1. Analyse der aktuellen Situation und der Ziele
2. Finden von Ideen
3. Fokussierung – durch Analyse der Ideen, Bewertung, Auswahl und Weiterbearbeitung im Sinne der Konkretisierung und Entwicklung

Source

Der große Vorteil von Kreativitätsworkshops ist die gegenseitige Inspiration und das gemeinsame Weiterspinnen von Ideen. Großartige Ideen entstehen, mit einem gemeinsamen Team dahinter.

Diese kreative Gruppenarbeit kann aber auch sehr ineffektiv sein, wenn:

• Menschen in einen Ideenstau geraten, weil sie warten müssen um ihre Idee zu artikulieren.
• Die Idee kann dadurch vergessen oder unbewusst verändert werden.
• Ideen zu einem bestimmten Zeitpunkt kreiert werden sollen.
• Kreativität ist nicht planbar und an einem bestimmten Tag abrufbar, zB weil der Kopf nicht frei ist.
• Menschen alleine produktiver sind als in der Gruppe, zB weil sie sich dann besser konzentrieren können.

Damit genau das nicht passiert, können Ihnen kollaborative Online-Kreativ-Tools eine Unterstützung sein. Sie verbinden das Positive der Gruppenarbeit (gegenseitige Inspiration) und der Einzelarbeit (volle Konzentration). Und sie bringen noch viele weitere Vorteile:

• Sie sind örtlich und zeitlich unabhängig verwendbar. Ein Brainstorming kann beispielsweise eine Woche lang standortübergreifend und über Zeitzonen hinweg mit KollegInnen von allen Kontinenten durchgeführt werden.
• Ideen können jederzeit generiert bzw. erweitert werden. Noch einfacher gelingt das über mobile Geräte.
• Vorhandene Ideen können schon vorab in Ruhe durch den Kopf kreisen. Dadurch ist es möglich, sich zusätzlich für neue Ideen inspirieren zu lassen.
• Zeitersparnis durch Dokumentation – da die Ideen bereits online niedergeschrieben wurden.

Dafür entstand auf Basis von 5 Jahren intensiver Forschung an der TU München das Tool „Idea Clouds“.

Es umfasst einen riesigen Methodenkoffer mit über 50 Kreativitätstechniken inklusive Anleitung. Die nachstehende Abbildung zeigt eine Übersicht dieser 50 Kreativitätstechniken.

Vorteile des Online Kreativitätstools „Idea Clouds“

Online Kreativtools wie „Idea Clouds“ haben neben der oben erwähnten Zeit- und Ortsunabhängigkeit noch viele weitere Vorteile:

• Methodische Vielfalt und Unterstützung sowie Begleitung wird durch die Software ermöglicht. Methodenkenntnisse werden nur gering vorausgesetzt – das Tool führt Sie durch einen strukturierten Ideenfindungsprozess und ist quasi Moderator. So lernen Sie dazu und können mit der neuen Methode experimentieren.
• Webbasiert – ohne Installation können Sie die Tools einfach auszuprobieren. Sie können sich auf höchste Sicherheitsstandards verlassen (SSL-Verschlüsselung, Passwortschutz und
• Datenspeicherung – nur in Deutschland). Tools wie „Idea Clouds“ können auch in Ihrem Unternehmen installiert werden.
• Dadurch sind die Tools auch kostengünstig: „Idea Clouds“ gibt es schon als kostenlose Version. Weitere Pakete kosten zwischen 9 und 39 Euro im Monat, wobei jede Version für 30 Tage kostenlos getestet werden kann.
• Sie müssen keinen Raum mehr buchen.
• Sie verlieren keine Zeit. Sie kennen das sicher, dass es ewig dauert einen Termin zu finden, bei dem alle Zeit haben. Dieser Termin ist dann meist erst in Wochen oder Monaten.
• Sie ersparen sich die aufwändige Dokumentation. Nach einiger Zeit kann der Text auf einem Kärtchen oder Flipchart oft nicht mehr entschlüsselt werden und niemand weiß mehr, was damit gemeint wurde. Mit Onlinetools können Sie auf Knopfdruck dokumentieren. Bei „Idea Clouds“ besteht sogar die Möglichkeit von Exports als Mindmaps oder klassisch als PDF.

Anwendung von „Idea Clouds“

Virtuelle Kreativitätssessions sind noch eher wenig etabliert.

Vor allem bei Produktentwicklungen und -optimierungen gibt es großes Potential, um die oft schwer erreichbaren Sales-MitarbeiterInnen mit ihren Ideen und Wünschen rund um den Globus einzubinden. Hier arbeiten viele noch ineffizient mit Word oder Excel. Diese Dokumente liegen dann auf einem Server und müssen hin und her geschickt werden. Und genau hier bieten Online-Tools großartige Möglichkeiten, die kreativen Köpfe zu verbinden und gemeinsam neue und große Innovationen zu erarbeiten.

Tools wie „Idea Clouds“ können aber auch in Face-to-Face Workshops (via Beamer und um sich nach dem Workshop auszutauschen) und auch Meetings und Telefonkonferenzen angewendet werden. Dabei unterstützt das Tool vor allem in der Visualisierung und Dokumentation. Hier kommen Sie zur Website von „Idea Clouds“.

Beispiel einer virtuellen Kreativsession mit dem Morphologischen Kasten

Mit den Tools von “Idea Clouds“ werden Ideen gesammelt und gemeinsam bewertet. Hier ein Beispiel, bei dem mit dem Morphologischen Kasten ein neues E-Bike entwickelt werden sollte.

Im ersten Schritt wurden die Bestandteile eines Fahrrads gebrainstormt.

Danach wurden am Whiteboard Varianten für die einzelnen Bestandteile gesammelt.

Daraus wurden neue Produkte kombiniert.

Die neuen Ideen wurden vom Team anonym bewertet.

Source

Die Motive und Vorteile für Servitization liegen klar auf der Hand:

Zusätzliche Umsätze und Erträge durch zusätzliche Leistungen

• Zusätzliche Umsätze und Erträge durch zusätzliche Leistungen
• Befriedigung des Kundenbedürfnisses nach individuell angepassten Lösungen
• Differenzierung im globalen Wettbewerb

Ein Klassiker unter den Beispielen ist Hilti. Analog zum Fleet Management in der Autobranche bietet Hilti ein Gesamtpaket an. Für eine fixe Monatspauschale erhalten die KundInnen die notwendigen Geräte. Dieser Beitrag beinhaltet Geräte-, Service- und Reparaturkosten. Der Nutzen für die KundInnen ist vor allem folgender:

• Erforderliche Geräte sind immer verfügbar – dadurch Reduktion der Ausfallkosten und keine Stehzeiten (zB ist ein Gerät defekt, gibt es sofort ein Neues)
• Ausgleich von Spitzenzeiten und Flauten
• Planbare Kosten, etc.

Und der Kunde ist bereit, für die „immateriellen“ Leistungen, zB für die Übernahme der Risiken, zu bezahlen.

Quelle: Frank Danzinger in Anlehnung an Neely (2011)

Um Gesamtlösungsanbieter zu werden, müssen Unternehmen umdenken, von Produkten und der Produktion in Kundenbedürfnissen und Kundenwerten.

„What the customer buys and considers value is never a product. It is always a utility – that is, what a product does for him.“

Peter Drucker

Mit diesem Zitat von Peter Drucker wird die Denkhaltung klar. Ein Beispiel: KundInnen wollen keinen Rasenmäher, sie wollen kurzes Gras, das in Summe einen schönen Garten ausmacht.

Dieses Umdenken ist ein wichtiger Schritt und kann damit auch ein wesentlicher Grund für das Scheitern von Unternehmen darstellen. UnternehmerInnen haben ohne die Änderung Ihrer Denkweise das Gefühl, dass sich hohe Investitionen in den Serviceaufbau nicht rechnen und die Ertragserwartungen nicht erfüllt werden. Der Wandel zum Gesamtlösungsanbieter erfordert daher:

• Tiefe Einblicke und Klarheit über die Kundenbedürfnisse (Nicht welches Produkt, sondern welchen Nutzen will der/die KundIn?)
• Die Basis dafür ist ein Verständnis der internen Abläufe bei den KundInnen.
• Wandel erfordert Veränderungsfähigkeit.

Servitization bringt für Unternehmen viele Veränderungen mit sich: Prozesse, Technologien, Strategien und oft das gesamte Geschäftsmodell müssen angepasst werden. Alle MitarbeiterInnen müssen umdenken, um den Gesamtlösungsanbieter-Gedanken mitzutragen und um ihre Aktivitäten daran anzupassen. Ein Beispiel sind die VertriebsmitarbeiterInnen, die die Gesamtlösung verkaufen müssen. Durch die Gesamtlösung sind mehr MitarbeiterInnen und Abteilungen direkt in den Leistungserfüllungsprozess bei den KundInnen eingebunden. Alle müssen in derselben Linie agieren, um eine gemeinsame Lösung bei den KundInnen umzusetzen.

Wenn Unternehmen und ihre MitarbeiterInnen die Transformationen zum Gesamtlösungsanbieter schaffen und diese findet vor allem in den Köpfen statt, haben sie schon das Ass in der Hand – eine sehr chancenreiche Überlebensstrategie im globalen Wettbewerb.

Quelle: Frank Danzinger, u.a. nach Atos (2011) „Servitization in product companies“ und Neely, A. (2007) „The servitization of manufacturing: An analysis of global trends.“ in 14th European Operations Management Association Conference, 1-10

Source

Um Design Thinking erfolgreich anwenden zu können, müssen Sie kein Designer sein. Es geht nicht um Design im Sinne von Ästhetik und Form, sondern um die Gestaltung von Produkten, Dienstleistungen und Prozessen. Design Thinking ist ein Kreativ-Prozess für Problemstellungen im privaten und beruflichen Alltag und für Produkt- und Serviceentwicklungen – von kleinen Problemen bis zu großen Innovationen.

Kernmerkmale der Arbeitskultur „Design Thinking“

Design Thinking ist zwar ein Prozess, aber auch eine Arbeitskultur. Im Folgenden werden die Grundlagen von Design Thinking vorgestellt.

Der Mensch im Mittelpunkt

• einerseits das Arbeitsteam,
• andererseits und vor allem die KundInnen und NutzerInnen. Das Lernen über die NutzerInnen und deren Probleme steht in jeder Phase im Zentrum.
• Arbeitsweise im Team und Raum

Ein Kernteam aus 4 bis 6 Personen ist optimal.

• Diversität ist essentiell: vielfältige Expertisen mit breitem Wissen und verschiedenen Sichtweisen sollen genutzt werden.
• Das erweiterte Team besteht aus ExpertInnen, NutzerInnen und AuftraggeberInnen.
• Die Umsetzer sind von Anfang an im Kernteam einzubinden.
• Die Teamkultur ist von Offenheit, Respekt, Vertrauen und Kommunikationsstärke geprägt.
• Das Team eines Design Thinking Projekts arbeitet ständig – an jedem Tag oder an fixen Wochentagen – und in einem Raum zusammen.
• Für die gesamte Projektdauer soll ein Raum zur Verfügung stehen, der Kollaboration fördert und in dem das Projekt leben kann. Alle Informationen und Prototypen sind sichtbar. Ist das nicht möglich, sollen die Informationen zumindest „mobil“ sein.

Die wichtigsten Arbeitsprinzipien

• Nutzerzentriert: Empathie – KundInnen und den BenutzerInnen zu verstehen ist die wichtigste Basis.
• Kultur der unfertigen Prototypen: Sobald eine Idee steht, wird ein simpler Prototyp entwickelt, um die Idee erlebbar zu machen und zu testen.
• Iterationen: Sie navigieren nicht durch einzelne Prozessschritte, sondern kommen durch ständige Wiederholung von Schritten zum Ziel

Der „Prozess“ Design Thinking

Abbildung: Design Thinking Prozess

Verstehen
Hier geht es um die Definition der „Design Challenge“, um das Stellen der richtigen Frage. Diese sollte spezifisch genug sein, darf aber den Lösungsraum nicht einschränken.

Erforschen
Möglichst viele Informationen zum Thema, KundInnen, NutzerInnen und andere Betroffene werden gesammelt. Alle Teammitglieder werden so zu SofortexpertInnen.
Wichtig ist die Erforschung bei den Menschen. Zu beachten ist dabei, dass oft das Gesagte nur die halbe Wahrheit ist. Daher sollten Sie hier auf Audios, Fotos, Videos, Beobachten, Selbst-Ausprobieren, Emotionen und Gesten, usw. setzen.

Synthese
Aus den umfangreichen Informationen wird die Essenz herausgearbeitet. Das kann dazu führen, dass Sie zurück gehen und die Fragestellung neu aufarbeiten.
Die Aufbereitung der Informationen ist wesentlich. Sie soll sichtbar (im Raum, durch Bilder, etc.) und verständlich für alle sein. Methoden wie Storytelling und Personas finden Anwendung. Das Erforschen und die Synthese sind die umfangreichsten Phasen im Prozess.

Ideen
Wie bei jeder Kreativsession gelten hier dieselben Regeln: Quantität vor Qualität, keine Bewertungen, Ideen aufgreifen und weiterspinnen, aus Denkmustern ausbrechen (Wie würde es Superman lösen?) und mit den Händen denken, also visualisieren.
Erst nach der Ideensammlung werden die Ideen bewertet und das Team entscheidet sich für ein bis drei Ideen zur weiteren Bearbeitung.

Prototypen
Ideen müssen erlebbar gemacht werden, um sie anzufassen und zu testen. Denn Ideen, welche nur aus Worten bestehen, sind anfällig für Missverständnisse. Hier besteht kein Anspruch auf fertige Prototypen. Mit Papier, Knete, Karton, Pfeifenreiniger, Lego etc. wird improvisiert, um die wichtigsten Funktionen zu demonstrieren.

Testen
Schnell wird mit den Prototypen von BenutzerInnen, ExpertInnen und AuftraggeberInnen Feedback gesammelt. Kommt die Idee positiv an, wird die Umsetzung gestartet, wenn Machbarkeit und Wirtschaftlichkeit gegeben sind.

Innovation mit Design Thinking

Design Thinking ermöglicht Innovationen mit dem Wow-Effekt. Das Endprodukt trifft die Wünsche und Bedürfnisse von BenutzerInnen. Die Autoren des 30 Minuten Guides für Design Thinking vergleichen Design Thinking mit einem Geburtstagsgeschenk: Die/Der Beschenkte artikuliert den Wunsch zwar nicht, bekommt er aber das Geschenk, ist er begeistert und gibt es nicht mehr her.

Die Anwendung und Umsetzung der Design Thinking Methode in Unternehmen kann mit folgenden Herausforderungen verbunden sein.

• Design Thinking ist ein kultureller Wandel. Laut einer Studie dauert die Umsetzung 4 Jahre
• Der Umgang mit folgenden Elementen kann sich zum Teil als schwierig herausstellen, wie
  • Prototypen mit Papier oder Lego basteln
  • alles sichtbar machen
  • unfertige Prototypen
  • „Freistellen“ von MitarbeiterInnen für nur ein Projekt, etc.
• Vor allem in der Recherche kann Design Thinking aufwendig gestaltet sein. Sie brauchen dazu intensiven Kontakt mit BenutzerInnen und KundInnen.

Trotz diesen potenziellen Herausforderungen ist die Design Thinking Methode sehr mächtig. Sie kompensiert viele alltägliche Innovationsfehler, wie zB den Kunden/die Kundin nicht richtig zu verstehen. Im Prozess entstehen zudem viele wertvolle Informationen. Somit haben Sie eine bessere Entscheidungsgrundlage, wie zB für die spätere Vermarktung eines Produktes oder Services.

Design Thinking ist, kombiniert mit den gängigen Werkzeugen, die optimalste Methode für das Innovationsmanagement. Sie vereint die wichtigsten Erfolgsfaktoren für Innovationen wie Menschen, Empathie, Kultur, Kundenorientierung, Agilität, etc. und prägt somit die neue Generation des Innovationsmanagements.

Quelle: 30 Minuten Design Thinking von Jochen Gürtler und Johannes Meyer

Source

Soziale Innovation ist eine Neuerung zum Nutzen für die Gesellschaft. Beispiele sind Armutsbekämpfung, Bildung, Chancengleichheit, Gesundheit und vieles mehr – die Themen aktueller denn je.

Eine der berühmtesten sozialen Innovationen ist die Grameen Bank in Bangladesch mit ihrer Vergabe von Mikrokrediten. So bekamen Menschen die Chance, aus der Perspektivenlosigkeit auszubrechen und ihr eigenes Leben aufzubauen. 2006 erhielt Muhammad Yunus den Friedensnobelpreis für die Förderung wirtschaftlicher und sozialer Entwicklung.

Der große Vorteil einer sozialen Innovation ist, dass letztendlich die gesamte Gesellschaft davon profitiert. Soziale Innovationen sollten daher ganz oben auf der Agenda der Politik zu finden sein. Einige Länder führen daher bereits Büros für soziale Innovation.

Die größten Treiber von sozialen Innovationen sind die Menschen, die etwas verändern und bewegen wollen, die helfen wollen. Das demonstrierte die Initiative Open Innovation von Ö1 bereits vor einigen Jahren, wobei unter dem Motto „Landkarte einer neuen Zivilgesellschaft“ über 400 Projekte eingereicht wurden. Einige hier kurz vorgestellt:

• Beim Dorfservice unterstützen Ehrenamtliche ältere Menschen, zum Beispiel beim Einkaufen, Kirche gehen, Arzt fahren oder anderen alltäglichen Tätigkeiten. „Ohne Euch könnte ich nicht leben“, ist das Echo der älteren Menschen, die ohne diese Unterstützung oft hilflos wären.
• Grenzenlos Kochen ist gemeinsames Kochen, wobei verschiedene Nationen mit ihren Landesküchen aufeinander treffen. Das kulinarische Erlebnis fördert die Integration und das Verständnis füreinander.
• Beim Jugendrat Team OÖ machen Gemeinden mit Jugendlichen Workshops zur Politik, zum Beispiel mit Fragen wie „Was würdest du ändern, wenn du BürgermeisterIn wärst?“. So wird die Jugend für Politik begeistert und aufgefordert, aufzustehen und die eigene Meinung zu kommunizieren.

Diese Innovationen haben vier Dinge gemeinsam:

• Menschen engagieren sich für andere,
• freiwillig,
• arbeiten sehr professionell und
• haben viel Freude daran.
• Menschen wollen etwas bewegen. Die Politik greift dieses kraftvolle Potential an Energie in der Bevölkerung bestenfalls auf, um die Menschen partizipieren zu lassen und die Veränderungen zu fördern. Soziale Innovation gewinnt einen immer höheren Stellenwert, um das Leben in Zeiten des technologischen Wandels lebenswerter zu gestalten.

Viele Unternehmen haben das Thema Soziales Engagement im Rahmen Ihres Nachhaltigkeitsprogrammes bereits auf der Agenda. Ein Beispiel ist Anglo American:

Andere Unternehmen verstehen unter Sozialem Engagement lediglich medienwirksame Spenden. Das kreative Potential und Engagement der MitarbeiterInnen für nachhaltige und soziale Innovationen wird dann viel zu wenig genutzt. Nachhaltigkeit und soziale Innovation muss auf jeder Zukunftsagenda zu finden sein, um für kommende Generationen Verantwortung übernehmen zu können.

Zitatquelle „Tu was, dann tut sich was!“ – Sozialfestival

Source

Im folgenden Beitrag werden zuerst die Grundvoraussetzungen und Schritte für Predictive Maintenance aus Data Analytics Sicht erläutert, abschließend wird ein konkretes Projektbeispiel im Umfeld von Predictive Maintenance gezeigt.

Grundvoraussetzungen und Schritte für Predictive Maintenance

Predictive Maintenance ist ein Überbegriff für Fehlerdetektion, Fehlerdiagnose und Fehlerprognose, wobei hierzu eine Vielzahl von Anwendungsfällen zählt (z.B. die Überwachung bzw. das Monitoring von Systemen, die frühzeitige Erkennung von Anomalien, die Reduktion von Ausschussproduktion, die frühzeitige Erkennung von Fehlern, die Unterstützung bei der Ursachenforschung von Fehlern bis hin zur Vorhersage von Stillständen von Maschinen und Produktionsanlagen und ggf. noch der Vorschlag möglicher Maßnahmen).

Viele Unternehmen (KMUs aber auch Großunternehmen) sind aktuell mit Themen wie Künstliche Intelligenz (KI), Predictive Maintenance, … überfordert, weil es eine Vielzahl an Methodenbausteinen gibt, die alle unter den Stichworten KI und/oder Predictive Maintenance angeführt werden. Tatsächlich Predictive Maintenance, also im Sinne von Vorhersage von Fehlern und Stillständen z.B. in der Produktion, machen nur die wenigsten. Oftmals ist es auch gar nicht sinnvoll, weil es keinen konkreten Anwendungsfall gibt (z.B. wenn die Produktion ohnehin gut läuft und es sehr wenige Stillstände gibt bzw. auch wenn ein Stillstand vorkommt, dieser für die Produktion keine großen Auswirkungen hat).

Das Thema Predictive Maintenance ist aus Data Analytics Sicht ein gewisses „Henne-Ei-Problem“:

• Man macht Predictive Maintenance zur Überwachung von kritischen Anlagen oder Maschinen und zur frühzeitigen Detektion und Vorhersage von Fehlern, z.B. Stillständen. Da die zu überwachenden Anlagen z.B. aber für die Produktion kritisch sind, werden die Instandhaltungen präventiv nach Wartungsplan durchgeführt. Dadurch fehlt aber die Datenbasis für die Vorhersage von zukünftigen Fehlern, da ein solches System Daten von Stillständen usw. braucht.
• Auf der anderen Seite bieten Predictive Maintenance Anwendungen aber auch die Möglichkeit, eine Vielzahl von Objekten (z.B. PV-Anlagen, Bankomaten, Druckergeräte, …) zu überwachen, wo die Datenbasis aufgrund vieler vergleichbarer Objekte oftmals viel umfassender und besser ist. Die einzelnen Objekte sind meistens nicht so kritisch wie im obigen Beispiel, die möglichen Anwendungsfälle müssen jedoch genauso auf Sinnhaftigkeit überprüft werden.

Um Predictive Maintenance Anwendungen überhaupt durchführen zu können, werden in Abbildung 1 die einzelnen Schritte aus Data Analytics Sicht gezeigt, die dazu notwendig sind:

• Identifikation der vorhandenen Datenquellen: Die im Unternehmen verfügbaren Datenquellen müssen als erstes einmal identifiziert werden. Das ist Grundvoraussetzung. Es gibt eine Vielzahl von Datenquellen (Betriebsdaten, Instandhaltungsdaten, Maschinendaten, Produktdaten, …), die mögliche Kandidaten zur Analyse sind.
• Qualität der Daten: Anschließend muss überprüft und beurteilt werden, wie gut die Datenqualität ist, um für Analysezwecke überhaupt in Frage zu kommen (z.B. Vollständigkeit, Granularität, Dauer der Datenspeicherung, Zeitstempel, …).
• Anwendungsfälle: Daraus können dann mögliche Anwendungsfälle im Umfeld von Predictive Maintenance identifiziert werden, die a) aufgrund der vorhandenen Datenlage überhaupt möglich sind und b) aufgrund der vorhandenen Datenlage vor allem auch sinnvoll

Abbildung 1: Schritte zu Predictive Maintenance Anwendungen (Projekt AutoDetect)

Projektbeispiel aus der anwendungsorientierten Forschung

Im Umfeld von Predictive Maintenance gibt es eine Vielzahl an Beispielen, die in anwendungsorientierten Projekten am Software Competence Center Hagenberg umgesetzt wurden. Von der intelligenten Darstellung / Visualisierung von Daten, über die semi-automatische Datenauswertung zur Detektion von Anomalien bis hin zu komplexen Prognosealgorithmen.

Praxisbeispiel: Überwachung des Spritzgussprozesses und die frühzeitige Detektion instabiler Zustände bei einer Vielzahl von Spritzgussanlagen.

Dieses Projekt wird mit einem österreichischen Produktionsunternehmen durchgeführt, welches eine Vielzahl von Spritzgussanlagen zur Erzeugung von Silikonteilen betreibt. Diese Silikonteile werden mit Fokus auf Massenproduktion produziert und reichen von Dichtungen, Bauteilen für die Autoindustrie bis hin zu Silikonprodukten für den täglichen Haushaltsgebrauch.

Das Spritzgussverfahren ist zwar komplex, hat aber eine Reihe von Vorteilen, wie z.B. eine hohe Wiederholbarkeit des Prozesses, schnelles Prototyping oder die Automatisierung des gesamten Prozesses.

Während des Prozesses gibt es jedoch eine Vielzahl von Situationen, die zu einem schlechten oder zumindest instabilen Zustand einer Maschine sowie ihres Produktionsprozesses führen können und oft in (erhöhtem) Produktionsausschuss enden. Daher wird ein Überwachungssystem entwickelt, das bei potenziell für die Produktqualität relevanten Prozessinstabilitäten automatisch Warnmeldungen versenden kann. Der Nutzen eines solchen Systems ist vielfältig. Zunächst ist das Erkennen von instabilen Prozesssituationen Voraussetzung, um Gegenmaßnahmen ergreifen zu können, damit die Ausschussquote gesenkt oder Maschinenschäden vermieden werden können. Darüber hinaus ist zu bedenken, dass das Unternehmen im Bereich der Massenproduktion von z.T. Kleinstteilen tätig ist und eine vollständige, manuelle Qualitätsprüfung daher unmöglich ist. Zeitbezogenes Wissen über die Prozessstabilität jeder Maschine ermöglicht es, die Qualitätsprüfung auf produzierte Teile aus kritischen Produktionszeiträumen zu fokussieren.

Der entwickelte datengetriebene Ansatz ermöglicht es, kritische Situationen automatisch zu erkennen. Die Maschinen liefern zyklisch (Schuss für Schuss) Statuswerte an ein Maschinendatenerfassungssystem, welche kontinuierlich analysiert werden. Die Prozessbedingungen hängen dabei von verschiedenen Faktoren ab, die sich teilweise gegenseitig beeinflussen, wie z.B. der Maschinenzustand, der Werkzeugzustand, der Materialzustand oder auch Umwelteinflüsse.

Der datengetriebene Ansatz kann diverse bekannte Fehlermuster in den Maschinendaten finden, von gelegentlich auftretenden, vereinzelten kritischen Schüssen bis hin zu sich langsam (in Wochen) verschlechternden Maschinenzuständen z.B. durch Verschleiß von Maschinenteilen. Auf Basis dieser Informationen versucht unser Softwaretool, wiederkehrende Fehlermuster zu lernen. Dabei verwenden wir verschiedenste Analysemöglichkeiten (z.B. Stream Data Processing, klassische Algorithmen des maschinellen Lernens, Ausreißererkennung, robuste Lernalgorithmen, causal discovery, usw.). Abbildung 2 zeigt ein Beispiel für ein solches Monitoring-System zur Überwachung von Spritzgussdaten und Anomaliedetektion.

Abbildung 2: Beispiel des Softwaretools zur Überwachung und Anomaliedetektion von Spritzgussanlagen

Predictive Analytics Message Board – ausgezeichnet mit dem eAward

„Dieses Tool wurde in mehreren Forschungsprojekten des SCCH zum Thema Predictive Maintenance u.a. mit Partnern wie Fronius International, RUBBLE MASTER HMH, BMW Motoren, BRP Rotax oder ISW Industriesoftware entwickelt“, erklärt Freudenthaler. Das „Predictive Analytics Message Board“ dient der Überwachung sowie der frühzeitigen Detektion und Analyse von Fehlern in Maschinen, Produktionsanlagen, Baumaschinen, Bankomaten, Photovoltaik-Anlagen etc. Das Tool arbeitet mit datenbasierter Modellierung, der Analyse lokaler Sensordaten, aber auch mit Vergleichswerten ähnlicher Maschinen. Dadurch können die Anlagenverfügbarkeit erhöht, Stillstände reduziert und Material- und Energiekosten eingespart werden.

Weiterführende Links

Chancen und Potentiale von Daten und AI https://www.youtube.com/watch?v=4uf8ER4lucI

COMET-Projekt FDI (Machine Learning basierte Fehlererkennung und -identifikation) https://www.scch.at/de/das-projekte-details/comet-projekt-fdi

Acknowledgement

Die in diesem Blogbeitrag präsentierten Ergebnisse resultieren aus dem FFG-Projekt „AutoDetect“ (Projekt-Nr. 862019) und aus Forschungsarbeiten, die vom BMVIT, BMDW und dem Land OÖ im Rahmen des COMET-Kompetenzzentrums SCCH gefördert wurden.

Die Inhalte stammen aus dem Jahrbuch der Instandhaltungstage 2020:
B. Freudenthaler. Predictive Maintenance – Grundvoraussetzungen, Schritte und Möglichkeiten aus Data Analytics Sicht. A. Dankl, J. Isopp (Hrsg.): Jahrbuch Instandhaltungstage 2020, pages 131-134, April, 2020.

Source