In diesem Projekt verfolgten wir das Ziel, die Transparenz und damit die Effizienz der Produktionsprozesse in der Smart Factory deutlich zu steigern. Aufgrund der Integration verschiedener Systeme (MES, ERP, Shopfloor) und der damit verbundenen Komplexität ist dies jedoch nicht einfach umzusetzen, sondern erfordert eine umfassende Zusammenführung und Harmonisierung der Prozessdaten.
In der digitalisierten Produktion laufen täglich unzählige Prozesse parallel ab. Was auf dem Papier wie ein gut orchestriertes Zusammenspiel aussieht, ist in der Realität oft schwer zu durchdringen. Daten entstehen in Silos, Systemgrenzen verhindern eine durchgängige Transparenz, und Optimierungspotenziale bleiben verborgen.
Genau hier setzte unser Projekt an: Mit dem Ziel, mittels künstlicher Intelligenz und moderner Analysemethoden Licht ins Dunkel der Prozesslandschaft zu bringen.
Zunächst wurden die bestehenden Daten, Datenmodelle, Datenbanken, Logfiles, Tracefiles und vieles mehr analysiert. Dazu wurden digitale Spuren aus den verschiedenen IT-Systemen extrahiert. Diese bildeten die Grundlage, um einzelne Teilprozesse zu rekonstruieren und anschließend zu einem übergeordneten End-to-End-Bild zusammenzuführen. So entstand ein datengestützter Überblick über das tatsächliche Prozessgeschehen, der weit über die dokumentierten Soll-Abläufe hinausgeht.
Als besonders effektiv hat sich der Einsatz von Graph Embedding erwiesen. Diese Technologie ermöglicht es, komplexe Prozessabläufe als Vektoren in mehrdimensionalen Vektorräumen darzustellen – maschinenlesbar, visuell aufbereitet und strukturiert analysierbar. So konnten Zusammenhänge sichtbar gemacht werden, die zuvor im Verborgenen lagen. In Kombination mit Clustering-Methoden konnten Auffälligkeiten identifiziert, Muster erkannt und Abweichungen von Standards lokalisiert werden, beispielsweise Engpässe, ineffiziente Wegeführungen oder fehleranfällige Übergaben.
Was zunächst abstrakt klingt, hatte am Ende ganz konkrete Auswirkungen. Auf Basis der gewonnenen Erkenntnisse konnten Optimierungsmaßnahmen abgeleitet und priorisiert werden, wie etwa die Verkürzung von Durchlaufzeiten, die Steigerung der Ressourceneffizienz oder die Verbesserung der Prozessqualität. Gleichzeitig wurde eine datenbasierte Grundlage für die kontinuierliche Überwachung und Weiterentwicklung der Prozesse geschaffen.
Zusammenfassend:
Mithilfe verschiedener Process-Mining-Verfahren wurden zunächst die digitalen Spuren der verschiedenen Teilprozesse der Smart Factory gesammelt, um diese konsistent zu einzelnen Geschäftsprozessen zusammenzuführen. Anschließend wurden verschiedene Methoden des Graph Embedding eingesetzt, um diese Prozesse zu visualisieren. Mittels verschiedener Clustering-Verfahren wurden Unregelmäßigkeiten und Anomalien aufgedeckt, die Ansatzpunkte für Prozessoptimierungen lieferten und eine transparente Darstellung und Verfolgung der End-to-End-Prozesse ermöglichten.
Das Projekt hat eindrucksvoll gezeigt, welches Potenzial in der Verbindung von KI-basierter Analyse und industrieller Prozesswelt steckt.
Aus Daten wurde Transparenz – und aus Transparenz wurde Handlungskompetenz. Ein Erfolg, der weit über den einzelnen Anwendungsfall hinausweist und als Blaupause für eine intelligente, adaptive und zukunftssichere Produktion dienen kann.
Klingt spannend? Gerne setzen wir auch für Sie ein entsprechendes Projekt um. Sprechen Sie uns an!
Aunovis GmbH
