Kunden-Forschungsprojekt Predictive Analysis

Predictive Analysis in cronetwork MES

Wir erweitern unser Kooperationsprojekt mit der Wirtschaftsuniversität Wien und dem Forschungsunternehmen RISC um das entsprechende Praxis-Know-how.

Wir möchten daher Sie als Industrie Informatik Kunde herzlich einladen und zu unserem Forschungspartner machen.

Die Ausgangssituation

Durch die fortschreitende Digitalisierung und Industrie 4.0, steigen auch in der Fertigung die Anforderungen an die effiziente Verarbeitung größerer Datenmengen (Big Data) und deren flexibler Nutzung – und das idealerweise in (annähernder) Echtzeit.

Folgende Ziele werden im Allgemeinen damit verfolgt:

Rückschlüsse für die zukünftige Planung auf Basis der anfallenden Daten
Ableitung laufender Optimierungspotenziale
auf Basis all dessen: der Blick in die Zukunft und somit das Thema Prediction

Diese Ziele stellen uns und auch Sie als User vor neue Herausforderungen und erfordern die Entwicklung neuartiger Datenstrukturen, Algorithmen und Verfahren, die derzeit in MES bzw. im Bereich von Produktionssystemen noch nicht vorhanden sind.

Die aktuelle PWC-Studie “Digital Factories 2020 – Shaping the future of manufacturing” besagt: “Viele Unternehmen setzen Data Analytics bereits ein, um ihre Ressourcen und Prozesse zu optimieren. Die verschiedenen Punkte innerhalb der Fabrik und im gesamten Ökosystem zu verbinden und Informationen intelligent zu nutzen, wird für Unternehmen elementar wichtig, um wettbewerbsfähig zu bleiben.”
30 Prozent der Befragten nutzen schon heute Datenanalysen, um ihre Prozesse und Produktqualität zu optimieren. 2022 soll der Anteil bei 65 Prozent liegen.

Ziele & Nutzen

Basierend auf dem Standard-Datenmodell von cronetwork und in Kombination mit vordefinierten Methoden aus Vergangenheitsdaten können vereinfacht gesagt unter dem Stichwort “Predictive Analysis” Vorhersagen für die Zukunft getroffen werden.

Mit der Möglichkeit, in kundenspezifischen Projekten weitere Daten wie z.B. Wetter in das Modell aufzunehmen, sollen so noch bessere und individualisierte Vorhersagen für die Produktion geschaffen werden. Das Ergebnis für unsere Kunden: Einsparung an Kosten (Material, Zeit, etc.) bei gleichzeitiger Steigerung des Umsatzes (Durchsatz).

Mittels Erweiterung der Daten aus Tracking und Tracing auf Einzelteilebene (selbst bei kurzen Durchlaufzeiten mit hohen Mengengerüsten), wird die Standard-Datenbasis in cronetwork hinsichtlich “Predictive-Analysis-Maßnahmen” signifikant verbessert. Ein weiteres Ergebnis daraus sind neue Entscheidungsautomatismen hinsichtlich der Produktionswege einzelner Teile in Ihrem Shopfloor.

KURZ GESAGT: Wir haben uns das Ziel gesetzt, generische Anwendungsmodelle zu entwickeln, die auch mittelständischen Unternehmen den Umgang mit großen Datenmengen vereinfachen und so den Weg in Richtung Industrie 4.0 und Digitalisierung ebnen.

Das Forschungsprojekt

Am Projekt “Predictive Analysis” werden insgesamt vier Instanzen teilnehmen:

Wirtschaftsuniversität Wien
RISC Forsschungsunternehmen
Industrie Informatik Kunden
Industrie Informatik

Dadurch sollen sowohl Praxis-Know-how und technische Gegebenheiten, als auch der aktuelle Stand der Forschung ineinanderfließen und möglichst gesamtheitliche Ergebnisse liefern. Die gemeinsame Vorgehensweise umfasst folgende Punkte:

Erarbeitung möglicher Anwendungsfelder auf Basis der vorhandenen Daten sowie der Möglichkeiten der „Vorhersage“ im Zusammenwirken mit diversen Parametern, wie Laufzeitverhalten, Eintrittswahrscheinlichkeit, etc.
Research/Ausarbeitung der möglichen Algorithmen, Verfahren und Technologien für das genannte Anwendungsziel
Bewertung und Auswahl der passendsten Algorithmen, Verfahren und Technologien (ggf. via Proof-of-Concept-Entwicklungen)
Entwicklung der Algorithmen, Verfahren und Technologien für die ausgewählten Anwendungsfälle und ggf. eines „Baukastensystems“ für die einfache Erweiterbarkeit
Erprobung der Algorithmen, Verfahren und Technologien anhand konkreter Massendaten
Ggf. Erprobung von Echtzeitdatenverarbeitungstechnologien, falls die derzeit verwendeten Technologien keine nachhaltig ausreichende Performance liefern

Dieses Projekt wird mit Mitteln des Europäischen Fonds für regionale Entwicklung kofinanziert. Nähere Informationen zu IWB/EFRE finden Sie auf www.efre.gv.at

Die Umsetzung

Zur konkreten Ausarbeitung der Fallbeispiele setzen wir auf Ihre Teilnahme am Projekt! Konkret gibt es zwei Möglichkeiten, daran teilzunehmen:

Gestaltungsgruppe

Sie arbeiten in Vor-Ort-Workshops aktiv an der Entwicklung der Fallbeispiele mit. Sie haben alle Gestaltungsmöglichkeiten und bringen Ihre Expertise ein.

Für den Vor-Ort-Workshop der Gestaltungsgruppe ist folgender Termin in Linz geplant:

Montag, 11. Juni, 09:00 – 17:00 Uhr

Reflektionsgruppe

Die Zwischenergebnisse aus der Gestaltungsgruppe werden in der Reflektionsgruppe regelmäßig via Webcast präsentiert und im Anschluss reflektiert. Sie geben Feedback können so auch noch Ihre Expertise einfließen lassen.

Die Termine für die Reflektionsgruppe ergeben sich durch die Arbeit in der Gestaltungsgruppe und werden auf jeden Fall bald genug kommuniziert.

Wir werden uns in den nächsten Tagen mit Ihnen in Verbindung setzen und weitere Details bzw. eine mögliche Teilnahme am Forschungsprojekt “Predictive Analysis” mit Ihnen durchsprechen.

Im Idealfall können Sie uns bis dahin schon eine Teilnahme an einer der beiden Gruppen zusagen, bzw. sogar Ihren favorisierten Termin für das Treffen der Gestaltungsgruppe bekanntgeben. Die Gestaltungsgruppe wird aus 3-5 teilnehmenden Unternehmen bestehen. Der Kreis der Reflektionsgruppe wird etwas größer gezogen und bis zu 20 Unternehmen beinhalten. In beiden Fällen gilt das First Come, First Serve Prinzip.

Sie möchten schon jetzt Ihre Teilnahme fixieren und sich zu einer der beiden Gruppen anmelden? Wir freuen uns auf Ihre Kontaktaufnahme:

Markus Maier
+43 732 / 6978 – 21
markus.maier@industrieinformatik.com

Die Projektpartner

Wirtschaftsuniversität Wien - Institute for Production Management

Ansprechperson: Univ. Prof. Mag. Dr. rer. soc. oec. Alfred Taudes

Prof. Alfred Taudes forscht und arbeitet unter anderem in den Bereichen Operations und Supply Chain Management, Marketing Engineering sowie Industrie 4.0 and Big Data. Er hat mehr als 150 Artikel in internationalen Journalen – wie beispielsweise Management Science, European Journal of Operational Research, International Journal of Production Economics – veröffentlicht. Seine aktuellen Studien fokussieren auf die Auswirkungen von Big Data auf Operations und Engineering, sowie Wissenskreation und Entscheidungsfindung bei unvollständiger Information.

In diesem Projekt wird das Institute for Production Management das Know-how in den Bereichen Predictive Analytics einbringen und aufgrund der laufenden Forschungen und der Erfahrungen die optimale Ergänzung für das Projekt darstellen.

RISC Software GmbH - Außeruniversitäre F&E Gesellschaft

Ansprechperson: Hr. Robert Keber

Die RISC Software GmbH ist ein etabliertes, national und international anerkanntes Forschungsunternehmen, das zu 80 % im Eigentum der Johannes Kepler Universität Linz sowie zu 20 % im Eigentum der Upper Austrian Research GmbH (Land Oberösterreich) steht. Das Unternehmen verbindet Expertise im Bereich Mathematik und Informatik mit Praxiserfahrung und entwickelt in interdisziplinären Teams innovative Lösungen für Wirtschaft, Medizin und Industrie.

Als einer von vier Forschungsbereichen konzipiert und entwickelt die Unit Logistics Informatics (RISC-LI) Software zur Planung, Optimierung, Simulation und Steuerung von Prozessen (z.B. Mathematische Optimierung von Produktionsprozessen, Planung und Simulation von Liefernetzwerken, Intralogistik oder innerbetriebliche Materialflüsse). Sie bildet die gebündelte Fachkompetenz in smarter Transportlogistik, Informationssysteme für Logistiknetzwerke sowie Materialfluss- und Produktionsplanung. Dabei sind Branchenkenntnisse genauso wichtig wie technisches Know-how und die anwendungsorientierte Forschung in diesem Bereich.

Im vorliegenden Projekt wird die RISC Software GmbH in den Bereichen “Predictive Analysis” und “Neue Planungsansätze” (Produktionsfeinplanung) mit der bestehenden Expertise und neuen Forschungsansätzen unterstützen.