Wie es den goldenen Fingerabdruck nutzen kann, um iot zu nutzen

Für IT-Abteilungen, die aktiv versuchen, die Internet of Things-Technologie (IoT) zu nutzen, um einen positiven Einfluss auf einen Fertigungsprozess zu haben, gibt es einen wichtigen Begriff, den sie kennen müssen, und zwar nicht nur, weil er so klingt, als hätte Indiana Jones ihn einst verfolgt: The Golden Fingerabdruck. Ich sprach mit Bart Schouw, Vizepräsident für Technologie und digitale Allianzen bei der Software AG, auf der CEBIT-Messe, die diese Woche in Hannover stattfindet, darüber, warum dieser Fingerabdruck goldfarben ist und was das für die IT bedeutet.

"Der goldene Fingerabdruck ist eine Metapher", erklärte Schouw und sagte weiter, es sei wie ein Schlüsselbeweis in einem Kriminalroman. Im Unternehmen kann es jedoch auf einen Herstellungsprozess angewendet werden, um zu bestimmen, wann die Bedingungen für die Herstellung eines von Schouw als perfekt bezeichneten Produkts erfüllt sind.

Das Auffinden des goldenen Fingerabdrucks ist ein iterativer Vorgang. Dies ist ein Aufgabenplan, der ausgeführt wird, wenn Daten während der Herstellung aufgezeichnet und gespeichert werden, damit eine Reihe von Fertigungsläufen über einen längeren Zeitraum hinweg verglichen werden können. Gleichzeitig wird die Leistung der Fabrik ausgewertet, sodass der Erfolg jedes Fertigungslaufs zusammen mit den Daten aufgezeichnet wird, die während der Fertigung aufgezeichnet wurden. Richtig gemacht, ist das Ergebnis eine Art Fingerabdruck, der sich aus der Gesamtheit der Eingaben von Fertigungsanlagen - Sensoren, die den Zustand des Produkts während der Fertigung aufzeichnen - und einer allgemeinen Erfolgsmetrik für das Prozessergebnis zusammensetzt.

Das Fingerprinting-Verfahren wurde ursprünglich für die chemische Industrie entwickelt, laut Schouw ist es jedoch für die meisten Herstellungsverfahren allgemein anwendbar. Ein Automobilhersteller würde zum Beispiel Aufzeichnungen darüber haben, woher jede Komponente stammt, Temperaturen während des Lackierens, Drehmomentwerte für jede Schraube oder Schraube und Werte von den Roboterschweißern, wenn sie das Chassis bauten. Dann, wenn das Auto produziert wird, wird die Qualität der Produktion überwacht, wenn das Auto gewartet wird oder wenn Defekte repariert werden.

Maschinelles Lernen im Automobilbau

Wenden wir das Szenario auf eine hypothetische Automobilfabrik an. Während der Herstellung jedes Autos werden die Messwerte während des gesamten Produktionsprozesses verfolgt und mit früheren Produktionsläufen verglichen. Angenommen, es tritt ein Problem auf, z. B. wenn eine Schraube mit dem falschen Drehmoment angezogen wird. Dieses Problem wird aufgezeichnet und kann jetzt behoben werden, bevor das Auto verkauft wird. Schließlich können die Produktionsmaschinen so kalibriert werden, dass diese Fehler nicht auftreten und die Fahrzeuge ohne wesentliche Mängel ausgeliefert werden.

"Manchmal, insbesondere in der Prozessindustrie, ist nicht klar, welche Bedingungen tatsächlich zum perfekten Produkt führen", sagte Schouw. "Mit maschinellem Lernen und neuen Werkzeugen zur Datenvisualisierung können Sie also tatsächlich die Daten eines Produktionslaufs erfassen, der zur perfekten Produktcharge geführt hat. Dann können Sie die maschinellen Lernwerkzeuge auffordern, ähnliche Muster in den Daten zu suchen."

Wie zu erwarten, erfordert jede Art von komplexer Fertigung Tausende einzelner Datenpunkte für jeden Fertigungslauf, um über genügend Daten für einen aussagekräftigen Fingerabdruck zu verfügen. Dies erfordert wiederum Sensoren, die den Zustand des Produkts zu einem bestimmten Zeitpunkt sowie den Zustand der verwendeten Fertigungswerkzeuge und -maschinen messen. Hier können die IoT-Technologie und die IT-Abteilung glänzen.

Nach Abschluss jedes Fertigungslaufs können die Daten dieses Laufs als Muster von Ereignissen visualisiert werden, die zum Produkt führen. Dies erfordert vernetzte Sensoren und Werkzeuge sowie ein Mittel zur Aufzeichnung dieser Ereignisse. Zum Ausführen der Auswertungen ist außerdem eine spezielle Software erforderlich. Schouw sagte, dass dieser Teil ein wichtiger Anwendungsfall für künstliche Intelligenz (KI) und maschinelles Lernen wird.

Verfolgung von Produktionsdaten in Echtzeit

Dies ist der Punkt, an dem IT und Fertigung zusammenkommen. Die IT-Abteilung muss die große Datenmenge aus jedem Produktionslauf konsolidieren und sie dann verwenden, um jeden Lauf mit dem goldenen Fingerabdruck des perfekten Laufs zu vergleichen. Da der Lauf in Echtzeit analysiert wird, wird er auch mit früheren Läufen verglichen, sodass frühzeitig festgestellt werden kann, wann ein Lauf voraussichtlich nicht erfolgreich sein wird.

In der Prozessfertigung kann es möglich sein, Anpassungen an den Herstellungsparametern vorzunehmen, selbst wenn diese den Lauf näher an den goldenen Fingerabdruck bringen. Die Möglichkeit, einen Lauf während der Produktion zu visualisieren und im Voraus zu bestimmen, wann ein Lauf nicht erfolgreich sein wird, kann zu erheblichen Einsparungen führen, indem kein weiteres Material in einem Lauf verschwendet wird, der nicht erfolgreich sein wird, und keine weitere Zeit verschwendet wird.

Schouw wies auf Trendminer als ein Beispiel für ein Unternehmen hin, das die KI-gestützte Software herstellt, mit der der goldene Fingerabdruck gefunden und der Produktionsprozess in Echtzeit verfolgt werden kann. Er teilte auch mit, dass die Software AG Pläne zur Übernahme von Trendminer gemacht habe.

Effizientere Fertigung

Kosteneinsparungen und Aspekte höherer Qualität sind jedoch nicht alles, was das IoT und die Fertigung zu bieten haben. Schouw erklärte, dass ein weiterer Aspekt der Verwendung von maschinellem Lernen in der Fertigung mit der Verfolgung der F-Kurve zusammenhängt (das "F" steht für Ausfälle, die für eine Fabrik im Zeitverlauf verfolgt werden). Wenn Sie die F-Kurve nachverfolgen, scannen Sie effektiv die Fabrik und nicht das Produkt. Beginnen Sie mit dem Bau der Fabrik, nehmen Sie die Inbetriebnahme vor und fahren Sie die Fabrik endgültig herunter, da der Prozentsatz der Ausfälle nicht akzeptable Werte erreicht die Produktionsstätten altern.

Indem Sie die Bedingungen nachverfolgen, die zu Produktionsausfällen im Laufe der Zeit führen, können Sie diese auf ein akzeptables Maß reduzieren, bis die Rendite sinkt: Wenn es zu teuer ist, die Reparaturen fortzusetzen, ist es sinnvoller, das Werk neu aufzubauen.

Wichtig ist, dass durch die direkte Einbeziehung der IT in den Fertigungsprozess die Fertigung effizienter wird und weniger Ausschuss und weniger Fehler entstehen. Und das Unternehmen spart Geld. Bei korrekter Ausführung werden die Ergebnisse fast sofort angezeigt. Für IT-Abteilungen in produzierenden Unternehmen ist der goldene Fingerabdruck ein hervorragender Ausgangspunkt für die Integration des IoT in das Herzstück des Unternehmens.