Wie entwickelt man einen modularen Prozessmotor für die Fertigungsindustrie?

Die Entwicklung eines modularen Prozessmotors für die Fertigungsindustrie

• Stephanie Lamar von der Technischen Universität München hat einen ein modulares Prozessmotor genannt CPE (Cloud Process Execution Engine) entwickelt, der speziell für die Fertigungsindustrie angepasst ist.

• Der CPE ermöglicht es, verschiedene Produktionsprozesse in der Fertigungsindustrie zu unterstützen und Daten in feiner Granularität zu sammeln, was wiederum für Process Mining von großem Nutzen ist.

• Ein Beispiel für die Anwendung des CPE zeigt die Produktion eines Teils und die automatisierte Qualitätsprüfung, wobei sowohl die Produktion als auch die Qualitätskontrolle in einem durchgängigen Prozess integriert sind.

Die Entwicklung eines modularen Prozessmotors für die Fertigungsindustrie

Datenintegration und Prozessmodellierung

• Die Prozesse generieren Ereignisprotokolle, die im Kontext der Prozessausführung den Datenaustausch darstellen. Zudem wird kontextbezogene Daten wie Sensorwerte und Qualitätsmessungen erfasst.

• Es gibt die Überlegung, ob das System zwischen Fall und Batch unterscheiden sollte, z.B. ob ein produziertes Teil als Instanz oder als Teil eines Batches betrachtet wird. Diese Entscheidung hat wesentliche Auswirkungen auf die Prozessausführung und das Prozess-Mining.

• Durch die Integration von Kontextdaten und Qualitätsmessungen können mögliche Probleme in der Produktion identifiziert und analysiert werden, z.B. ob und warum Qualitätsprobleme auftreten.

Datenintegration und Prozessmodellierung

Kategorisierung der Datenquellen

• Die Ausgabe des Prozessablaufs während der Laufzeit kann in Form eines Ereignisprotokolls oder eines Ereignisstroms vorliegen.

• Es wurde über Event-Log-Standards, das alte MXML und das neue XCS-Format gesprochen, wobei das gezeigte Datenbeispiel aus dem XCS-Format stammt.

• Externe Sensordaten, beispielsweise aus der Fertigung oder Logistik, liefern wichtige Kontextinformationen, die den Prozessereignisdaten ergänzen können.

• Die Verwendung von Sensordaten zur Ableitung von Entscheidungsregeln und zur Verbesserung der Prozessqualität wurde als interessanter Aspekt hervorgehoben.

• Manuelle und automatisch erfasste Daten können in verschiedenen Prozessschritten kombiniert werden, wobei die manuellen Daten in der Produktion beispielsweise die Qualitätssicherung betreffen.

Kategorisierung der Datenquellen

Automatisierung und Datenanalyse in der Prozessoptimierung

• Die Datenanalyse zeigt, dass die Maschine aufgrund von hergestellten Chips Probleme mit der Maßhaltigkeit hat. Dies kann durch die Sensoranalyse erkannt und zur Anpassung des Prozesses genutzt werden.

• Durch die automatisierte Prozessanalyse können Veränderungen im Prozess identifiziert und auf Probleme wie das Chip-Entfernen reagiert werden.

• Neben der automatisierten Analyse von Prozessdaten bietet auch die Lean Six Sigma Methode Möglichkeiten zur Prozessverbesserung.

Automatisierung und Datenanalyse in der Prozessoptimierung

Orchestration statt Automation

• Der Begriff

• Orchestration

• wird bevorzugt, da er die Fachexperten direkter in den Sinn dessen, was gemeint ist, einbezieht und auch das Zusammenführen verschiedener Maschinen und Systeme in einem logischen Prozess widerspiegelt, was Orchestration vielleicht sogar mehr als Automation nahelegt.

• Erwartungsmanagement ist auch ein wichtiger Punkt hinsichtlich der Erwartungen, die bei Projekten in diesem Bereich entstehen. Es wird betont, dass die Datenerfassung und -vorbereitung oft der schwierigste Teil solcher Projekte ist. Durch die angewendete Automation und Orchestration soll jedoch ein einfacherer Prozess gewährleistet werden.

• Die Datenerfassung kann je nach Situation unterschiedlich ausfallen – manchmal ist es einfach, manchmal erfordert es jedoch erhebliche Arbeit. Darüber hinaus ist die Integration verschiedener Datenquellen in der Fertigung möglicherweise eine Herausforderung.

• Die Interaktion mit Experten aus dem jeweiligen Bereich ist entscheidend, um Daten interpretieren zu können und auch bei der Implementierung von Lösungen zu unterstützen. Zudem werden die aktuellen Forschungsprojekte im Bereich Compliance-Monitoring und Prozessoptimierung in der Fertigung sowie in der Logistik beleuchtet.

Orchestration statt Automation

Conclusion:

Die Entwicklung des modularen Prozessmotors CPE bietet vielfältige Möglichkeiten für die Fertigungsindustrie. Durch die Integration von Kontextdaten und Qualitätsmessungen können mögliche Probleme in der Produktion identifiziert und analysiert werden. Zudem zeigt die automatisierte Datenanalyse, wie Veränderungen im Prozess erkannt und auf Probleme reagiert werden können.