Industrie 4.0 ohne Daten<\/p>\n
Was auf den ersten Blick nach einem Widerspruch in sich selbst t\u00f6nt, ist gem\u00e4ss einer informellen Umfrage unter Kollegen offenbar gar nicht so selten: angewandte Forschungsprojekte in Industrie 4.0 oder Big Data – ohne Daten. Oft passiert es, dass der Industriepartner viel weniger Daten liefert, als im Projektplan vorgesehen waren, oder dass diese Daten nicht die n\u00f6tige Qualit\u00e4t besitzen. Die Gr\u00fcnde f\u00fcr den ausgetrockneten Informationsfluss m\u00f6gen von Projekt zu Projekt unterschiedlich sein, aber wenn auch intensives Nachbohren nichts mehr hilft, gibt es nun einen Beitrag eines ZHAW-Teams, wie man in solchen Situationen doch noch weiter kommen k\u00f6nnte.<\/p>\n
Bei diesem Projekt ging es urspr\u00fcnglich darum, \u00abKomplexit\u00e4t\u00bb in einem industriellen Produktionsprozess m\u00f6glichst automatisiert zu messen. Das Ziel war, \u00abschlechte\u00bb Komplexit\u00e4t (Mehrspurigkeiten, Organisationsverluste, etc) zu reduzieren, ohne die \u00abgute\u00bb Komplexit\u00e4t, welche zur Erf\u00fcllung der Kundenw\u00fcnsche n\u00f6tig ist, zu gef\u00e4hrden. Da der Industriepartner jedoch bis zum Projektende nicht ausreichend Daten der zu untersuchenden Produktionsprozesse lieferte, musste ein Plan B entwickelt werden.<\/p>\n
Der Leitgedanke bei der Entwicklung eines solchen \u00abdatenlosen\u00bb Systems war, dass die fehlenden Daten, falls sie nachgeliefert w\u00fcrden, m\u00f6glichst einfach integriert werden k\u00f6nnen. Als Schnittstelle wurde deshalb ein Rohdatenformat in Form von \u00abtimestamped events\u00bb aus einem Produktionsprozess gew\u00e4hlt, wie sie typischerweise aus Industrie 4.0 Prozessen zur Verf\u00fcgung stehen.<\/p>\n
Auf der einen Seite wurde dann aus vorhandenen high-level Beschreibungen eine Simulation des anvisierten Produktionsprozesses erstellt, in abstrahierter und vereinfachter, aber sp\u00e4ter gut erweiterbarer Form eines \u00abJob-Shops\u00bb. Diese virtuelle Produktionsanlage lieferte dann die ben\u00f6tigten Daten in Form von Prozesschritten mit zugeh\u00f6rigem Zeitstempel, welche schliesslich auf der anderen Seite durch ein autoencoder-basiertes neuronales Netzwerk im Hinblick auf ihre Komplexit\u00e4t analysiert wurden.<\/p>\n
Dieser Ansatz erlaubte es einerseits, ein vollst\u00e4ndig automatisiertes Verfahren zur Berechnung der \u00abKomplexit\u00e4t\u00bb von solchen Produktionsprozessen zu entwickeln, das vorgeschlagene neue Komplexit\u00e4tsmass zu validieren und dieses mit bekannten Methoden aus der Literatur zu vergleichen, auch ohne dass die tats\u00e4chlichen Daten verf\u00fcgbar waren. Andererseits kann das System bei Ankunft dieser Daten mit geringem Aufwand angepasst und f\u00fcr den Kunden nachvollziehbar mit dem rein virtuellen Szenario verglichen werden.<\/p>\n
Im Detail nachzulesen ist dieser Beitrag im bald erscheinenden Buchkapitel [1]. F\u00fcr den Fall, dass wieder einmal ein Industrie 4.0 Projektteam ohne Daten bleibt.<\/p>\n