Entscheidungssysteme für Industrie 4.0

Was ist eigentlich neu bei der Industrie 4.0? Den Einsatz von Automatisierung und Robotern gibt es schon länger. Messungen während des Produktionsprozesses sind Standard und werden schon seit Jahren zur Qualitätskontrolle eingesetzt. Auch die digitale Vernetzung ist nicht neu. Wird bei Industrie 4.0 einfach alles nur noch automatisierter, noch digitaler, noch vernetzter? Das würde noch keinen neuen Begriff rechtfertigen. Das wäre höchstens Industrie 3.1.

Das wirklich Neue am Konzept Industrie 4.0 ist der Paradigmenwechsel, dass die gesammelten Daten dazu verwendet werden, Entscheidungen mit automatischen Systemen zu treffen. Nur so kann es gelingen, aus der riesigen Menge von gesammelten Daten eine Wertschöpfung in Form höherer Qualität, Flexibilität oder Effizienz zu generieren. Verständlicher wird dies, wenn betrachtet wird, auf welche Art und Weise qualitativ gute Entscheidungen getroffen werden können. Man kann die Methoden folgendermassen klassifizieren (mit zunehmender Komplexität):

Descriptive Analystics: Hiermit ist gemeint, dass Daten aufbereitet werden, und  Menschen damit Entscheidungen treffen. Hilfsmittel sind hierfür Kennwerte (Mittelwert, Standardabweichungen, etc.) und geeignete Grafiken. Als Werkzeug wird typischerweise Excel eingesetzt.

Predictive Analytics: Diese Methoden wurden seit den 40er Jahren des letzten Jahrhunderts entwickelt und haben mit dem Aufkommen von Computern an Bedeutung gewonnen. Mit statistischen Verfahren, Machine-Learning-Methoden, Neuronalen Netzen und anderem gelingt es, die richtigen Entscheidungen aufgrund weniger Regeln zu treffen. Die Entscheidungen werden dabei typischerweise aus drei bis sechs Alternativen gewonnen. Der Prozess der Entscheidungsfindung ist damit „objektiver“.

Prescriptive Analytics:  Erst mit der Möglichkeit, Daten in grossen Mengen zu messen und mit Hilfe von modernen numerischen Methoden zu verarbeiten, gelingt es, solche Entscheidungssysteme zu entwickeln. Innerhalb des Industrie 4.0-Paradigmas bilden Sie die Neuerung, mit der neue Möglichkeiten der Wertschöpfung geschaffen werden. Die Systeme sind in der Lage, optimale Entscheidungen aus einer sehr grossen Anzahl von Möglichkeiten zu treffen. Sie können optimale Lösungen finden, wo ein Mensch keine Chance hat, den Prozess zu überblicken.  Basis für solche Systeme ist letztlich die Mathematik.

Ein typisches System für Predictive Analytics besteht aus folgenden Komponenten:

  • Mathematische Modelle, die die Realität abbilden können
  • Numerische Verfahren, um dieses Modelle zu berechnen
  • Daten-Sammlung und Aufbereitung mit Methoden aus der Signalanalyse und Statistik
  • Ein automatisches Entscheidungssystem, das aus Millionen von Möglichkeiten die optimalen Lösungen findet.

Das Institut für Computational Engineering hat schon einige solcher Systeme für Kunden entwickelt. Ein typisches System besteht aus folgenden Komponenten: