Anzeige
Anzeige

Predictive Analytics erschließt Einsparungspotenziale

von am 23. April, 2021

In einem Forschungsprojekt setzte sich der MES-Hersteller Industrie Informatik gemeinsam mit Kunden, 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.

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 und Head of Strategic Product Management, Thomas Krainz, natürlich. Für ihn ist allerdings die Herangehensweise entscheidend: „Unser Ziel war es, eine Out-of-the-box-Lösung zu entwickeln, mit der unsere User schnell, einfach und natürlich leistbar zu Ergebnissen kommen. Vor allem mittelständischen Unternehmen soll so der Umgang mit großen Datenmengen und damit der Zugang zu umfassenden Digitalisierungsmaßnahmen ermöglicht werden. Das ist im Bereich der Predictive-Themen keine Selbstverständlichkeit.“

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. „Alleine mit diesen Informationen könne man verborgene Einsparungspotenziale aufdecken und die Effizienz am Shopfloor massiv optimieren“, so Krainz.

Links:

www.industrieinformatik.com

Thomas Krainz: „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. Des Weiteren 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.“ Bild: Industrie Informatik

Artikel per E-Mail versenden