Prozessmanager argumentieren, dass Qualitätsprüfungen zum Wertschöpfungsprozess gehören; schließlich garantieren sie fehlerfreie Produkte und damit zufriedene Kunden. Aus unternehmerischer Perspektive ist es dennoch ärgerlich, wenn serienbegleitende Messungen hohe Kosten verursachen. So hat es zumindest ein Hersteller für Compound-Werkstoffe gesehen, der in der Vergangenheit jeden Batch seiner Kautschukmischungen aufwendig geprüft hat.
Die übliche Praxis in dieser Industrie kann man sich folgendermaßen vorstellen: Nach jedem Mischvorgang wird etwas Gummimischung ins Labor gegeben. Dort wird die Probe für die Messung zunächst vorbereitet und in ein Viskosimeter gegeben. Ein paar Minuten später liefert das Gerät aussagekräftige Qualitätswerte, die abgelesen und in einer Excel-Liste dokumentiert werden. Liegt ein Wert außerhalb der Toleranz, wird der Verantwortliche in der Produktion informiert, um den Prozess zu justieren. Doch in der Zwischenzeit sind weitere Chargen produziert worden, die mit großer Wahrscheinlichkeit ebenfalls n.i.O., also nicht in Ordnung sind.
Das suboptimale Prinzip, Qualität zu (er-)prüfen, statt sie zu produzieren, wollte der Mischungshersteller nicht länger hinnehmen. Auf Grundlage einer zentralen Datenhaltung im Data Warehouse von smartPLAZA konnte mit wenigen Klicks ein Vorhersagemodell erstellt werden, das die Batchqualität auf Basis der Mischer- und Rohstoffdaten prognostiziert. Die Aufgabe bestand nun darin, die Modellgüte zu stabilisieren und optimieren, so dass in allen Situationen zuverlässige Prognosen getroffen werden. Als großes Plus erwiesen sich hierbei die historischen Daten, die genutzt werden konnten, um die Modelle zu trainieren und zu testen. Über einen längeren Zeitraum wurden die Vorhersagen nun immer wieder durch konventionelle Messungen validiert. Mit dieser empirischen Erfahrung konnte jetzt endlich das eigentliche Ziel anvisiert werden: Handlungsempfehlungen für den Maschinenbediener zu implementieren. Dazu entwickelte das DatenBerg-Team eine Sonderlösung, mit der die stetigen Qualitätsdaten aus der Prognose in einfache Informationen für den Werker übersetzt und auf einem Dashboard direkt an der Linie angezeigt werden. Kurz bevor sich die Klappe des Mischers öffnet und das Compound auswirft, erscheint auf dem Monitor eine von drei möglichen Optionen: Im Idealfall heißt es: „Mischung i.O. (in Ordnung)“, so dass der Batch ohne Prüfung automatisch freigegeben wird. Indiziert die Vorhersage einen klaren Ausschuss, erscheint ein rotes Ampelzeichen mit dem Hinweis „Mischung n.i.O. – Batch verwerfen“. Nur in Grenzsituationen, wenn das Produktionsergebnis in der Nähe der Toleranzmarken liegt, gibt der virtuelle Prozess-Assistent die Anweisung, eine Qualitätsprüfung vorzunehmen.
Eine echte Erfolgsgeschichte, die zeigt, dass moderne Technologie auch traditionelle Industrien aufmischen kann. Konkret konnte das Unternehmen mit dieser Lösung nicht nur auf 70% der Qualitätsprüfungen verzichten, auch die Ausschussquote wurde erheblich reduziert. So werden Jahr für Jahr signifikante Kosteneinsparungen realisiert, die das Management reinvestieren möchte – in die nächste KI-Anwendung. Das neue Ziel: Die Handlungsempfehlungen sollen erweitert werden, so dass die Dosierung der Mischungskomponenten im Prozess dynamisch geregelt werden kann.
Weitere Anwendungsbeispiele
