Produkt- und Prozessoptimierung durch Data Mining und Predictive Analytics

Technologiedatenbanken zur systematischen Auswertung von Produktionsdaten

Automatisierte Systeme zur Erfassung und Analyse von Maschinen-, Werkzeug- und Qualitätsdaten helfen dabei, die Produkt- und Prozessqualität zu verbessern. Im Kontext von Industrie 4.0 ist hier häufig von der »Single Source Of Truth« die Rede: Alle relevanten Produktionsdaten werden strukturiert und genau einmal abgelegt – völlig ohne Redundanzen. So lässt sich sicherstellen, dass alle Systeme auf dieselben Daten zugreifen und Informationen über Bauteile, Qualität und Prozesse stets aktuell, verlässlich und verbindlich sind. Erst auf dieser Grundlage sind detaillierte und zielführende Datenanalysen möglich.

Das Fraunhofer IPT entwickelt und implementiert solche Technologiedatenbanken und entsprechende Auswertungstools für unterschiedliche Technologien und Fertigungsverfahren. Mit der passenden Software zur Datenanalyse lassen sich Wechselwirkungen und Abhängigkeiten innerhalb der gesamten Herstellungskette aufdecken und Optimierungspotenziale ableiten, wie das Beispiel einer Technologiedatenbank für die Herstellung replikativer Optiken zeigt.

Die Technologiedatenbank für das Blankpressen von Optiken enthält Informationen sämtlicher vor- und nachgelagerter Prozesse wie der Vorbereitung der Formwerkzeuge durch Zerspanprozesse, Werkzeugbeschichtungen, Qualitätsanalysen an der Optik und des Decoatings der Formwerkzeuge. Dafür werden alle relevanten Produkt- und Prozessparameter sowie deren Qualitätsindikatoren in der Technologiedatenbank erfasst. Die Informationen sind eindeutig in Form relationaler Datenstrukturen verknüpft und abgelegt – ganz im Sinne einer »Single Source Of Truth«. Ein benutzerfreundliches Frontend erlaubt über Filterfunktionen eine schnelle Abfrage historischer Datensätze. Um Muster und Abhängigkeiten innerhalb der Prozesskette zu identifizieren, werden diese Datensätze anhand einer standardisierten SQL-Datenbank mit einer Data-Mining-Software, zum Beispiel »RapidMiner«, ausgewertet.

So lassen sich mit neuronalen Netzen, Entscheidungsbäumen oder Korrelationsanalysen schließlich optimale Parameter, Prozessbedingungen und Prozessstrategien zur Steigerung der Effizienz der Fertigung und der Produktqualität ableiten und wieder in das System zurückspielen. Die Technologiedatenbank und die anschließenden Analyseverfahren erlauben es damit, die Produktionsdaten entlang der Prozesskette lückenlos zu erfassen, ganzheitlich zu analysieren und schließlich optimale Prozesseinstellungen abzuleiten. Gegenüber konventionellen Ansätzen wie dem »Design of Experiments« (DoE) steht hier eine deutlich umfangreichere und gründlichere Datengrundlage und -qualität bereit, mit der sich sowohl Prozessabhängigkeiten als auch optimale Parameter identifizieren und analysieren lassen.