Manufacturing Analytics

Claudia Schmidt and Chantal Ruppert spoke with Satoshi Tachibana, Motohiro Kashihara and Yuta Nakamura from the Japanese consultancy ABeam about the main challenges in implementing KAIZEN. In the conversation they also learned more about how executives can boost employee initiative in the continuous improvement process (CIP) and what companies should consider before digitizing their business.

In der Studie „Manufacturing Data Analytics“ der Universität St. Gallen und der RWTH Aachen wurden vielfältige Aspekte der industriellen Datennutzung untersucht. Hierbei wurden verschiedene Themenfelder wie beispielsweise technische Systeme, Implementierungsstatus und organisatorische Umsetzung analysiert. Lesen Sie von den herrschenden Unterschieden und systematische Evaluierung von Anwendungsfällen sowie strategischen Partnerschaften.

Die Digitalisierung des industriellen Mittelstands befindet sich noch am Anfang. Für eine erfolgreiche Transformation benötigen Unternehmen eine ganze Reihe intelligenter Lösungen. Von besonderer Bedeutung ist der Digitale Zwilling, der reale Prozesse in einer virtuellen Umgebung simulieren kann. Doch welche technischen Voraussetzungen müssen für den Einsatz dieser Technologie geschaffen werden?

Wie von Charles Darwin aufgezeigt, haben die anpassungsfähigsten Lebewesen die besten Überlebenschancen. Was aber hat dies mit modernen Analysealgorithmen und Industrie 4.0 zu tun? So einiges – denn nachhaltige Qualitätsoptimierung kann in variantenreicher Produktion nur funktionieren, wenn die KI-Algorithmen die Veränderungen erkennen, bewerten und notwendige Änderungen der Algorithmik ableiten.

Für eine effiziente Produktion sind Optimierungsverfahren unverzichtbar. Durch die Ausrichtung der Produktion auf Konzepte wie Industrie 4.0 verändern sich aber die Rahmenbedingungen für den richtigen Einsatz dieser Verfahren. Dieser Beitrag stellt die vorhandene Vielfalt an Optimierungsverfahren vor und diskutiert ihre Eignung für Industrie 4.0.

In der Großserienfertigung von elektrifizierten Fahrzeugen stellt die zunehmende Komplexität eine große Herausforderung dar. Ein beschleunigter Wissensaufbau bezüglich Fertigungstechnologien und Prozesse kann durch Industrie 4.0-Ansätze, insbesondere Data Analytics, unterstützt werden. In diesem Beitrag werden die Ergebnisse einer Expertenstudie vorgestellt, die sich mit den Potenzialenvon Data Analytics in der Großserienfertigung befasst.

Längst hat die digitale Transformation auch die industrielle Produktion erreicht. Im vorliegenden Beitrag wird insbesondere der Big Data Begriff adressiert und eine Abgrenzung dieses umfassenden Konzepts hinsichtlich der Definition von Industrial Big Data unternommen. Zudem wird anhand von Fallbeispielen exemplarisch erläutert, welche Mehrwerte die Anwendung dieser Methoden in der Produktion generiert.

Unter den Buzz-Words, die die Titel der Fachpresse in letzter Zeit füllten, ragen die Begriffe Internet der Dinge, Industrie 4.0 und Big Data deutlich heraus. Und bei Big Data assoziiere ich primär die Googles, Facebooks und Handy-Apps dieser Welt – Datenkraken, die moralisch eher schlecht als recht alles an Informationen sammeln, was ihnen in die Fangarme gerät.

Erfasste Daten bringen erst dann einen echten Mehrwert, wenn kontextbezogene Informationen daraus gewonnen wurden. Die dafür verwendeten Werkzeuge lassen sich unter dem Schlagwort Analytics zusammenfassen. Aber gibt es das nicht alles schon? Keineswegs! Um wettbewerbsfähig produzieren zu können, brauchen Fertigungsunternehmen ein Maximum an Transparenz. Denn nur wer weiß, wie es im Shopfloor gerade läuft, der kann an den geeigneten Stellschrauben drehen und die Prozesse optimieren. Über die Jahre haben sich Werkzeuge wie Kennzahlen und deren Darstellung in Dash-boards als nützlich herauskristallisiert. Heutzutage braucht es aber deutlich mehr – was nicht heißt, dass Kennzahlen und Dashboards aus der Mode gekommen sind. Etwas weiter ausgeholt Im Modell Smart Factory Elements von MPDV lassen sich die Abläufe einer modernen Fabrik in fünf Elemente einordnen, die einen Regelkreis bilden. Dieser sieht vor, dass auf Basis von Vorgaben unterschiedlicher Quellen ...

Um nachhaltig effizienter produzieren zu können, brauchen Unternehmen belastbare Kennzahlen aus der laufenden Fertigung als Steuerungselement. Die hohe Kunst besteht dabei darin, aus vielen Daten (Big Data) aussagekräftige und verwertbare Informationen (Smart Data) zu generieren.