Interaktiv - Das Kundenmagazin des Fraunhofer IPA 1.2020 | Page 48

48 FuE interaktiv 1|2020 Trackingsysteme zur Verbesserung der Datenqualität KI erklärbar machen Um die Mitarbeiter von der lästigen und nicht-wertschöpfenden Routinetätigkeit der Rückmeldung zu entlasten, verfolgte das Projekt die Umsetzung einer weitgehend automatisierten Bewegungsdatenerfassung. Ein geeignetes Trackingsystem soll den Auftrag auf seinem Produktionsweg verfolgen und die erforderlichen Informationen bereitstellen. Das von TRUMPF entwickelte System Track & Trace verfolgt den Produktions - weg auftragsgenau, ersetzt so die manuelle Buchung durch den Mitarbeiter und verbessert die Datenqualität deutlich. Dieser Ansatz schafft die Grundlagen für eine verbesserte PPS und ist der erste Schritt in Richtung einer vernetzten und selbststeuernden Produktion. Hochwertige Daten sind die Voraussetzung, um mit KI eine Effizienzsteigerung zu erzielen. »Sicherheit, Zuverlässigkeit und Zertifizierbarkeit sind aber allererst mit der »Erklärbarkeit von KI« gegeben«, sagt Jauch. Ein Leitthema der Kooperation sei also, die Arbeitsweise von Neuronalen Netzen nachvollziehbar zu machen. Für die Blechfertigung sind solche Ergeb - nisse von großem Nutzen. Die Ergebnisse der Datenaus wer - tung können die Qualität der Produktion steigern sowie Kosten und Zeit sparen. n Kontakt Christian Jauch Telefon [phone] [email protected] Dr.-Ing. habil. Hans-Hermann Wiendahl Telefon [phone] [email protected] Die Analyse der Bearbeitungsdauern an einer Maschine zeigt einerseits auffällig extreme Werte: Soll- und Ist-Werte weichen auffällig stark voneinander ab (roter Bereich). Diese Prozesse sind also sehr unsicher: Dies deutet entweder auf technische Ur sachen wie Bear beitungen im technologischen Grenz bereich hin oder die Mitarbeiter halten Organisationsregeln nicht konsequent ein (Nullwerte weisen auf eine ge meinsame Be arbei tung und Rückmeldung unterschiedlichen Arbeitsvorgängen, sodass für die anderen dann keine Ist-Zeiten rückgemeldet wurden). Die Analyse zeigt zum anderen auffällig exakte Werte: Entlang der Winkelhalbierenden (gelber Bereich) weichen Soll- und Ist-Werte auf-fällig gering ab. Hier gilt: Entweder ist die Messgenauigkeit zu gering oder die Mitarbeiter haben die Daten so manipuliert, dass Vorgesetzte möglichst nicht nachfragen. Ist Die Analyse der Kundendaten machte große Mängel in der inhaltlichen Datenqualität sowie der Zugriffsmöglich - keiten deutlich. Die Daten waren unvollständig, inkonsistent oder nicht plausibel: Teils waren weniger als 50 Prozent der Daten vollständig; von diesen zeigten wiederum über 30 Prozent inhaltliche Auffälligkeiten (wie oben beschreiben). Darüber hinaus fehlten für wichtige Kenngrößen die Erfassung, sodass auch ihre Bewertung entfiel. Soll auffällig exakt auffällig extrem