Fertigungsanalysen in Aktion

Mit Analytik verbessern wir seit vielen Jahren unsere Produktionsprozesse in den Bosch-Werken. Was ist also neu in der Analytik in der Fertigung und was ist der nächste Schritt?

Unsere Methodik zur Anforderungsanalyse macht den Unterschied

Es gibt verschiedene Möglichkeiten, ein Datenanalyseprojekt zum Laufen zu bringen. Ausgangspunkt ist in der Regel ein Kickoff-Workshop in der Produktionsstätte des Kunden, bei dem wir uns mit dem Kundenteam treffen, um die Projektziele und die zugrunde liegenden Probleme anhand von visuellen Eindrücken des Produkts und des Produktionsprozesses zu besprechen und zu verstehen.

Produktionsingenieure neigen dazu, sich auf den spezifischen Prozessschritt zu konzentrieren, der das Problem zu verursachen scheint, und wenden gängige Lösungsansätze an.

Die Datenanalyse kann jedoch eine Fülle weiterer Vorteile bieten, da sie sich nicht nur auf einen bestimmten Prozess oder eine bestimmte Maschine konzentriert. Stattdessen berücksichtigt es auch Maschinen-, Prozess- und Materialdaten aus vor- und nachgelagerten Produktionsschritten, um bisher verborgene Ursache-Wirkungs-Beziehungen, Zusammenhänge und Muster zu erkennen.

Neben der Vorstellung des Potenzials und der Leistungsfähigkeit von Data Analytics in der Fertigung zu Beginn eines Projekts ist es daher eines unserer Hauptziele im Kickoff-Workshop, das Problem des Kunden aus geschäftlicher Sicht zu verstehen. Noch wichtiger ist, dass wir versuchen, das Problem im Hinblick auf die physikalischen Prinzipien dahinter zu betrachten. Dadurch können wir uns auf die richtigen Datenquellen konzentrieren und die volle Leistungsfähigkeit der Datenanalyse nutzen.

Zeitaufwand für Geschäftsverständnis zahlt sich aus

Im ersten Teil des Workshops geht es darum, das Kernproblem zu identifizieren und sicherzustellen, dass wir sowohl unser Verständnis dieses Problems als auch unsere Datenanalyse darauf ausrichten. Wir nennen diesen ersten Teil des Workshops „Geschäftsverständnis“.

Den Teilnehmern des Workshops werden gezielte Fragen gestellt, um ein tieferes Verständnis von Produkt, Prozessen und Rahmenbedingungen zu erlangen. Daraus wiederum ergeben sich erste Anzeichen, die auf mögliche Ursachen hindeuten. Zu den gezielten Fragen gehören:

Wie ist die genaue Reihenfolge der Prozessschritte? An welcher Station treten die Probleme zuerst auf? Welche Stationen in der Nähe könnten sich darauf auswirken? Gibt es Besonderheiten des Wertstroms wie parallele Schritte, Nacharbeit oder wiederholte Schritte? Wie viele Produktvarianten gibt es? Wie viele Lieferanten sind beteiligt? Und so weiter…

Datenverständnis kommt als nächstes

Im zweiten Teil des Kickoff-Workshops zur Analyse und Erfassung der Projektanforderungen kommen wir ins Gespräch über Daten:

Welche Quellen liefern Daten? Müssen wir zuerst Daten integrieren oder gar generieren? Welche Daten aus anderen Prozessen sind wichtig? Welche Zeitrahmen betrachten wir? Ist es bei der Arbeit mit verschiedenen Datenquellen möglich, Daten eindeutig bis zur Herkunft zurückzuverfolgen (z. B. durch eindeutige IDs)?

Iterative Analyse anstelle eines massiven Projekts

Die erste Analytics-Phase dauert in der Regel nicht länger als eine Woche, je nachdem, wie lange die Aufbereitung der Daten dauert. Nach dieser Woche präsentieren unsere Manufacturing Analytics Experten dem Expertenteam des Kunden ihre ersten Ergebnisse mit dem Ziel, die Machbarkeit einer Lösung des Kundenproblems auf Basis der gegebenen Daten aufzuzeigen.

Im Idealfall (und das passiert sehr oft) liefern die Ergebnisse des ersten Analysezyklus bereits umsetzbare Ideen, wie die Projektziele erreicht werden können (z. B. die Ausschussrate in einem bestimmten Wertstrom reduzieren).

Gleichzeitig ist es möglich, basierend auf Kundeninput und deren Reaktion auf die Zwischenergebnisse, die Analysestrategie an die neu gewonnenen Erkenntnisse anzupassen. Dies ist entscheidend für den Erfolg von Data Analytics-Projekten! Wieso den? Das Team schließt falsche Schlussfolgerungen aus, der unmittelbare Mehrwert von Data Analytics wird sichtbar und nutzbar und die nächsten Schritte werden gemeinsam definiert:

Was wird noch benötigt, um die Ergebnisse zu überprüfen? Und sie letztendlich zu automatisieren? Wie genau sollen wir den erweiterten Datenumfang dafür definieren?

Quelle:Bosch.IO Der Kunde erhält wertvolle Einblicke in seine Daten und die Datenprozesse.

Wartung &Support für Vorhersagemodelle nach Projektende

Gibt es so etwas wie Wartung und Support nach dem Projekt? viele Kunden fragen uns. Die Antwort ist ein klares JA! Dieser Aspekt ist entscheidend für alle Kunden, die das Vorhersagemodell auf ihre Echtzeitdaten anwenden möchten, um beispielsweise den Verschleißteilwechsel zum optimalen Zeitpunkt zu planen oder Testergebnisse vorherzusagen.

Deshalb konzentrieren wir uns nicht nur auf die Wartung und den Support der installierten Softwarelösungen, sondern auch auf die entsprechende technische Unterstützung beim Training und Monitoring von Vorhersagemodellen.

Nächstes Level:Standardisierte Tools für Standardprobleme

Webbasierte Analysetools liefern sofortige Einblicke und nutzen Datenanalysen für die tägliche Arbeit von Ingenieuren, ohne dass Datenwissenschaftler hinzugezogen werden müssen. Dieses nächste Level ist aufregend. Erfahre mehr darüber im Video.

Starten Sie Data Analytics in Ihrem Produktionsbetrieb.

In diesem Webcast sehen Sie konkrete Fälle der Produktionsoptimierung aus der Praxis und erfahren, wie unser zweitägiger Workshop Ihnen hilft, Ihre Initiative zu starten.