Options
2020
Book Article
Titel
Analytics in der Produktion
Alternative
Analytics in Production
Abstract
Im Rahmen der zunehmenden Vernetzung innerhalb von Produktionssystemen ist die gewinnbringende Nutzung von Daten direkt aus der Produktion ein zentrales Thema für produzierende Unternehmen. Globale Ereignisse stellen die exportorientierte Produktionsbranche in Deutschland aufgrund langer Reaktionszeiten vor große Herausforderungen. Vor diesem Hintergrund ist ein Wandel zum kontinuierlichen Lösen von Fertigungs-herausforderungen und dem Bereitstellen von flexibilisierten und garantierten Produktionskapazitäten in Kombination mit der Entwicklung neuer Geschäftsmodelle erforderlich, die neben individuellen Abrechnungsmodellen das Einbinden Dritter ermöglichen. Die Fähigkeit, im Rahmen einer gezielten Aggregation von Planungs- und Prozessinformationen, qualitativ vertrauenswürdige Verhaltensvorhersagen auf Basis einer stetig wachsenden und domänenübergreifenden Datengrundlage zu ermöglichen, ist die technische Grundlage dieser Entwicklung und äußert sich in einem ganzheitlichen Lernen für zukünftige Bearbeitungsfälle und angrenzende Teildomänen. Dadurch wird eine übergreifende Produktionstransparenz geschaffen, die es ermöglicht, komplexe Ursache-Wirkungs-Zusammenhänge zu durchdringen, wodurch innerhalb kurzer Reaktionszyklen die richtigen Entscheidungen getroffen werden können. Das AWK21 zeigt auf Basis konkreter Anwendungsbeispiele verschiedene Umsetzungen der zugrundeliegenden Methodik und veranschaulicht, wie der Ansatz eines kontinuierlichen Lernens die zukünftige Produktionslandschaft bezogen auf das Trilemma aus Produktqualität, Produktivität und Verfügbarkeit in Verbindung mit dem Menschen als Nutzer und Trainer innerhalb des Systems verbessern kann.
;
In the context of increasing crosslinking within production systems, the profitable direct use of data from production is a central topic for manufacturing companies. Global events pose great challenges for the export-oriented production industry in Germany due to long reaction times. Against this background, a change is required to continuously solve manufacturing challenges and provide flexible and guaranteed production capacities in combination with the development of new business models that allow the integration of third parties in addition to individual billing models. The ability to enable qualitative trustworthy behavioral predictions based on a constantly growing and cross-domain data base within the scope of a targeted aggregation of planning and process information is the key of this development and is expressed in a holistic learning for future processing cases and adjacent sub-domains. This creates a comprehensive production transparency that allows to penetrate complex cause-and-effect relationships, allowing the right decisions to be made within short reaction cycles. Based on concrete application examples, AWK'21 shows different implementations of the underlying methodology and illustrates how the approach of continuous learning can improve the future production with regard to the trilemma of product quality, productivity and availability in connection with the human being as user and trainer within the system.
Author(s)