Bosch Packa­ging Tech­no­lo­gy stell­te auf der Ache­ma sei­ne neue Data Mining Dienst­leis­tung vor, die seit kur­zem im Rah­men des Phar­ma Ser­vice für fes­te Dar­rei­chungs­for­men ange­bo­ten wird. Hier­für lau­fen bei der Bosch-Toch­ter Hütt­lin die Fäden zusam­men. Ziel ist es, im Sin­ne von Indus­trie 4.0 bereits vor­han­de­ne Maschi­nen­da­ten effek­ti­ver aus­zu­wer­ten, um Feh­ler­ur­sa­chen (Root Cau­ses) zu iden­ti­fi­zie­ren und zu besei­ti­gen. „Bis­lang wur­den etwa 50 Pro­zent der Abwei­chun­gen als ‚mensch­li­ches Ver­sa­gen‘ ein­ge­stuft“, so Dr. Marc Michae­lis, Exper­te für kon­ti­nu­ier­li­che Fer­ti­gung und Pro­zess­ve­ri­fi­zie­rung bei Hütt­lin. „Wir gehen aber davon aus, dass dies bei höchs­tens zehn Pro­zent wirk­lich zutrifft. Der Rest wird oft­mals auf­grund zu gerin­ger Infor­ma­tio­nen fehl­in­ter­pre­tiert. Dabei lie­gen in der Regel genü­gend Daten vor, um den Ursa­chen tie­fer auf den Grund zu gehen. Es fehlt jedoch an Know-how und Zeit, die Daten rich­tig aus­zu­le­sen.“ Ers­te Pro­jek­te haben gezeigt, dass sich dank Data Mining neue Mus­ter und Feh­ler­quel­len im Pro­duk­ti­ons­ab­lauf erken­nen und behe­ben las­sen, um lang­fris­tig eine sta­bi­le Pro­dukt­qua­li­tät zu erzie­len.

Maschinendaten interpretieren

Mit dem Data Mining-Tool von Bosch las­sen sich unter Anwen­dung sta­tis­ti­scher Metho­den gro­ße Daten­men­gen auf kleins­te Effek­te unter­su­chen. Grund­sätz­lich rei­chen bereits Daten aus zwei Pro­duk­ti­ons­char­gen, um ers­te Rück­schlüs­se zu zie­hen. Je mehr Daten über einen län­ge­ren Zeit­raum für die Eva­lua­ti­on zur Ver­fü­gung ste­hen, des­to mehr Details las­sen sich ermit­teln. Dazu benö­tigt es ledig­lich Maschi­nen­sen­so­ren, die bei fast allen his­to­ri­schen Maschi­nen bereits Daten erfas­sen, und das pas­sen­de Werk­zeug, um die Daten ans Licht zu holen.