Datengetriebene ProzessmodelleIntelligente Prozessanalyse- und optimierung

Bei der klassischen statistischen Auswertung von Prozessdaten zur Bestimmung von Kennzahlen, zeitlichen Trends sowie zur Regressionsanalyse kommen regelbasierte Algorithmen zum Einsatz. Dies führt bei großen Datenmengen zu hohen oder nicht mehr akzeptablen Auswertezeiten. Teils wird aufgrund der Anzahl der zu berücksichtigenden Parameter oder Einflussgrößen kein brauchbares Modell zur Vorhersage oder Optimierung von Prozessparametern gefunden.

IconPro implementiert dort, wo klassische statistische Auswertungen an ihre Grenzen stoßen, Machine Learning Algorithmen zur automatischen Auswertung von Prozessfähigkeiten sowie zur Trendanalyse und Ableitung von Korrelationen zwischen Prozess- und Qualitätsparametern. Durch die datengetriebene Modellierung erhalten die Kunden in vergleichsweiser kurzer Zeit Lösungen, die robuster und fähiger im Vergleich zum Stand der Technik sind oder nach diesem gar nicht möglich wären. Außerdem lassen sich durch die Kombination von Process Mining und Data Mining auch Prozessabläufe ableiten, analysieren und im Hinblick auf Produktivität und Qualität optimieren.

Wählen Sie Ihr Anwendungsgebiet

Ihre Vorteile

Weniger Voreinstellungen
Höhere Auswerte­genauigkeiten
Verkürzte Auswertezeiten

Machine Learning für die Prozessfähigkeitsbestimmung

Nutzen Sie als Qualitäts- oder Produktionsmanager die Vorteile künstlicher Intelligenz bei den Auswertungen Ihrer Prozess- und Maschinenfähigkeiten für sich. Machine Learning Verfahren eignen sich besonders gut für die voll-automatisierte und schnelle Bestimmung von cp und cpk Werten. Es sind dafür weniger manuelle Voreinstellungen und Vorgaben nötig als mit herkömmlicher Auswertesoftware.

Die für die Fähigkeitsbestimmung wichtige Klassifizierung des Verteilungsmodells zu den vorliegenden Prozessdaten, d.h. zum Beispiel Normalverteilung oder Weibullverteilung, wird automatisch durchgeführt und ohne notwendig anzugebende Annahmen. Außerdem bietet unsere Lösung eine höhere Auswertegenauigkeit. Dadurch profitieren Sie von Prozessfähigkeitswerten, die Ihre Prozesse realistischer wiederspiegeln. Auch die benötigte Rechenzeit wird signifikant gesenkt, was Ihnen besonders bei großen Datensätzen Vorteile verschafft.

Best Practices

Qualitätssicherung in der Produktion

Prüfung von Form- und Lagetoleranzen gefertigter Werkstücke

  • Prozessfähigkeiten
  • Live-Visualisierung

Lebensmittelproduktion

Überwachte Einhaltung von Prozessparametervorgaben in der Lebensmittelproduktion

  • Prozessfähigkeiten
  • Stichprobenanalyse

Anlagenbetrieb

Überwachte Einhaltung von Betriebsparametervorgaben prozesstechnischer Anlagen

  • Prozessfähigkeiten
  • Trenderkennung

Ihre Vorteile

Reduzierter Ausschuss
Minimierte Inspektionskosten
Verkürzte Durchlaufzeiten

Predictive Quality

Beim prädiktiven Qualitätsmanagement geht es darum Prozessparameter aus der Fertigung mit Qualitätsdaten zu korrelieren. Damit wird basierend auf den aufgenommenen Prozessdaten die Vorhersage der Qualität von Bauteilen sowie eine automatische Fehlerursachenanalyse bei Qualitätsproblemen möglich. Die Ziele sind hier die Optimierung von Prozessen zugunsten der Qualität sowie die Reduzierung von Prüfaufwänden. Aufgrund der Vielzahl von Prozessparametern sowie häufig nicht-linearer Zusammenhänge bietet sich für solche komplexe Regressions- und Korrelationsanalysen die Verwendung künstlicher neuronaler Netze an.

Diese Netze werden auf Basis von relevanten Daten, welche aus Datenbanken der Produktions- und Qualitätsüberwachung extrahiert werden, trainiert. Falls derartige Daten in einer ausreichenden Qualität vorhanden sind und die Daten sich einzelnen Werkstücken oder Werkstückchargen zuordnen lassen, wird eine solche Analyse möglich.

Best Practices

Serienfertigung von Motorkomponenten

Reduzierung des Aufwands bei der Prüfung rotationssymmetrischer Teile

  • Qualitätsvorhersage
  • Stichprobendynamisierung

Herstellung von Rasierklingen

Qualitätsorientierte Optimierung des Ätzprozesses

  • Qualitätsvorhersage
  • Prozessoptimierung

Pharmazeutika

Fehlerursachenanalyse zur Reduzierung von Ausschuss bei der Herstellung pharmazeutischer Stoffe

  • Historische Datenkorrelation
  • Fehlerrückführung

Ihre Vorteile

Transparentere Prozesse
Reduzierter Ausschuss
Verkürzte Durchlaufzeiten

Production Process Mining

Mit Hilfe von Process Mining lassen sich reale Prozessabläufe aus Ereignisdaten ableiten, laufende Vorgänge in der Prozesslandschaft visualisiert überwachen und Abweichungen von Vorgaben entdecken. Außerdem können zeitliche Bottlenecks erkannt und bei der nächsten Prozessplanung eliminiert werden. Durch die Verbindung von Process und Data Mining Verfahren lassen sich Abläufe und Kennwerte, wie Ausschussrate oder Durchlaufzeit, vorhersagen.

Daraus können Empfehlungen für Prozesswege zur Optimierung von Qualität und Produktivität abgeleitet werden. Die für diese Analyse notwendigen Ereignisdatensätze werden typischerweise aus MES (Manufacturing Execution Systems) oder ERP-Systemen (Enterprise Resource Planning) extrahiert. Die Datensätze, auch Eventlogs genannt, müssen dabei mindestens einen Aktivitätsnamen, einen Zeitstempel und eine Vorgangsnummer beinhalten.

Best Practices

Halbleitertechnikanlagen

Reduzierung der Durchlaufzeit bei der Funktionsprüfung mit großer Variantenvielfalt

  • Prozessmodellierung
  • Bottleneck-Analyse

Werkzeugbau

Minimierung von Ausschuss in einer Produktionslinie mit großer Variantenvielfalt

  • Prozessmodellierung
  • Qualitätsvorhersage

Herstellung von Turboladern

In-Line Minimierung von Ausschuss bei der Serienfertigung von Rotationsteilen

  • Prozessmodellierung
  • Bottleneck-Analyse

Unsere Services

Prüfung der Datenqualität

Nachdem Sie uns Ihren Anwendungsfall und die Zielsetzung geschildert haben, prüfen wir die Qualität der bereitgestellten Daten im Hinblick auf die Machbarkeit.

Anwendungsimplementierung

Auf einen positiven Proof-of-Concept folgt die Implementierung der Anwendung, deren Bedienung und Schnittstellen auf Ihre technischen Randbedingungen zugeschnitten sind.

Vorverarbeitung von Daten

Die Art des Datenformats oder der Datenbank spielt für uns keine Rolle. Wir verarbeiten alle Arten von Datenstrukturen und richten uns ganz nach Ihnen.

Bereitstellung

Wir stellen die finale Software für die von Ihnen spezifizierte Umgebung als ausführbare Datei bereit und testen diese vorher ausführlich.

Machine Learning Auswertung

Nach der groben Auswahl des Verfahrens in Abhängigkeit des Anwendungsfalls werten wir Ihre Daten mittels modernster Machine Learning Algorithmen aus.

Datenschutz

Die Vertraulichkeit Ihrer Daten ist für uns selbstverständlich. Der Schutz sensibler Informationen ist integraler Bestandteil unserer Dienstleistung.

Haben wir Ihr Interesse geweckt?

Melden Sie sich!

Vereinbaren Sie einen Video-Call mit uns oder lassen Sie uns persönlich über Ihren Use Case sprechen.