Mit Data Science Produktqualität verbessern und Produktivität steigern

Branche: Industrie und Produktion

Aufgabenbereich: Produkt Management, Produktion, Qualitätsmanagement

Herausforderung

Im Rahmen des Projektes soll eine solide Datengrundlage der Produktionsdaten geschaffen werden. Diese Daten sollen einerseits in anschaulichen Dashboards visualisiert werden und sind die Grundlage für die Berechnung des OEE. Durch eine genaue Analyse der Daten sollen die Einflussfaktoren auf die Produktqualität identifiziert werden.

Lösung

Um sinnvolle und wertvolle Aussagen treffen zu können, ist die Basis eines jeden Data Science Projektes die „richtigen“ Daten zu haben. In der richtigen Qualität und Granularität.

Daher war auch der erste Schritt in diesem gemeinsamen Projekt die Anbindung sämtlicher Maschinen einer Produktionslinie. In einer zentralen IoT-Plattform stehen diese zur übergreifenden Auswertung zur Verfügung. Dafür wurde von den IoT-Experten der ACP CUBIDO die IoT-Architektur, Datenspeicherung sowie Datenmanagementstruktur erstellt. Auf eine einfache Erweiterbarkeit wurde hier besonders geachtet.

Diese Daten, sowie Daten aus anderen Vorsystemen (z.B. SAP), werden zur Berechnung einiger KPIs herangezogen und in Dashboards übersichtlich dargestellt. Je nach Berechtigung stehen in diesen automatisierten Dashboards ein Soll/Ist-Vergleich, der OEE, produzierten Stückzahlen sowie Produktionsdurchlaufzeiten in Echtzeit zur Verfügung. Es wurden für drei verschiedene Personas unterschiedliche Dashboard-Ansichten entwickelt, sodass jeder die für ihn relevanten Daten im Überblick hat.

Nachdem eine solide Datengrundlage geschaffen wurde, war der nächste Schritt die Analyse dieser Daten von Data Scientisten, um relevante Einflussfaktoren auf die Produktqualität herausfinden zu können. Dabei konnten einerseits Hinweise für eine erhebliche Prozessverbesserung entdeckt und andererseits einige Faktoren identifiziert werden, die direkten Einfluss auf die Produktqualität haben. Mit diesem Wissen konnte die SAG die Produktion von Schlechtteilen weiter reduzieren und erreichte zum Teil eine Steigerung der Produktivität um rund 30%.

Zudem ist nun eine durchgängige Nachvollziehbarkeit der Produktionsdaten gewährleistet. Informationen, die früher händisch und zeitaufwändig erfasst werden mussten, stehen nun zuverlässig und unmittelbar auf Knopfdruck zur Verfügung. So können Entscheidungen bzw. Maßnahmen rascher und auf Basis von wahren Maschinendaten getroffen werden.

Wie wichtig eine gute abteilungs- und organisationsübergreifende Zusammenarbeit im Projektteam ist, hat sich auch in diesem Projekt wieder gezeigt. Denn solche hervorragenden Ergebnisse können nur gemeinsam erreicht werden. Und nur, wenn aus verschiedensten Fachabteilungen relevantes Know-how einfließt.

In Nachfolgeprojekten sind Erweiterungen auf zusätzliche Produktionslinien am österreichischen Standort sowie auch auf weitere internationale Standorte geplant. Somit wird zum einen die Digitalisierung in allen Standorten forciert und zum anderen sind durch eine breitere Datenbasis auch umfassendere Analysen möglich.

Nutzen

In dem gemeinsamen IIoT-Projekt wurde eine gesamte Produktionslinie angebunden, diese Daten in übersichtlichen Power BI Dashboards visualisiert und der OEE auf Basis valider Maschinen- und SAP-Daten berechnet. Anschließend wurden mit Analysen der erhobenen Daten jene Parameter identifiziert, die Einfluss auf die Produktqualität haben. So konnte die Produktivität um bis zu 30% gesteigert werden.

https://www.cubido.at/success-stories/sag-iiot-datascience