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

▶ Diesen Artikel anhören

Fortsetzung des Artikels von Teil 1

Predictive Analytics ist schnell 'ready'

Der Weg zum markttauglichen Produkt führte über ein mehrjähriges Forschungsprojekt, an dem mehrere Instanzen maßgeblich beteiligt waren. Den theoretischen, wissenschaftlichen Zugang ermöglichte die Wirtschaftsuniversität Wien. Mit der RISC Software GmbH konnte man zudem ein etabliertes und international anerkanntes Forschungsunternehmen gewinnen. Die gemeinsam gewonnenen Erkenntnisse wurden dann in Fallbeispielen von ausgewählten Kunden erarbeitet. Im Fokus stand die Erarbeitung möglicher Anwendungsfelder auf Basis vorhandener Daten, sowie die Ausarbeitung, Entwicklung, Erprobung und Bewertung von Algorithmen, Verfahren und Technologien zu Prognosezwecken.

»Das Ergebnis aus dem Forschungsprojekt ist einerseits ein Out-of-the-Box-Technologie-Stack, der sowohl in der Cloud als auch on-premises einsetzbar ist. Zudem haben wir ein Data Preprocessing-Modell entwickelt, das dem Anwender dabei hilft, Daten aus cronetwork MES im ersten Schritt zu bereinigen und aufzubereiten, bevor eine KI die laufende Bewertung und Interpretation der daraus gewonnenen Informationen vornimmt«, so Thomas Krainz. Dass all diese Vorgänge auf dem Standard-Datenmodell von cronetwork MES basieren, schafft für den User große Effizienzvorteile, die sich in der raschen Umsetzbarkeit der Predictive Analytics-Methoden niederschlagen. Hinzu kommt die Verwendung des Random Forest Modells als Lern-Algorithmus, welches bekannt ist für schnelle Durchlaufzeiten und sehr gute Interpretierbarkeit der Ergebnisse. »Die meisten Daten sind bereits vorhanden, es fehlt lediglich an einer passenden Analyse und bedienergerechten Integration in den Planungsprozess«, so Professor Taudes. Neben den Prozessdaten könnten beim Qualitätsmangement auch textuelle oder visuelle Informationen relevant sein. »Hier stehen wir erst am Anfang der Analyse, insbesondere die Integration heterogener Datenbestände ist ein aktives Forschungsgebiet.«

Prognosen zu Ausschuss und Arbeitsplatzstörungen

Thomas Krainz ergänzt: »Erfolgsentscheidend ist am Ende die Anpassung all dieser Technologien und Funktionen an die jeweilige Datensituation und vor allem die Erwartungshaltung der Kunden. Künstliche Intelligenz und Predictive Analytics sind keine Wunderheiler. Sie sind weder besser noch intelligenter in ihren Aufgaben als ein Mensch. Ihr Vorteil liegt in der Nachbildung von menschlichem Know-how – und das bei hoher Geschwindigkeit und außerdem rund um die Uhr. Daraus leiten sich viele Möglichkeiten ab.« Konkret gemeint sind damit Prognosen zu relativen Ausschüssen und Arbeitsplatzstörungen in Folgeschichten sowie zu Qualitätsstati nach Fertigungsschritten. Krainz sagt: »Alleine mit diesen Informationen könne man verborgene Einsparungspotenziale aufdecken und die Effizienz am Shopfloor massiv optimieren«.