Umwandlung Ihrer Fertigungsdaten in umsetzbare Erkenntnisse

Hatten Sie schon einmal zu viele Daten?

In der Fertigungshalle werden ständig Daten erzeugt. Von Produktionszeiten und Qualitätsinformationen bis hin zu Arbeitsaufträgen und Betriebsereignissen - in jeder Fertigungshalle werden jede Minute Unmengen von Daten erzeugt.

Und das ist eine gute Sache.

Für die meisten Hersteller gilt: Je mehr Daten Sie haben, desto bessere Erkenntnisse können Sie daraus gewinnen.

Bei so vielen Daten aus verschiedenen Quellen können sich Unternehmen jedoch beim Sortieren der Daten verzetteln, so dass sie mit noch mehr Fragen und Unentschlossenheit zurückbleiben.

Das Problem sind jedoch nicht zu viele Fertigungsdaten. Nein, das Problem liegt darin, dass die Unternehmen nicht konsequent effiziente Methoden zur Visualisierung und Umwandlung ihrer Daten in etwas Wertvolles einsetzen.

Wie verwandeln Sie also Fertigungsdaten in verwertbare Erkenntnisse?

DRIP-Syndrom: Die Gefahren von nicht verwalteten Daten

Sie können über alle Daten der Welt verfügen, aber wenn es sich nur um eine Reihe von Zahlen in einer Excel-Tabelle handelt, sind Sie wahrscheinlich nicht in der Lage, sie schnell und effektiv zu verarbeiten. Dies führt dazu, dass Unternehmen das DRIP-Syndrom (Data Rich, Information Poor) erleben, bei dem sie zwar über die erforderlichen Daten verfügen, um intelligente und fundierte Entscheidungen zu treffen, aber nicht in der Lage sind, die Daten in echte Informationen und Wissen umzuwandeln. Wenn dies der Fall ist, können die Daten nicht in vollem Umfang genutzt werden.

Ein weiterer wichtiger Grund für das DRIP-Syndrom ist die Trennung von Datensätzen zwischen Systemen, Abteilungen und betrieblichen Gegenstellen.

Nehmen wir an, Sie haben eine Möglichkeit, die Daten aus den einzelnen Arbeitsschritten in der Fertigung zu visualisieren, aber die Daten sind völlig isoliert. Ein System kümmert sich um die Qualität, ein anderes um die Produktion, und zu allem Überfluss werden die Informationen nicht zwischen den Arbeitszellen ausgetauscht, was eine Kreuzvalidierung und Verifizierung unglaublich schwierig macht. In dieser Situation verlieren Sie einen genauen Überblick sowohl über die Gesamtleistung als auch über die Details der einzelnen Aufträge.

Aber es ist nicht alles schlecht und düster. Es gibt einige intelligente Methoden, mit denen Sie die Umwandlung Ihrer Daten in verwertbare Erkenntnisse optimieren können.

Die 4 Phasen der Umwandlung von Fertigungsdaten in Informationen, Wissen und Weisheit

Daten haben einen exponentiellen Wert, wenn sie verarbeitet und umgewandelt werden. In Wirklichkeit sind unverarbeitete Daten nur eine Aneinanderreihung von Zufallszahlen und nur aufgrund ihrer transformativen Eigenschaften wertvoll. Wissen und Weisheit stecken hinter jeder Zahl, und es liegt in der Verantwortung jedes Herstellers, die benötigten Erkenntnisse zu gewinnen und umzuwandeln.

Die Daten-Informations-Wissens-Weisheit-Pyramide (DIKW) veranschaulicht, wie Rohdaten kontextualisiert und in leistungsstarke und wertvolle Erkenntnisse umgewandelt werden.

Schauen wir uns die einzelnen Phasen der Pyramide an, um zu sehen, wie die Umwandlung von Fertigungsdaten funktioniert.

Phase 1: Daten

Rohdaten aus der Fertigung bestehen aus diskreten Zahlen, Zeichen und Werten, die sich auf Ereignisse, Aktionen und Historien aus dem Fertigungsbetrieb beziehen. Denken Sie daran, dass jede Aktion in der Fertigung nützliche Daten erzeugt, Sie brauchen nur eine Möglichkeit, diese aus zuverlässigen Quellen zu sammeln und zu extrahieren.

Aber was sind zuverlässige Quellen für Fertigungsdaten?

Um sicherzustellen, dass Sie über zuverlässige Daten verfügen, ist ein umfassender Ansatz erforderlich. Wie wir bereits beim DRIP-Syndrom gesehen haben, sollten die von Ihnen gesammelten Daten auf mehreren Ebenen validiert und überprüft werden, um ein hohes Maß an Datenintegrität zu gewährleisten.

Arbeitsanweisungssoftware bietet Herstellern mehrere intelligente Methoden zur zuverlässigen Erfassung genauer Daten.

1. Intelligente Werkzeuge und Arbeitsanweisungssoftware

Durch die Kopplung einer Arbeitsanweisungssoftware mit einem intelligenten Drehmomentwerkzeug können Unternehmen beispielsweise einen fehlerfreien Prozess erstellen, der automatisch Daten von jeder angezogenen Schraube erfasst und verifiziert. Mit unserer ToolConnect IoT-Plattform werden bei jedem Anziehen einer Schraube automatisch die richtigen Parameter und Einstellungen an das Werkzeug übertragen, während das Werkzeug die aufgebrachte Kraft aufzeichnet und speichert. Gleichzeitig verifiziert das System diese Zahlen mit den Montagespezifikationen.

Um die Datenintegrität noch weiter zu erhöhen, sperrt unsere Arbeitsanweisungssoftware die Verwendung des Werkzeugs, wenn sich der Benutzer nicht in dem Schritt befindet, für den das intelligente Werkzeug benötigt wird. Auf diese Weise wird sichergestellt, dass alle Daten zum richtigen Zeitpunkt erfasst werden.

2. System-/Maschinen-/Datenbankintegration und Kommunikation

In ähnlicher Weise können Unternehmen auch die Datenintegrität erhöhen, indem sie ihre verschiedenen Systeme über eine API (Application Programming Interface) miteinander verknüpfen. Indem sie die Kommunikation zwischen Systemen wie ERPs, digitalen Arbeitsanweisungen, BI-Software und einem MES ermöglichen, können Unternehmen ihre Arbeitsaufträge, Produktionsdaten, Qualitätszahlen und Personalangaben zentralisieren. Im Wesentlichen validiert jedes System die Zahlen des anderen und stellt so sicher, dass alle Zahlen korrekt sind und dem realen Betrieb entsprechen.

In ähnlicher Weise können IoT-Sensoren und -Geräte in den vernetzten Rahmen integriert werden, um einen komplexen, aber robusten digitalen Faden durch die Fertigungsumgebung zu weben. Durch die gemeinsame Nutzung und Erfassung von Daten aus verschiedenen Quellen können Unternehmen ihre Fertigungsdaten gegeneinander abgleichen und so in fast allen Fällen genaue Messwerte gewährleisten.

3. Benutzereingaben und intelligente Formulare

Während automatisierte Werkzeuge, Maschinen und Systeme unglaublich genaue Datensätze liefern, sollten Hersteller nicht die menschlichen Mitarbeiter in der Fertigung vergessen. Diese Menschen schaffen aus erster Hand Werte und können eine große Menge an Erkenntnissen liefern. Außerdem haben sie viele Möglichkeiten, wertvolle Daten zu erfassen.

Um die Datenintegrität zu wahren, ist es jedoch wichtig, diese Daten schnell und effizient zu erfassen. Vom Mitarbeiter-Feedback bis hin zu Seriennummern und vielem mehr müssen die Daten prozessbegleitend erfasst werden.

Durch die Integration digitaler Formulare in die digitalen Arbeitsanweisungen eines Bedieners können die Mitarbeiter bestimmte Daten in dem Moment erfassen, in dem sie benötigt werden. Wenn die Daten eingegeben werden müssen, zeigt die Arbeitsanweisungsplattform dem Benutzer ein intelligentes Formular an. In den meisten Fällen werden die Arbeitsanweisungen erst dann fortgesetzt, wenn die Informationen eingegeben wurden. Die Unternehmen können auch Kontrollmechanismen einrichten, die den Bediener daran hindern, die Arbeit fortzusetzen, wenn die eingegebenen Daten falsch oder unrealistisch sind.

Wie im Fall von Republic Manufacturing können intelligente Formulare auch zur Erstellung digitaler Checklisten verwendet werden, mit denen Inspektionsteams mehr Qualitätsdaten erfassen und gleichzeitig den Prozess beschleunigen können.

Phase 2: Informationen

Daten + Kontext & Organisation = Information

Sie haben jetzt also zuverlässige Fertigungsdaten. Aber wie können Sie sie verstehen? Im Moment sind es nur Zahlen. In dieser Phase können wir die Fertigungsdaten in leicht zugängliche Informationen umwandeln, indem wir zwei wichtige Verfahren anwenden:

• Kontextualisierung
• Organisation

Die Kontextualisierung und Organisation von Daten kann jedoch schwierig sein, wenn nicht die richtigen Methoden und Werkzeuge verwendet werden. Wenn der falsche Kontext verwendet wird oder die Daten nicht richtig organisiert sind, ist die Datenintegrität gefährdet.

Glücklicherweise können wir Kontext und Organisation durch Datenvisualisierung richtig einbeziehen. Indem wir die Rohdaten nehmen und sie durch eine visuelle Schnittstelle filtern, die die Daten organisiert, können wir unsere gesammelten Daten schnell in leicht lesbare und kontextualisierte Informationen umwandeln.

Nehmen wir zum Beispiel an, in der Werkstatt sind mehrere Arbeitsaufträge offen. Jeder Arbeitsauftrag umfasst eine Reihe von Vorgängen, die in einer bestimmten Reihenfolge ausgeführt werden müssen, damit der nächste Vorgang beginnen kann. In diesem Fall benötigen Manager und Vorgesetzte eine schnelle Möglichkeit, diese Informationen innerhalb ihrer kontextabhängigen Einstellungen zu überwachen und gleichzeitig sicherzustellen, dass sie für die Endbenutzer einfach zu durchsuchen und zu verwenden sind.

Ein hervorragendes Beispiel dafür ist ein KPI-Dashboard in einer BI-Software oder Arbeitsauftragsstatuskarten in einem MES (siehe unten):

Wenn der Benutzer den Arbeitsauftragsbericht öffnet, werden alle Produktions- und Qualitätsdaten automatisch für ihn sortiert. Er erhält einen Echtzeit-Einblick in jeden Vorgang, einschließlich des Status jedes Auftrags, der abgeschlossenen Mengen und der verfügbaren Einheiten. Diese Visualisierungsmethode ermöglicht es den Führungskräften, die Daten schnell als kontextualisierte Informationen zu sehen und zu verstehen, wie sich die Produkte durch die Produktionslinie bewegen.

Um dies noch weiter auszubauen und durch die Datenvisualisierung noch mehr Informationen zu erhalten, können Manager und Vorgesetzte detailliertere Informationen auf einer individuellen Betriebsebene überwachen.

Dazu gehören

• Abgeschlossene, erwartete und verfügbare Mengen
• Nacharbeits- und Ausschussmengen
• Ausbeute beim ersten Durchlauf (FPY)
• Operative Effizienz
• Aktuelle Arbeitszeit, erwartete Arbeitszeit und Gesamtpausenzeit
• Geschätzte Restzeit

Dieses Maß an Kontextualisierung und automatisierter Organisation ermöglicht es Unternehmen, ihre Daten in leicht lesbare und verständliche Informationen umzuwandeln.

Phase 3: Wissen

Information + Zeit = Wissen

Der nächste Schritt besteht darin, die neu verarbeiteten Informationen zu nutzen, um das "Warum" und "Wie" hinter bestimmten Ereignissen und Phänomenen herauszufinden. Dies geschieht in erster Linie durch die Kombination von Informationen mit früheren Erfahrungen und Ereignissen, um Muster und Trends aufzudecken.

In vielerlei Hinsicht kann die Wissensphase als eine Vielzahl von Informationen beschrieben werden, die durch ihre Beziehung zueinander im Laufe der Zeit miteinander verbunden sind. Alle Produktionsmaßnahmen sind miteinander verbunden, und die Zeit ist das wichtigste Mittel, um zu sehen, wie jedes neue Ereignis oder jede neue Maßnahme innerhalb des gesamten Unternehmens funktioniert.

Verfahren der Ursachenanalyse wie die 5 Whys betrachten Informationen und beitragende Faktoren im Zeitverlauf, um die Ursache eines Problems oder eines Erfolgs innerhalb des Fertigungsbetriebs zu ermitteln.

Die Theorie der Sachzwänge stützt sich zumindest in der Anfangsphase stark auf relationale Informationen im Zeitverlauf, um die einschränkendsten Sachzwänge und die optimale Produktionsrate zu ermitteln. Sobald die Einschränkung gefunden ist, können die Teams verschiedene Methoden einsetzen, um die Produktion richtig zu unterordnen und die Einschränkung zu maximieren.

Unabhängig von der Art der standardisierten Prozesse, die Sie eingesetzt haben, ist die Verfolgung von Änderungen, Anpassungen und Verbesserungen eine wichtige Informationsquelle, die im Laufe der Zeit in Wissen umgewandelt werden kann. Jede Änderung eines Prozesses ist eine Gelegenheit, neue Erkenntnisse und Perspektiven darüber zu gewinnen, was funktioniert und was nicht.

Phase 4: Weisheit

Daten + Informationen + Wissen = Weisheit

Während Daten, Informationen und Wissen einen Blick zurück auf vergangene Ereignisse und ihre Beziehungen zueinander werfen, erlaubt uns die Weisheit schließlich, nach vorne zu schauen und fundierte Entscheidungen für die Zukunft zu treffen. Diese letzte Phase des Prozesses zur Umwandlung von Fertigungsdaten ist im Wesentlichen der Punkt, an dem die kontinuierliche Verbesserung einsetzt.

Die Weisheit ist letztlich für die Anwendung aller Änderungen und Verbesserungen im Fertigungsprozess verantwortlich. Dazu gehören strategische Entscheidungen wie die Integration intelligenterer Technologien, die Befähigung der Belegschaft durch ein arbeiterzentriertes MES, Investitionen in neue Maschinen, die Verbesserung der Produktionslinien und die Optimierung der Beziehungen zu den Zulieferern, um die Effizienz zu steigern und die Kosten zu senken.

Auch wenn die Anwendung der Weisheit für jedes Unternehmen anders ausfällt, ist jede Weisheit stark von den vorangegangenen Phasen abhängig. Mit anderen Worten: Weisheit muss immer auf einer soliden Grundlage von Daten, Informationen und Wissen beruhen.

Aus diesem Grund ist es von entscheidender Bedeutung, dass die Hersteller ihren grundlegenden Datenerfassungsmethoden Priorität einräumen, um sicherzustellen, dass sie diese Daten im Laufe der Zeit leicht kontextualisieren und in kontinuierliche Verbesserungen umwandeln können, die sich positiv auf zukünftige Maßnahmen auswirken werden.