Fertigung steigen allerdings auch die Anforderungen an eine effiziente Verarbeitung der schier unbegrenzten Datenmengen, die daraus gewonnen werden – und das idealerweise in Echtzeit. Diese Datenmengen in Kombination mit neuen Erkenntnissen rund um die Themen ‚Künstliche Intelligenz’ und ‚Machine Learning’ erlauben nun auch den viel zitierten Blick in die Glaskugel mit entsprechenden zuverlässigen Vorhersagen.

In einem aktuellen und praxisorientierten Forschungsprojekt setzte sich MES-Hersteller Industrie Informatik gemeinsam mit Kunden sowie Forschungs- und Bildungseinrichtungen mit dem Thema ‚Predictive Analytics’ auseinander. Das Ergebnis ist eine Out-of-the-box-Lösung, die rasch und effizient den Blick in die Zukunft und damit zusammenhängende Vorhersagen etwa über Ausschüsse oder Arbeitsplatzstörungen in einer digitalisierten Fertigungswelt ermöglicht.

Dank IIoT zu neuen Geschäftsmodellen

Eine Funktionalität, die zeitgemäße MES-Lösungen schon lange bieten, bekommt im Zuge der oben erwähnten Digitalisierungswelle und der Etablierung des IIoT eine ganz neue Bedeutung: Predictive Maintenance, die vorausschauende Instandhaltung. Experten sprechen von ‚Data Analytics’. Algorithmen, Big-Data-Anwendungen und KI erkennen gewisse Muster in den Daten des IIoT. Dies erlaubt Vorhersagen über zu erwartende Zustände und neue Trends. Data Analytics generiert mit entsprechenden Modellen daraus fundamentale Einsichten. Geschäftstätigkeiten erzeugen genau die Daten, die durch Analyse wieder zu weitreichenden Erkenntnissen, aktuellen Entscheidungen und am Ende vielleicht sogar in neue Geschäftsmodelle münden können.

Predictive Analytics ist nicht neu: Die Herangehensweise entscheidet

Der in das Forschungsprojekt involvierte Universitätsprofessor Dr. Alfred Taudes, Wirtschaftsuniversität Wien, Department für Informationsverarbeitung und Prozessmanagement, Institut für Produktionsmanagement, kennt die Stärken von Predictive Analytics nur zu gut: »Mittels Predictive Analytics können Fertigungsunternehmen heute durch Sensoren generierten Datenmengen sinnvoll für eine bessere Planung einsetzen. Eine genauere Prognose des Ausschussanteils etwa führt zu verbesserter Kapazitätsauslastung, Termintreue und geringeren Lagerständen.« Wie in einem MES wie cronetwork die vorhandenen Daten sinnvoll im Rahmen der Predictive Analytics eingesetzt werden können, beschreibt Taudes so: »Die in der Vergangenheit im MES erfolgten Aufzeichnungen zu Ausschuss, Maschinenausfall, Störungen und Produktqualität im jeweiligen Umfeld (Maschine, Personal, Umwelt, Material, Auftrag und Zeit) geben unter Einsatz geeigneter Methoden Aufschluss über Konstellationen, in denen diese Probleme gehäuft auftreten. Diese Muster werden bei der Vorhersage der Qualitätsmetriken bei künftigen Planungen angewandt.«

Dass Predictive Analytics kein neues Thema ist, weiß Industrie Informatik-Mitbegründer Thomas Krainz, natürlich. Für ihn ist allerdings die Herangehensweise entscheidend: »Wir wollten Out-of-the-box-Lösung zu entwickeln, mit der Nutzer schnell, einfach und natürlich leistbar zu Ergebnissen kommen. Vor allem mittelständischen Unternehmen brauchen einen einfachen Umgang mit großen Datenmengen und damit Zugang zu umfassenden Digitalisierungsmaßnahmen. Das ist im Bereich der Predictive-Themen keine Selbstverständlichkeit.«