Unstrukturierte Daten aus der Serienproduktion mit Process Mining zur Fehleranalyse und Prozessoptimierung nutzen

Titelangaben

Kratsch, Wolfgang ; Stengel, Gregor ; Egger, Andreas ; Fehrer, Tobias:
Unstrukturierte Daten aus der Serienproduktion mit Process Mining zur Fehleranalyse und Prozessoptimierung nutzen.
2024
Veranstaltung: VDI Mechatroniktagung 2024 , 14.-15.03.2024 , Dresden, Germany.
(Veranstaltungsbeitrag: Kongress/Konferenz/Symposium/Tagung , Paper )

Volltext

Link zum Volltext (externe URL):

Angaben zu Projekten

Abstract

Business Process Mining (PM) analysiert Unternehmensdaten zur Prozessverbesserung und wird immer bedeutender. Bisher beruht die Analyse meist auf Daten aus Kern-IT-Systemen (z.B. ERP-Systemen), weil diese leicht verfügbar sind und viele andere Datenquellen unzugänglich sind. Mit dem X2Log Framework soll eine Datengrundlage geschaffen werden, um bisher nicht nutzbare Datenpunkte bei sichergestellter Datenqualität für die Analyse von Prozessen zugänglich zu machen. Es umfasst die Auswahl der Datenquellen, die Extraktion von Rohdaten, deren Vorverarbeitung und Umwandlung in Prozessereignisse sowie das Zusammenfügen von Ereignissen zu Aktivitäten. Damit können etablierte PM-Werkzeuge genutzt werden. Der Automobilzulieferer RAPA sieht hierzu Potential in seiner End-of-Line-Prüfung. Zwar werden aktuell relevante Prozessdaten aufgezeichnet, aber herkömmliche Ansätze können Informationen ineffizient korrelieren, unter anderem aufgrund uneinheitlicher Abstraktionslevel. Eine Prozessanalyse ist nur bedarfsgetrieben, rückwärtsgewandt und mit hohem manuellem Aufwand möglich. Hier soll das X2Log Framework den Produktionsprozess transparent machen.