1. anacision
  2. /
  3. Referenzen
  4. /
  5. Produktionsoptimierung

Produktionsoptimierung

Produktionsprozesse sind häufig sehr komplex und umfassen viele, oft sequentielle, Schritte. Jeder einzelne Bearbeitungsschritt hat Auswirkungen auf die Qualität des Endproduktes. Mit Hilfe von Data Science Methoden haben wir Zusammenhänge über mehrere Produktionsschritte hinweg analysiert. Auf Basis dieser Untersuchungen konnten viele Optimierungsmaßnahmen ergriffen werden, und unter anderem der Einsatz eines teuren Hilfsstoffes reduziert werden. Bei gleicher Qualität des Endproduktes konnten wurden so die Produktionskosten gesenkt.

Ausgangslage

Wettbewerbsdruck erfordert effizientere Produktion

In ei­nem High­tech-Be­reich der Fer­ti­gungs­in­dus­trie, in wel­chem ei­ner un­se­rer Kun­den tä­tig ist, herrscht ein har­ter Kon­kur­renz­kampf. Un­ser Kun­de be­wegt sich trotz enor­mem Markt­druck seit Jahr­zehn­ten er­folg­reich mit ei­nem zwei­stel­li­gen Markt­an­teil un­ter den Welt­markt­füh­rern. Dies nicht zu­letzt auf­grund sei­ner ste­ti­gen In­ves­ti­tio­nen in die Op­ti­mie­rung sei­ner Pro­duk­ti­ons­ket­te.

Die Kom­ple­xi­tät des Pro­duk­ti­ons­pro­zes­ses führ­te im­mer häu­fi­ger zu kau­sal nicht mehr greif­ba­ren Aus­wir­kun­gen. So hat­ten Ände­run­gen in Pro­zess­schrit­ten Aus­wir­kun­gen auf nach­ge­la­ger­te Teil­pro­zes­se, die zu­nächst nicht er­klär­bar wa­ren. Dies führ­te schnell zur Er­kennt­nis, dass mit kon­ven­tio­nel­len Me­tho­den nicht mehr alle re­le­van­ten Zu­sam­men­hän­ge er­kannt wer­den kön­nen. Der hoch­kom­ple­xe se­quen­ti­el­le Her­stel­lungs­pro­zess mit sei­nen ma­schi­nel­len, che­mi­schen und pro­zes­sua­len Ein­flüs­sen mach­te da­her ein in­no­va­ti­ves Vor­ge­hen bei der Pro­duk­ti­ons­op­ti­mie­rung er­for­der­lich.

Lösung

Data Science zum Erkennen neuer Zusammenhänge im Prozess

Zu­nächst wur­den die Da­ten der ver­schie­de­nen Pro­zess­schrit­te in­te­griert und die Mess­wer­te au­to­ma­ti­siert auf Rich­tig­keit über­prüft. Fal­sche Mess­wer­te durch de­fek­te Sen­so­ren ha­ben wir kor­ri­giert und feh­len­de Wer­te in­tel­li­gent er­setzt. Im nächs­ten Schritt wur­den durch den Ein­satz ma­the­ma­ti­scher Ver­fah­ren und durch par­al­le­le Dis­kus­sio­nen mit Pro­zess­ex­per­ten die Pa­ra­me­ter des Da­ten­sat­zes re­du­ziert.

Auf die­ser Da­ten­ba­sis ha­ben wir Me­tho­den aus dem Be­reich Data Sci­ence ein­ge­setzt. Ins­be­son­de­re wur­den ver­schie­de­ne Ent­schei­dungs­bäu­me, neu­ro­na­le Net­ze und pro­ba­bi­lis­ti­sche Net­ze ein­ge­setzt, um Ein­fluss­fak­to­ren auf die Qua­li­tät des End­pro­duk­tes zu be­stim­men. Pro­ba­bi­lis­ti­sche Net­ze konn­ten die Ein­fluss­fak­to­ren über Pro­duk­ti­ons­pro­zes­se am bes­ten ab­bil­den. Dar­über hin­aus konn­ten mit die­sen Net­zen Aus­wir­kun­gen der Ände­rung ei­nes Pro­duk­ti­ons­pa­ra­me­ters auf das End­pro­dukt da­ten­ge­stützt si­mu­liert wer­den. Durch die gra­fi­sche Dar­stel­lung der Net­ze ha­ben wir bei den Pro­zess­ex­per­ten schnell Ak­zep­tanz für die ein­ge­setz­ten Me­tho­den ge­schaf­fen und in ge­mein­sa­mer Dis­kus­si­on re­le­van­te  und bis­her nicht be­kann­te Trei­ber für die Qua­li­tät des End­pro­duk­tes über meh­re­re Pro­zess­schrit­te hin­weg iden­ti­fi­ziert.

Nutzen

Maßnahmen zur Produktionsoptimierung identifiziert

Mit Hil­fe der pro­ba­bi­lis­ti­schen Net­ze und der da­ten­ge­stütz­ten Si­mu­la­ti­on für pro­zess­über­grei­fen­de Zu­sam­men­hän­ge wur­de ein deut­lich ver­bes­ser­tes Pro­zess­ver­ständ­nis ge­schaf­fen. Auf Ba­sis die­ser Un­ter­su­chun­gen hat un­ser Kun­de ver­schie­de­ne Op­ti­mie­rungs­maß­nah­men er­grif­fen, und un­ter an­de­rem den Ein­satz ei­nes teu­ren Hilfs­stof­fes re­du­ziert.

Die da­ten­ge­trie­be­ne Mo­del­lie­rungs­um­ge­bung für pro­zess­über­grei­fen­de Zu­sam­men­hän­ge bie­tet den Pro­zess­ex­per­ten un­se­res Kun­den die Mög­lich­keit nun fort­lau­fend durch Ein­bin­dung neu­er Da­ten und in­di­vi­du­el­ler Trei­be­ri­den­ti­fi­ka­ti­on noch wei­te­res Op­ti­mie­rungs­po­ten­ti­al zu he­ben.

Haben wir Ihr Interesse geweckt? Sprechen Sie uns an.

Sprechen Sie uns an

Markus Frondorf

Managing Director

+49 172 7395191

Mail Kontakt

Sprechen Sie uns an

Rico Knapper

Managing Director & Chief Data Scientist

+49 152 22649878

Mail Kontakt

Warum anacision

X