Industrie 4.0 und Business Intelligence

Schnelle Entscheidungsfindung mit automatisierten fachlichen Analyseprozessen

Fortsetzung des Artikels solvistas in Kanada – BI und Industrie 4.0<b style="font-family: Verdana, sans-serif; font-size: 12px;">&nbsp;</b> Im World Wide Web kommunizieren mehr Geräte als Menschen miteinander. Bis 2020 werden Prognosen zufolge 26 Milliarden Dinge im Internet vernetzt sein. Werden Laptops, PCs und Smartphones dazugezählt, kommt man auf 33 Milliarden. Laut Gartner ist eine der Branchen, die am meisten von dieser Entwicklung profitiert, die Produktion.&nbsp;

Die vierte industrielle Revolution und ihre Ziele

Mit Industrie 4.0 wurde die vierte industrielle Revolution eingeleitet, in der die Digitalisierung der Fertigungstechnik und Logistik vorangetrieben wird. Cyber-physische Systeme, die mit Hilfe des „Internets der Dinge“ kommunizieren (Maschine-Maschine-Kommunikation), ermöglichen die Umsetzung einer „intelligenten Fabrik“ (Smart Factory).

Im Vordergrund steht eine starke Individualisierung der Produkte unter den Bedingungen einer hoch flexibilisierten Massenproduktion (mass customization).

Der „Rohling“ sagt der intelligenten Maschine, wie er bearbeitet werden will. Ziel ist es, mit cyber-physischen Systemen (z.B. intelligente Maschinen, Lagersystem oder Betriebsmittel) eine echtzeitgesteuerte, smarte Produktion, die sich noch stärker an individuelle Kundenanforderungen anpasst und gleichzeitig den Stückpreis senkt, zu ermöglichen.

Der Fokus wird stark auf Software, Systeme und Big Data-Analysen gelegt, um Qualität, Durchlaufzeit und Auslastung noch stärker optimieren zu können. Kunden und Geschäftspartner sind direkt in Geschäfts- und Wertschöpfungsprozesse eingebunden, und die Produktion wird mit hochwertigen Dienstleitungen verbunden. Intelligente Monitoring- und Entscheidungsprozesse steuern und optimieren das Unternehmen annähernd in Echtzeit.

Neue Herausforderungen an Business Intelligence (BI) Systeme

Aus den Zielen von Industrie 4.0 ergeben sich neue Herausforderungen für BI-Systeme. Um eine hohe Produktivität, Qualität und Flexibilität zu gewährleisten, müssen schnell richtige Entscheidungen (sowohl strategische als auch operative) getroffen werden.

Große komplexe Datenmengen (Big Data), die außerhalb und innerhalb des Unternehmens generiert werden (z.B. im Produktionsprozess), müssen möglichst zeitnah für Analysen bereitstehen, um effektive, effiziente Problemlösungen und Prozessverbesserungen zu erreichen.

Um sinnvolle Analysen durchführen zu können, wird Expertenwissen über verschiedene fachliche Bereiche (Produktionsprozess, Beschaffung, Produktanforderungen usw.) benötigt. Häufig existiert dieses Wissen nur in den Köpfen der Fachleute und muss von Analysten/-innen mühsam erarbeitet und angewendet werden.

Schnelle Entscheidungsfindung mit automatisierten fachlichen Analyseprozessen

Die Modellierung von Fachbereichswissen über Datenanalyseprozesse ermöglicht die Offenlegung von Expertenwissen und den automatisierbaren Abruf bei der Durchführung von Analyseaufgaben zum schnellen Auffinden von sinnvollen Entscheidungen (sowohl strategischer als auch operativer Natur).

Beispielsweise verlangt der Ausfall einer Materialbestellung in der Beschaffung eine möglichst automatisierte Herangehensweise im Analyseprozess, um zeitnahe Problemlösungen zu finden, mit denen negative Auswirkungen auf die Produktion vermieden werden (Abb. 1).

Abb. 1 (Quelle: T. Neuböck, M. Schrefl: Modelling Knowledge about Data Analysis Processes in Manufacturing)

Verschiedene fachliche Analysesituationen werden modelliert (Abb. 2) und in einer logisch sinnvollen Reihenfolge verbunden (Abb. 3), um die Anwendung von Expertenwissen im Analyseprozess abzubilden.

Abb. 2 (Quelle: T. Neuböck, M. Schrefl: Modelling Knowledge about Data Analysis Processes in Manufacturing)
Abb. 3 (Quelle: T. Neuböck, M. Schrefl: Modelling Knowledge about Data Analysis Processes in Manufacturing)

Tritt nun eine Problemstellung auf (z.B. Ausfall einer Materialbestellung), die möglichst schnell und effektiv gelöst werden soll, kann der modellierte Analyseprozess (halb-)automatisch abgearbeitet werden. Passende Datenabfragen werden Schritt für Schritt generiert und in einem Data Warehouse ausgeführt (Abb. 4). Fachliches Expertenwissen wird automatisiert bereitgestellt und angewendet (z.B. bei der Suche nach passenden Ersatzmaterialien für hitzebeständige Endprodukte).

Abb. 4 (Quelle: T. Neuböck, M. Schrefl: Modelling Knowledge about Data Analysis Processes in Manufacturing)

Fazit

Industrie 4.0 stellt neue Herausforderungen an Business Intelligence, um Problemfelder effizient zu analysieren und schnelle Entscheidungsfindungen zu ermöglichen. Die Entwicklung von BI-Werkzeugen, mit denen fachliche BI-Analyseprozesse festgelegt und automatisch abgearbeitet werden können, stellt einen wichtigen Schritt dar, um diese Herausforderungen zu bewältigen.

Publikationen

Quellennachweis:

Siemens, Pictures of the future, Das Magazin für Forschung & Innovation

http://www.vdi-nachrichten.com/Aus-VDI/Industrielle-Revolution-Menschen-dienen

Autor: Thomas Neuböck, Managing Consultant