Industrie 4.0

Industrie 4.0 in der Lackherstellung

Vorteil: Qualitätsstandards im Automotive Bereich einhalten, Kosten für Nacharbeiten senken
Daten: Informationen zum Maschinenstatus in Echtzeit
Methoden: Datamining um Strukturen und Muster zu erkennen

Während die klassischen Methoden der Statistik in der Regel darauf ausgelegt sind, aus kleinen Datenmengen Erkenntnisse zu gewinnen, sind die Methoden des Datamining, oder präziser des Knowledge Discovery in Databases (KDD), darauf ausgelegt mit wesentlich größeren Datenmengen zu arbeiten. Datamining-Methoden zeichnen sich durch eine Loslösung von den klassischen Verteilungsannahmen bzw. Wahrscheinlichkeitsüberlegungen der Statistik aus. Damit sind die Methoden oft einfacher nachvollziehbar und problembezogener.

Sowohl im Marketing (Marktsegmentierung, Warenkorbanalysen), wie auch im Finanzsektor (Kredit-Scoring, Fraud-Detection) gehört Datamining heute zum Standard. Mit dem immer größer werdenden Umfang an verfügbaren Daten steigt die Zahl der möglichen Anwendungsgebiete stetig an. So wird Datamining heute auch im produzierenden Sektor (Automotive) und bei zahlreichen Dienstleistungen (Empfehlungsdienste, Personenbezogene Werbung) angewendet.

Um diese Möglichkeiten auch in Ihrem Unternehmen zu Verwirklichen unterstützt Statcon Sie angefangen bei der Definition von möglichen Use Cases in Ihrem Anwendungsbereich, über die Daten-Aufbereitung und -Selektion bis hin zur endgültigen Implementierung der Methoden und der Integration in Ihre Geschäftsprozesse. Jahrelange Erfahrung erlaubt es uns zielsicher die richtigen Methoden und die notwendigen Softwarepakete empfehlen zu können. Unsere Consultants kennen nicht nur die gängigen Methoden aus dem Bereich KDD, wie

Prognosemodelle (CART, Ensembles, Support Vector Machines, Neuronale Netze)
Assoziationsregelanalysen (Apriori, Eclat)
Clusteralgorithmen (Hierarchisches Clustern, paritionierende Verfahren, wie k-Means und dichtebasierte Verfahren, wie DBSCAN)

sondern stehen auch ständig im Kontakt mit der Wissenschaft und verfolgen die neuesten Trends in diesen Forschungsbereichen.

Gleichzeitig gibt uns unser Status als größter europäischer Reseller von Statistiksoftware einen exzellenten Überblick über die wichtigen Entwicklungen im Bereich der Datamining-Tools. So können wir Ihnen aus der Vielzahl von Datamining-Paketen (SAS-Enterprise Miner, JMP, R, RapidMiner, Revolution R, SPSS Modeller) immer das günstigste Produkt empfehlen, das Ihren Anforderungen entspricht.

Problem

Der Kunde ist ein globaler Technologie- und Marktführer auf dem Gebiet der metallverarbeitenden Unternehmen, welches Metallpulver, Effektpigmente sowie Metallfolien herstellt. Geplant ist die Digitalisierung einer Prozesskette, um die schwankende Produktqualität bei der Herstellung unter Kontrolle zu bringen. Des Weiteren war unklar, ob die Qualität des Produktionsprozesses oder dem Rohstoff des Lieferanten liegt. Insbesondere als Zulieferer für die Automobilindustrie müssen enge Spezifikationen eingehalten und nachgewiesen werden. Zu Beginn gab es keine Datenbank oder historische Daten. Diese enthielt zahlreiche Datensätze von Maschinen in gutem Zustand, jedoch nur wenige Datensätze mit einer Zuordnung zu bestimmten Fehlerfällen.

Ziel

Ursachenforschung für mögliche Qualitätsschwankungen zu identifizieren Die Prozessfähigkeit des Herstellungsprozess evaluieren Eine Datenbank und Datenbankstruktur, um mögliche Fehlerursachen zu finden

Ergebnis

Dieses Projekt ist eines von vielen Beispielen, bei denen Digitalisierung eines traditionsreichen Unternehmens vorangetrieben wurde. Durch den Einsatz von geeigneten Algorithmen und Technologien konnten die Ursachen für die Qualitätsschwankungen identifiziert und KPI`s zur Überwachung identifiziert werden.