Ursachenforschung optimiert die Produktion: Prävention ist im Zuge der Industrie 4.0-An¬forderungen gefragt. „Bisher gab es in einem MES keinerlei vorbeugende Fehlerverhütungsmechanismen auf Basis praxisbezogener Big Data Analytics-Methoden. Neue Entwicklungen gehen jedoch weit über Prozesse wie die bisher eingesetzte Rückverfolgbarkeit und Prozessverriegelung hinaus“, erklärt Dieter Meuser. „So erfassen und dokumentieren zukünftige Lösungen nicht nur Fehler, sondern erkennen vollautomatisch die Ursache. Es sind konkretere und rückkopplungsfähige Aussagen über prozessspezifische Problemstellungen möglich – Maschinenprozesse werden leistungsfähiger“, ergänzt Dieter Meuser.
Dabei kann beispielsweise ein Predictive Maintenance (PdM)-System aufgebaut werden, das die Wartungsintervalle von Betriebsmitteln automatisch parametrisiert und somit sowohl die qualitative als auch die quantitative Ausbringung von Produktionsanlagen signifikant erhöht. Hiermit lässt sich die Gesamtanlageneffektivität (GAE) erheblich steigern.
Am Beispiel eines Proof of Concept in der Elektronikfabrik eines Automobilzulieferers demonstriert Dieter Meuser, wie anhand von Big Data Analytics-Methoden eine Prozessoptimierung durch Verhaltensvorhersage umgesetzt werden kann. Implemen¬tiert wird dazu ein selbstlernendes System, das einen entsprechenden Datenfluss und statistisch auswertbare Aussagen sicherstellt. Zielsetzungen sind die Vorhersagen von erforderlichen Betriebsmitteln, Wartungen und Eingriffen in die Prozessabläufe einer SMT-Linie, die mit AOI-Systemen ausgestattet ist. Somit können Vorteile wie verbesserte Produktionsplanung und Instandhaltung erzielt werden.
