Im Einzelnen stellt PRESCRIBE folgende Zusammenhänge her:
- historische Produktionsdaten (die angeben, wo die Produktlinie eines Produkts in der Vergangenheit die besten Ergebnisse erzielt hat).
- den aktuellen Stand der Produktion.
Dieser Einblick auf hoher Ebene ermöglicht es Deep Learning, den nächstbesten stabilen Betriebsbereich zu ermitteln.
Es können dann Rezepte für eine optimale Rezeptur erstellt werden, die Unter- und Obergrenzen für den/die betreffenden kontrollierbaren Parameter vorsehen.
Durch die Überlagerung historischer und aktueller Qualitäts- und Prozessdaten automatisiert das PRESCRIBE-Modell die Aktualisierungsschleife des Kontrollplans zur kontinuierlichen Verbesserung. Für die Betreiber bedeutet dies eine nach Prioritäten geordnete Liste mit leicht umsetzbaren Vorschriften, die zeitnah auf einem Dashboard angezeigt werden.
Die Umsetzung der Vorschriften bringt die Produktion näher an den besten Betriebsbereich (BOB) heran.
Zusammenarbeit bei Prozess- und Qualitätsdaten, die für die Optimierung entscheidend sind
Das Unternehmen schickte den Bedienern an den Gießöfen Anpassungen der Maschinensollwerte (d. h. der „Rezeptur“), die sie anwenden konnten, um die Steuerung der Produktionslinie und die Ausbeute bei zwei vereinbarten Radtypen messbar zu verbessern.
Zu diesem Zweck wurde ein Datenerfassungssystem entwickelt, das eine hochauflösende Überwachung und Kontextualisierung von Prozess- und Qualitätsdaten ermöglicht (verknüpft mit den steuerbaren Parametern, die nach Ansicht unserer präskriptiven KI den größten Einfluss auf die Ausschussreduzierung haben).
Das KI-Modell wurde so trainiert, dass es präventive Verschreibungen innerhalb eines optimalen Prozessrahmens für die folgenden Parameter erzeugt:
- Druck im Ofen
- Temperatur der Matrize
- ON/OFF-Zeiten der Kühlkanäle in der Matrize
- Metalltemperatur
- Temperatur beim Einfüllen von Metall
- Anlagentemperatur und Druckluft
Für die manuelle Erfassung von Schrott
Ein FIFO-Protokoll (First-in-First-out) zur Erfassung von Qualitätsdaten kann relativ einfach sein, wenn es automatisiert ist.
In fortgeschrittenen Fertigungsbetrieben kann es jedoch vorkommen, dass die Bediener einen Teil des Ausschusses manuell protokollieren müssen; unter dem Druck der täglichen Fehlersuche an mehreren Maschinen kann dies zu einer Diskrepanz zwischen den Zeitstempeln der Schicht und den Zeitstempeln der protokollierten Fehler führen.
Die Einhaltung der für eine rückverfolgbare Protokollierung erforderlichen zeitlichen Genauigkeit hängt von einem einfach anzuwendenden Protokoll ab. In diesem Punkt hat DataProphet mit dem Kunden zusammengearbeitet, um den manuellen Erfassungsprozess zu vereinfachen und zu standardisieren und so eine nahezu eins-zu-eins Rückverfolgbarkeit der Räder zu ermöglichen.
