Industry 4.0

Industrie 4.0 in der Lackherstellung

Advantage: Adhere to quality standards in the automotive sector, reduce costs for rework
Data: Real-time machine status information
Methods: Data mining to identify structures and patterns

While the classical methods of statistics are usually designed to gain insights from small amounts of data, the methods of data mining, or more precisely Knowledge Discovery in Databases (KDD), are designed to work with much larger amounts of data. Datamining methods are characterized by a detachment from the classical distribution assumptions or probability considerations of statistics. Thus, the methods are often easier to understand and more problem-oriented.

Both in marketing (market segmentation, shopping cart analyses) and in the financial sector (credit scoring, fraud detection), data mining is now standard practice. With the ever increasing amount of available data, the number of possible application areas is constantly growing. Datamining is now also used in the manufacturing sector (automotive) and in numerous services (recommendation services, personalized advertising).

In order to realize these possibilities in your company, Statcon supports you from the definition of possible use cases in your application area, through data preparation and selection, to the final implementation of the methods and integration into your business processes. Years of experience allow us to unerringly recommend the right methods and the necessary software packages. Our consultants not only know the common methods in the field of KDD, such as

Prediction models (CART, Ensembles, Support Vector Machines, Neural Networks)
Association rule analyses (Apriori, Eclat)
Cluster algorithms (hierarchical clustering, paritioning methods, such as k-Means and density-based methods, such as DBSCAN)

but are also constantly in contact with the scientific community and follow the latest trends in these research areas.

At the same time, our status as the largest European reseller of statistical software gives us an excellent overview of the important developments in the field of data mining tools. Thus, we can always recommend the most favorable product from the multitude of datamining packages (SAS-Enterprise Miner, JMP, R, RapidMiner, Revolution R, SPSS Modeller) that meets your requirements.

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.