Process Mining in der Fertigungsplanung
Planungsoptimierung in Echtzeit
Im Rahmen des vom Bundesministerium für Bildung und Forschung geförderten Forschungsprojektes ProPlanE haben die Projektpartner den Prototypen einer Analyseplattform entwickelt, mit der sich die Fertigungsplanung auf Basis von Process-Mining-Verfahren in Echtzeit optimieren lässt.
ProPlanE ist ein Verbundprojekt der Process Analytics Factory GmbH (PAF) als Konsortialführer, der Incloud GmbH als Entwicklungspartner sowie dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) als Forschungspartner. Anwendungspartner ist die Brabant & Lehnert GmbH. Das Unternehmen fertigt Werkzeuge und Vorrichtungen, hauptsächlich als kundenspezifische Einzellösungen für die Automobil- und Automobilzulieferindustrie.
Daten unterschiedlicher Systeme zusammengeführt
Während des Projektzeitraumes wurden bei Brabant & Lehnert bis dato nicht verwertbare Daten unterschiedlicher Systeme der Geschäftsprozess- und Prozess- Steuerungsebene, wie z. B. ERP-, Produktionsplanungs- oder Maschinendaten, zusammengeführt und die integrierten Daten mithilfe von Process-Mining-Algorithmen analysiert, um sie für eine Produktionsplanung in Echtzeit zu verwenden. Die Kopplung der verschiedenen Softwaresysteme ermöglichte es, komplexe Abhängigkeiten zwischen verschiedenen Informationen – z. B. zu Auftragslage, Personal und Maschinenverfügbarkeiten – heranzuziehen und automatisiert für die Planung zu nutzen.
Häufig sind ERP-Systeme noch nicht mit der eigentlichen Fertigung verknüpft, sodass den Unternehmen keine digitalen, verknüpften Daten zur Auslastung der Produktion vorliegen. Erst wenn ein fertiges Produkt am Ende der Fertigung wieder eingebucht wird, erscheint es erneut im ERP-System. Manufacturing-Execution(MES)-Systeme verknüpfen zwar die Fertigung mit ERP-Systemen, sammeln jedoch in der Regel keine Prozessdaten, sondern lediglich große Mengen an reinen Maschinendaten, wie Druck, Temperatur etc. Die Informationsfülle macht die Implementierung sehr kostspielig. Zudem verfügt der Maschinenpark – wie auch bei Brabant & Lehnert – oftmals nicht über die erforderlichen Schnittstellen.
Minimaler Implementierungsaufwand
Die im Zuge des Projekts entwickelte Plattform sei hingegen bei minimalem Implementierungsaufwand in der Lage, die Prozessdaten auf dem Shopfloor zu sammeln, sagt Steffen Müller, Geschäftsführer bei Incloud. Dazu verzeichneten die Maschinenanwender jeden Prozessschritt während der Produktion in einer speziellen App auf einem Tablet. Der Fokus liegt entsprechend auf der Sammlung der Lauf- und Prozessdaten, um Fragen dazu beantworten zu können, welcher Auftrag an welcher Station wie viel Zeit verbringt und welche Stationen in welcher Reihenfolge angesteuert werden. Die Daten werden in der Software-Plattform aggregiert und können von dort an das ERP-System, aber auch direkt an Analysesysteme wie das von PAF entwickelte Process-Mining-Tool PAFnow weitergegeben werden.
Mit Hilfe der Process-Mining-Methode ‘Process Discovery‘ werden im PAF-Tool zunächst die tatsächlichen Ist-Prozesse ermittelt und visualisiert. Anschließend vergleicht das Tool mittels der Process-Mining-Funktion ‘Conformance Checking‘ die verschiedenen Prozessvarianten mit den ursprünglich geplanten Soll-Prozessen. Auf strategischer Ebene spielt für Fertigungsunternehmen hier nicht nur der prozessuale Ablauf eine Rolle, sondern ebenfalls die Dimensionen Zeit, Kosten und weitere Ressourcen wie Personaleinsatz oder Maschinenverfügbarkeit.
Automatisiert Probleme identifizieren
Anhand dieser Daten können die Prozesse mittels Anreicherung der bestehenden Process-Mining-Ansätze durch Finanz- und Sensor-Daten aus ERP-Systemen analysiert werden. Somit kann automatisiert identifiziert werden, ob eine Produktionsverzögerung entstanden ist, ob zusätzliche personelle oder materielle Kapazitäten benötigt werden und welcher zusätzliche finanzielle Aufwand dabei entsteht. Auf Basis der berechneten Änderungen von Zeit, Ressourcen und Kosten kann dann beispielsweise eine Ad-hoc-Re-Kalkulation der Produktionsplanung unter Optimierung der genannten Dimensionen erfolgen. Basierend auf den berechneten Änderungen ist es nun möglich, dem Production Planning Officer Handlungsempfehlungen zu geben. So kann beispielsweise ein Auftrag priorisiert werden, um mit zusätzlichem Ressourcenaufwand das Zeitdefizit aufzuholen.
