Viele Produktionsunternehmen haben die ersten Schritte in eine digital optimierte Zukunft bereits erfolgreich hinter sich gebracht und sammeln mit spezieller Software oder auch mit neuartigen Sensorlösungen Daten aus allen möglichen Fertigungsabläufen und von Maschinen. Nun geht es darum, aus diesen Datenmengen möglichst schnell möglichst viel Wert herauszuholen, damit der Digitalisierungsprozess nicht an Fahrt verliert. Als naheliegende Möglichkeit bietet sich hier eine datenbasierte Behebung von Schwachstellen im Produktionsablauf an. Dabei kann auch Künstliche Intelligenz (KI) als Turbo unterstützen.
Komplexe Produktionssysteme werden mit viel Hirnschmalz und Erfahrung entworfen und betrieben. Das gilt umso mehr, je höher Fertigungstiefe und Variantenvielfalt sind. Die Planung neuer Produkte und Abläufe reicht dabei von der Anordnung von Maschinen, Stellplätzen und Materiallagern in der Fabrik bis hin zu Vorgaben an die Werkzeugvorhaltung und die Erstellung von Schichtplänen. In der Verantwortung für reibungslos ablaufende Produktionsprozesse stehen hierbei zumeist Produktionsleiter*innen und Prozessingenieur*innen, in größeren Firmen gegebenenfalls auch eigene Abteilungen wie das Industrial Engineering. Sie bestimmen den Rahmen, aus dem Produktionsplaner*innen und Shopfloor-Personal dann im Tagesbetrieb das Bestmögliche herauszuholen versuchen.
Es liegt in der Natur der Sache, dass jede Fabrik einer gewissen Dynamik ausgesetzt ist – sei es, dass Produktionsmengen schwanken, Personal ausfällt oder neue Materiallieferanten eingesetzt werden. Damit kann auch in der mutmaßlich perfekt geplanten Fabrik der Produktionsfluss dann und wann einmal ins Stocken geraten.
Was aber, wenn es fortlaufend oder immer wieder hakt?
Liegt das dann an temporären Problemen im Betriebsablauf oder liegt es vielleicht an verborgenen Wirkungsketten, die in bestimmten Situationen immer wieder Unheil anrichten? Diese Unterscheidung lässt sich im Tagesbetrieb nicht ohne Weiteres treffen, schon gar nicht während eine Problemsituation noch in vollem Gange ist. Dann geht es nur darum, die Probleme möglichst schnell zu beheben, damit es weitergehen kann. Und danach ist in der Regel keine Zeit mehr, eine ausführliche Analyse vorzunehmen, es wurde ja schließlich bereits zu viel wertvolle Zeit mit der Problembehebung verloren.
Genau an dieser Stelle können die gesammelten Datenmengen einen wertvollen und nachhaltigen Beitrag leisten, wenn sie von den richtigen Leuten mit den passenden Softwarewerkzeugen genutzt werden. Wir stellen 3 solcher Werkzeuge vor, mit denen sich wiederkehrende Schwachstellen aufdecken, analysieren und nachhaltig abstellen lassen.
Verborgene Wirkungsketten im Produktionsfluss sind schwer zu finden.
© Shutterstock
Mit Daten Transparenz schaffen
Kommt es im Produktionsbetrieb zu Problemen, etwa mangelnde Werkstückqualität oder Ausbringungsrückstand, können die Ursachen dafür nicht nur an verschiedenen Orten liegen, sondern auch zeitlich weit im Vorfeld des eigentlichen Problems stattgefunden haben. Um sich einen geeigneten Überblick verschaffen zu können, macht es daher Sinn, möglichst viele Daten aus allen zeitlich und räumlich verbundenen Vorgängen rund um das aufgetretene Problem in Betracht zu ziehen. Das können sehr viele Daten aus verschiedenen Softwaresystemen sein, etwa
- Betriebsdaten zu Herstellungsmengen, Laufzeiten, Stillständen, Materialverwendung, Werkzeugeinsatz, usw. wie sie in Software zur Betriebsdatenerfassung (BDE) zu finden sind;
- Maschinendaten zu Einstellungen, Prozessverlauf, Füllständen, Störungen, usw. wie sie typische Software zur Maschinendatenerfassung (MDE) bereitstellt oder auch in wesentlich höherer zeitlicher Auflösung über moderne Sensor- bzw. IoT-Lösungen zugreifbar sind;
- Lagerdaten für Ein- und Ausgänge von Rohmaterial, Werkzeugen, Halberzeugnissen und Fertigware aus Warenhaus Management Systemen (WMS);
- Personaleinsatzpläne (PEP), aus denen die Personalkapazität oder auch die verfügbaren Fertigungskompetenzen hervorgehen.
All diesen Daten gemein ist, dass es sich um aneinandergereihte Werte handelt, die jeweils mit einem eigenen Zeitstempel abgespeichert werden. Man spricht hierbei auch von Datenpunkten, die eine Zeitreihe bilden. Gemeinsam verfügbar sind diese Zeitreihen etwa in Manufacturing Execution Systemen (MES), in denen die Daten entweder selbst erfasst werden oder durch entsprechende Schnittstellen zu anderen Erfassungssystemen eingebunden sind.
Zur Auswertung der Daten werden standardmäßig Reporting-Funktionen eingesetzt, die in der Regel größere Mengen bzw. zeitliche Ausschnitte von Datenpunkten zu einzelnen Kennzahlen (KPIs) verdichten und gegebenenfalls auch grafisch darstellen. Das mag für reine Controlling-Aufgaben ausreichend sein, zur Ursachenanalyse bei weitverzweigten Wirkungsketten ist dieses Werkzeug aber ungeeignet, da kurzzeitige oder räumlich begrenzte Effekte in der Verdichtung auf einzelne Werte untergehen.
Mit interaktiven Analyse-Dashboards Ursachen aufdecken
Interaktive Analyse-Dashboards brechen die statische Zusammenfassung von Datenpunkten auf, indem sie vollständige Zeitreihen anzeigen und der Nutzer*in das dynamische Herein- und Herauszoomen erlauben. Außerdem können verschiedene Zeitreihen gemeinsam betrachtet werden, etwa die Entwicklung der Bestände auf Stellplätzen und die Verfügbarkeit von Werkzeugen. Werden die richtigen Dinge miteinander in Verbindung gesetzt und die Zoomstufen passend gewählt, lassen sich problematische Muster bzw. Wirkungsketten im Produktionsfluss aufdecken, die anschließend systematisch und punktgenau gebrochen werden können.
Die Arbeit mit interaktiven Analyse-Dashboards ist kein Selbstläufer und erfordert eine experimentelle Herangehensweise sowie datenaffines Personal, das sich damit beschäftigt, bspw. Produktionsleiter*innen und Produktionsplaner*innen. Bei regelmäßiger Nutzung stellen sich aber bereits nach sehr kurzer Zeit neue Erkenntnisse ein, die umgehend produktiv genutzt werden können. Außerdem gibt es folgende weitere Werkzeuge zur Beschleunigung der Erfolgserlebnisse.
Mit durchdachten Workflows Wissen sammeln, teilen und nutzen
Interaktive Analyse-Dashboards können in eine passende Analyseumgebung eingebettet werden, die hilfreiche Workflows bereitstellt, um schneller von Daten zu umsetzbaren Erkenntnissen zu kommen. Das können recht banal wirkende Funktionen sein wie etwa das Speichern von ausgewählten Daten und Zoomstufen im Dashboard als wieder aufrufbaren Untersuchungsfall oder das Hinterlegen von Ursachenvermutungen in entsprechenden Kommentarfeldern. Aber bereits mit diesen sehr einfachen Funktionen lassen sich Vermutungen und Wissen nicht nur sammeln, sondern folglich auch mit anderen Kolleg*innen teilen, die wiederum ihre eigene Perspektive beisteuern können. Das verbessert nicht nur die Kollaboration zwischen den richtigen Leuten, sondern schafft auch eine stetig wachsende Wissensdatenbank, die das Know-how rund um die Verbesserung des Produktionsflusses konserviert.
Etwas komplexere Workflows in der Analyseumgebung können auch bestimmte händische Auswertungsvorgänge im Dashboard automatisieren. Die Suche nach bestimmten Ereignissen in den Daten, etwa das Über- oder Unterschreiten bestimmter Grenzwerte, kann beispielsweise von konfigurierbaren Warnfunktionen ausgeführt werden. Diese wiederum können unmittelbar in Dashboard-Analysen übernommen und angezeigt werden. Solche Automatisierungsfunktionen können viel Zeit sparen, sie müssen aber immer noch vom Menschen vollumfänglich eingestellt werden, bspw. durch Vorgabe konkreter Schwellwerte. Einen gewissen Turboeffekt kann hier der Einsatz einer KI bringen.
Mit KI-Turbo lassen sich Daten gezielt nach Unregelmäßigkeiten abscannen.
© aiXbrain GmbH
Mit KI-Unterstützung schneller und tiefer suchen
Um Problemursachen und unterliegende Wirkungsketten im Produktionsfluss noch schneller und treffsicherer aufzuspüren, können sich die Fachexpert*innen in ihrer Analysearbeit durch eine KI unterstützen lassen. Dabei liefert die KI keine unmittelbaren Erkenntnisse, sondern weist gezielt auf Unregelmäßigkeiten bzw. ungewöhnliche Muster hin, die sich anhand der Daten abzeichnen. Sie durchleuchtet sozusagen alle Daten und richtet den Scheinwerfer auf mögliche Problemzonen.
Dabei nutzt die KI kein fest vorgegebenes Regelwerk, sondern macht sich anhand der Daten aus der Vergangenheit ihr eigenes Bild von Regelmäßigkeiten und Abweichungen. Damit bedarf es keiner umfangreichen Regeldefinition und auch Tiefe und Breite der durchleuchteten Daten sind nicht begrenzt. Damit kann eine KI deutlich tiefer in die Daten und die darin wiedergegebenen Fertigungsabläufe hineinschauen als ein Mensch es in gleicher Zeit jemals könnte.
Natürlich muss der KI nicht blind vertraut werden. Expert*innen können sich aufgespürte Abweichungen im Detail anschauen und diese nach näherer Analyse als unkritisch bewerten oder aber als Problemmuster bestätigen und speichern. Gemeinsam können Mensch und KI somit tiefliegende Wirkungsketten aufdecken, die über die bekannten Zusammenhänge hinausgehen und damit einen Beitrag zu dauerhaften Verbesserungen im Produktionsfluss leisten.
KI und MES – nutzen Sie das Know-how von aiXbrain und GFOS
Mit hohem Zeit- und Geldaufwand erhobene Daten müssen zügig und dauerhaft zu erhöhter Wertschöpfung führen, damit Digitalisierungsvorhaben nicht auf halber Strecke scheitern. Die Nutzung der Daten, um systematische Schwachstellen im Produktionsablauf zu beheben und damit für mehr Produktionsfluss zu sorgen, ist eine gute Möglichkeit, schnelle Erfolge zu verbuchen. Die hierzu einsetzbaren Softwarewerkzeuge können Sie als Softwareangebot direkt von der aiXbrain GmbH beziehen oder bei uns als Erweiterung zum gfos.MES anfragen. Mehr Informationen zum Download und Möglichkeiten zur Kontaktaufnahme finden Sie auch hier.
