Prescriptive Analytics in der Fertigungsplanung: Handlungsempfehlungen anstelle von Datenwüsten

Anbieter zum Thema

NTT DATA Deutschland SE

PSI Software SE | Business Unit Discrete Manufacturing

MEGLA GmbH

Seit einigen Jahren setzt auch die Fertigungsindustrie vermehrt auf Werkzeuge zur Datenanalyse. Die aktuellen Systeme dienen zumeist dazu, einen Ist-Zustand zu erklären oder einen Ausblick auf künftige Entwicklungen zu geben. Noch besser wäre aber ein System, das Mitarbeitern bei ihrer Arbeit detaillierte Handlungsempfehlungen gibt. Mithilfe von Prescriptive Analytics können Unternehmen ihre Maschinenauslastung erhöhen und jederzeit schnell und flexibel planen.

Die Einsatzfelder für die neuen Analyse-Systeme in der Fertigung sind vielseitig. Unternehmen schaffen es beispielsweise durch sie, Lieferketten und die Sequenz der Fertigungsaufträge kontinuierlich zu optimieren. Die Systeme nutzen dabei immer aktuelle Daten und überlassen die letzte Entscheidung stets dem verantwortlichen Mitarbeiter. Ermöglicht wird dieser Ansatz der Prescriptive Analytics durch den Einsatz von künstlicher Intelligenz und maschinellem Lernen zur Verknüpfung und Auswertung der vorliegenden Daten aus der Produktion. Als Basis dafür dient eine intelligente Datenplattform mit integrierter Workflow-Engine, die alle relevanten Daten aus den Systemen eines Unternehmens, wie zum Beispiel dem Manufacturing Execution System (MES), in „Echtzeit“ aggregiert, harmonisiert, normalisiert und anschließend auswertet.

Gesamte Fertigung genau überblicken

Mit Prescriptive Analytics können Unternehmen schneller bessere Entscheidungen treffen, aufbauend auf einem Rundumblick auf alle wichtigen Daten. Ein naheliegendes Einsatzgebiet ist die flexible Optimierung der Reihenfolge von Fertigungsaufträgen. Das ist besonders wichtig in der aktuellen Wirtschaftslage, die den Unternehmen viel Flexibilität abverlangt. Im ersten Schritt hilft die Technologie dabei, eine optimale Fertigungsplanung vorzunehmen. Eine hohe Maschinenauslastung ist damit erst einmal garantiert. Zudem gibt das System automatisch Vorschläge, wenn Mitarbeiter später umplanen müssen, wie beispielsweise aufgrund von Rohstoffknappheit. Es besteht dabei immer eine Verbindung zwischen der Lösung und den beteiligten Systemen – dem MES oder auch dem System für das Enterprise Resource Planning (ERP). Von der Materialbeschaffung bis hin zur Schichtplanung können Unternehmen daher alle Produktionsprozesse in ihren Analysen adressieren und entsprechend steuern.

Eine solche Lösung stellt auch eine gute Grundlage dar, um Energiekosten zu senken und Nachhaltigkeitsziele zu erreichen. Denn sie kann energieintensive Prozesse automatisch für Zeiten einplanen, in denen Strom besonders günstig (wie zum Beispiel nachts) beziehungsweise aus einer nachhaltigen Quelle (wie unter anderem einer eigenen Solaranlage) zur Verfügung steht. Durch Prescriptive Analytics können Mitarbeiter außerdem den drohenden Ausfall einer Maschine voraussehen und dann frühzeitig darauf reagieren. Somit können sie den plötzlichen Ausfall einer Maschine vermeiden und die Produktion so umplanen, dass ein optimales Wartungsfenster zur Verfügung steht.

Prescriptive Analytics: Entscheidend ist die Datenbasis

Mit Blick auf Prescriptive Analytics geht es auch immer um die Verfügbarkeit, Verknüpfung und Qualität der eigenen Daten. Unternehmen müssen aktuelle Daten nutzen, damit die Prognosen stimmen. Wie eine Studie der IDC zeigt, fehlt aber häufig eine umfassende Vernetzung zwischen der Information Technology (IT) und Operational Technology (OT). In Deutschland existiert diese nur in 36 Prozent der Unternehmen. Neben Kernelementen wie dem MES oder ERP-System benötigen Unternehmen deshalb eine weitere Komponente, die für ein modernes Datenmanagement und Interoperabilität sorgt und quasi ein „Datennetzwerk“ realisiert. Aufbauend darauf kann die neue Technologie rund um Prescriptive Analytics dann Analysen durchführen, Prozesse optimieren und diese steuern.

Dieses Anforderungsprofil erfüllen moderne Datenplattformen, zum Beispiel IRIs von InterSystems, die Daten jeden Formats aus diversen Quellen verknüpfen, harmonisieren und normalisieren. Damit brechen sie Datensilos auf und schließen die Lücke zwischen IT und OT. Unternehmen erhalten dadurch eine einheitliche und genaue Datenbasis und damit einen Rundumblick.

Ohne richtige Vorbereitung kein Erfolg

Um die skizzierten Ergebnisse zu erreichen, müssen Unternehmen im Vorfeld bestimmte Maßnahmen ergreifen. Besonders drei Kriterien spielen dabei eine wichtige Rolle, da ihre Nichtbeachtung den Projekterfolg oft verhindert: Anfangs stehen Mitarbeiter vor der Aufgabe, einen klaren Business Case zu definieren und ihre Ziele zu benennen. Nur durch diesen Schritt können Unternehmen die Einführung von Prescriptive Analytics wirtschaftlich rechtfertigen und den späteren Erfolg des Projekts bereits vor dem Startschuss belegen.

Es kommt darauf an, die eigenen Stammdaten zu vereinheitlichen – besonders dann, wenn Unternehmen standortübergreifend arbeiten wollen.

Unternehmen müssen auch insgesamt für eine Organisationsentwicklung sorgen. Denn mangelnde Akzeptanz bei den Betroffenen führt schnell zum Scheitern derartiger Projekte.

Wenn Unternehmen diese Voraussetzungen berücksichtigen, erzielen sie den maximalen Effekt. Ein erfolgreiches Projekt zur optimalen Planung und Umplanung der Reihenfolge von Fertigungsaufträgen kann ein wichtiges Leuchtturmprojekt werden. Ausgehend von den Erfahrungen mit Prescriptive Analytics können Unternehmen in der Folge weitere Projekte zur Prozesssteuerung umsetzen.

Der Autor Werner Reuß ist Manufacturing Solutions Executive bei der InterSystems GmbH.

Lesen Sie auch: Passgenaue Roboterlösungen sorgen für schnellen Teilefluss