Digitalisierung, Industrie 4.0 & IoT, Data & Analytics

Predictive Control: Qualität früh im Fertigungsprozess erkennen

Gabriel Schmitt28.08.2019

Bei Produktionsprozessen ist man immer damit konfrontiert, dass Fehler, die früh in der Prozesskette auftreten, erst deutlich später - bei der Qualitätskontrolle - sichtbar werden, wobei es dort bereits zu spät ist, um Gegenmaßnahmen zu ergreifen. Intelligente Auswertung von Sensordaten der Maschine ermöglicht jedoch eine zuverlässige Prognose der Ausgabequalität und es kann frühzeitig durch Veränderung der Maschinenparameter entgegengesteuert werden.

Kosten und Ressourcen sparen

Stellen Sie sich vor, Ihr Produkt verbringt zwei Stunden in einem Fertigungsprozess und die Temperatur in einem Abschnitt, der nach zehn Minuten durchlaufen wird, ist zu hoch. Erst am Ende des Prozesses bemerken Sie eine geringe Produktqualität und können nicht rechtzeitig gegensteuern. Predictive Control schafft hier Abhilfe. Mit Hilfe von Trainingsdaten wird durch Machine Learning ein Modell entwickelt, das aus einer Vielzahl von Regelgrößen und externen Parametern eine Prognose der Ausgabequalität errechnet. Diese Vorhersage dient als Frühwarnsystem, was einen sparsamen Umgang mit Ressourcen und eine Abfallreduktion ermöglicht.

Fünf Schritte zu optimaler Qualität

Diesem komplexen Problem kann man mit einen Fünf-Stufen-Programm begegnen, das Ihnen schrittweise immer mehr Wissen und Kontrolle über den Prozess ermöglicht.

  1. In einem ersten Schritt müssen alle (vermuteten) Einflussgrößen und die Endqualität zuverlässig erfasst werden. (Descriptive Analytics – Was ist passiert?)
     
  2. Darauf aufbauend kann man dann durch eine erste Analyse ermitteln, welche Parameter tatsächlich wichtig sind und wie stark deren Einfluss auf die Qualität ist. (Diagnostic Analytics – Warum ist das passiert?)
     
  3. Um in die Zukunft zu blicken, ist ein geeignetes Prognosemodell notwendig. Damit kann dann die zukünftige Qualität vorhergesagt werden. (Predictive Analytics – Was wird passieren?) Eine Live Vorhersage wird übersichtlich im Smart Monitoring dargestellt.
     
  4. Damit ist es aber noch nicht getan: Es genügt nicht festzustellen, dass die Qualität ungenügend ist. Man muss auch wissen, welche Gegenmaßnahmen man einleiten kann. Eine solche Handlungsanweisung erfordert umfassendes Wissen über den Prozess. (Prescriptive Analytics – Was muss man tun?)
     
  5. Die fünfte Stufe ist dann die vollständige Automatisierung: Aus einem System, das Handlungsanweisungen liefert, wird ein System, welches automatisch für optimale Qualität sorgt und die Produktion stabil hält (Predictive Control – Man muss nichts mehr tun). 

Mehr als nur Analytics

Predictive Control ermöglicht eine optimale Produktion in Bezug auf Qualität, Kosten und Materialverbrauch. Weiterhin werden die Mitarbeiter entlastet, die sich so auf wichtige Arbeiten konzentrieren können und nicht ständig die Maschine nachjustieren müssen. Entscheidungen, die bisher auf Bauchgefühl basierten, können nun datengetrieben überprüft und verbessert werden. Nicht zuletzt wird durch minimalen Ressourcenverbrauch auch der Abfall reduziert und damit ein Beitrag zum ökologischen Fußabdruck des Unternehmens geleistet.

Der Wettbewerbsdruck durch die Digitalisierung und den Wandel hin zur Industrie 4.0 wird in den nächsten Jahren massiv zunehmen. Die COSMO CONSULT Data Science hilft Ihnen dabei, zu denjenigen zu gehören, die als Gewinner aus diesem Umbruch hervorgehen. 

Gerne begleiten wir Sie umfassend auf den Weg in einen vollständig digitalisierten und optimierten Produktionsprozess. Wir freuen uns auf Ihre Anfrage! 

Beitrag teilen

Kommentar verfassen

Nehmen Sie Kontakt mit uns auf
Author:
Gabriel Schmitt
Business Consultant | COSMO CONSULT DATA SCIENCE GmbH