Die Fertigungsindustrie setzt vermehrt auf Werkzeuge zur Datenanalyse. Aktuelle Systeme dienen meist dazu, einen Ist-Zustand zu erklären oder einen Ausblick auf kommende Entwicklungen zu geben. Das hilft Unternehmen und beschleunigt Abläufe. Noch besser wäre ein System, das Mitarbeitern detaillierte Handlungsempfehlungen gibt – mit Transparenz über die Auswirkungen der einzelnen Alternativen. Die Einsatzfelder für solche Systeme in der Fertigung sind vielseitig. Unternehmen schaffen es beispielsweise durch sie, Lieferketten und die Sequenz der Fertigungsaufträge zu optimieren. Die Systeme nutzen dabei aktuelle Daten und überlassen die letzte Entscheidung dem verantwortlichen Mitarbeiter.

Ermöglicht wird dieser Ansatz der Prescriptive Analytics durch KI und maschinelles Lernen (ML) zur Verknüpfung und Auswertung der vorliegenden Daten aus der Produktion. Als Basis dafür dient eine intelligente Datenplattform mit integrierter Workflow-Engine, die alle relevanten Daten aus den Systemen, wie zum Beispiel dem MES, in Echtzeit aggregiert, harmonisiert, normalisiert und auswertet.

Gesamte Fertigung genau überblicken

Mit Prescriptive Analytics treffen Unternehmen schneller bessere Entscheidungen. Ein naheliegendes Einsatzgebiet ist die flexible Optimierung der Reihenfolge von Fertigungsaufträgen. Das ist besonders wichtig in der aktuellen, krisenhaften Situation, die den Unternehmen viel Flexibilität abverlangt. Im ersten Schritt hilft die Technologie dabei, eine optimale Fertigungsplanung vorzunehmen. Eine hohe Maschinenauslastung ist damit garantiert. Zudem gibt das System Vorschläge, wenn Mitarbeiter später umplanen müssen, wie beispielsweise aufgrund von Rohstoffknappheit. Es besteht dabei immer eine Verbindung zwischen der Lösung und den beteiligten Systemen – dem MES oder auch dem System für das Enterprise Resource Planning (ERP). Von der Materialbeschaffung bis hin zur Schichtplanung können Unternehmen daher alle Produktionsprozesse in ihren Analysen adressieren und entsprechend steuern.

Eine solche Lösung ist auch eine Grundlage, um Energiekosten zu senken und Nachhaltigkeitsziele zu erreichen. Denn sie kann energieintensive Prozesse automatisch für Zeiten einplanen, in denen Strom besonders günstig ist beziehungsweise aus einer nachhaltigen Quelle zur Verfügung steht.

Durch Prescriptive Analytics sehen Mitarbeiter außerdem den drohenden Ausfall einer Maschine voraus und reagieren dann frühzeitig. Somit können sie den plötzlichen Ausfall einer Maschine vermeiden und die Produktion so umplanen, dass ein optimales Wartungsfenster zur Verfügung steht. Mit Blick auf Prescriptive Analytics geht es auch immer um die Verfügbarkeit, Verknüpfung und Qualität der eigenen Daten. Unternehmen müssen aktuelle und genaue Daten nutzen, damit die Prognosen stimmen. Wie eine Studie der IDC zeigt, fehlt häufig aber eine umfassende Vernetzung zwischen IT und OT.

Datenplattformen

Neben Kernelementen wie dem MES oder ERP-System benötigen Unternehmen deshalb eine weitere Komponente, die für modernes Datenmanagement und Interoperabilität sorgt. Aufbauend darauf kann die neue Technologie rund um Prescriptive Analytics Analysen durchführen, Prozesse optimieren und diese steuern.

Dieses Anforderungsprofil erfüllen moderne Datenplattformen – zum Beispiel IRIS von InterSystems –, die Daten jeden Formats aus diversen Quellen verknüpfen, harmonisieren und normalisieren. Damit brechen sie Datensilos auf und schließen die Lücke zwischen IT und OT. Um die skizzierten Ergebnisse zu erreichen, müssen Unternehmen im Vorfeld bestimmte Maßnahmen ergreifen. Drei Punkte spielen dabei eine wichtige Rolle:

• Anfangs stehen Mitarbeiter vor der Aufgabe, einen klaren Business Case zu definieren und ihre Ziele zu benennen. Dadurch können Unternehmen die Einführung von Prescriptive Analytics wirtschaftlich rechtfertigen und den späteren Erfolg des Projekts vor dem Startschuss belegen.
• Es kommt darauf an, die eigenen Stammdaten zu vereinheitlichen.
• Unternehmen müssen für eine Organisationsentwicklung sorgen. Mangelnde Akzeptanz bei den Betroffenen führt schnell zum Scheitern der Projekte.

Ein erfolgreiches Projekt zum optimalen Zeitpunkt kann ein wichtiges Leuchtturmprojekt werden. Ausgehend von den Erfahrungen mit Prescriptive Analytics können Unternehmen später weitere Projekte zur Prozesssteuerung umsetzen.

Autor: Werner Reuß, Manufacturing Solutions Executive