Erfolgreicher Projektabschluss zur gewinnbringenden Datennutzung

Im Rahmen des Forschungsprojektes Predictive Production Management (PPM) haben sich die Wissenschaftler der Forschungsgruppe CiP des PTW gemeinsam mit Habich Farben (wird in neuem Tab geöffnet) und SFM Systems (wird in neuem Tab geöffnet)der Frage gewidmet, wie die Masse der durch die Digitalisierung verfügbar gemachten Produktionsdaten, sinnstiftend genutzt werden kann. Darüber hinaus wurde untersucht, wie die Mitarbeitenden Daten zielgerichtet nutzen und durch sie bei der Priorisierung und Entscheidungsfindung im Shopfloor Management unterstützt werden können.

Im Projekt wurden verfügbare Daten genutzt, um zu untersuchen, wie verschiedene Kennzahlen des Shopfloor Managements miteinander korrelieren. Auch der Einfluss von Veränderungen in einer Kennzahl auf die nachfolgenden Prozesse wurde untersucht.

Werden die neu gewonnenen Informationen den Benutzern angezeigt, können diese nun wichtige Rückschlüsse für ihre Produktionsprozesse ziehen.

Zum Beispiel können gefundene Korrelationen bei Bedarf zu der Ausgabe von Warnungen für den betreffenden Prozess oder die nachfolgenden Schritte genutzt werden. Die gewonnenen Erkenntnisse können auch zur Ableitung von Maßnahmen zur Verbesserung der Prozesse verwendet werden.

Im Laufe des Projektes wurde deutlich, dass die erforderlichen Daten durchgehend verfügbar und von hoher Qualität sein müssen. Um Korrelationsanalysen auf einen Datensatz aus der Produktion anwenden zu können, muss dieser daher zuerst bereinigt werden. Auf den bereinigten Datensatz können dann Algorithmen angewendet werden, um die Korrelationen in den Datensätzen zu bewerten. Dabei können sowohl Korrelationen mit als auch ohne zeitlichen Versatz betrachtet werden. Wichtig ist auch, auf eine gut verständliche Darstellung der Ergebnisse für den/die Benutzer*in zu achten.

Verfügbare Daten konnten im Projekt außerdem dazu genutzt werden, ein Konzept zu entwickeln, um Anomalien in den Prozess- und Maschinendaten zu erkennen. Das Ziel bestand darin, Abweichungen vom Soll-Zustand der Maschinendaten während der Bearbeitungsprozesse frühzeitig zu erkennen. Dies kann dabei helfen die Zeiten für die Kommunikation von Abweichungen im Shopfloor Management erheblich zu reduzieren und entsprechende Gegenmaßnahmen viel früher ergreifen zu können.

In Kombination mit dem Anwendungsfall zur Korrelationsanalyse zwischen verschiedenen Kennzahlen ermöglicht die Abweichungserkennung ebenfalls eine frühzeitige Warnung der nachfolgenden Prozesse. Basierend auf diesen Warnungen können zum Beispiel die Einsatzplanungen der Mitarbeitenden angepasst oder Material aus einem anderen Prozess bezogen werden.

Durch die produktive Zusammenarbeit im Rahmen des Projekts konnte somit zur Nutzung wertvoller Produktionsdaten für die verbesserte Steuerung der Produktion durch gezielte Information der Mitarbeitenden beigetragen werden. Konkret resultierten zwei fertige Softwaremodule, welche im digitalen Shopfloor Management Einsatz finden. Das neu gewonnene Wissen über Korrelationsanalysen kann auch zukünftig zur Analyse von Datensätzen aus anderen Unternehmen genutzt werden und somit über das Projekt hinaus einen Beitrag zur produktiven Nutzung von Daten leisten.