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 +49 711 970-1816
[email protected]
Dr.-Ing. habil. Hans-Hermann Wiendahl
Telefon +49 711 970-1243
[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