DataViSon: ein Schritt hin zur dezentralen Produktionssteuerung
Kombination von Visual Analytics und Auditory Display zur Verzahnung von operativer und taktischer Produktionsplanungsebene

Thomas Felberbauer, Thomas Moser, Michael Iber und Franz Fidler, FH St. Pölten

Das Forschungsprojekt Analytic Manufacturing (ANAMA) beschäftigt sich mit der Verzahnung der taktischen und operativen Planungsebene und repräsentiert einen wesentlichen Zwischenschritt zur finalen dezentralen Steuerung der Produktion. Einerseits muss in Unternehmen dazu technisch ein übergelagerter Datenlayer implementiert werden, der unterschiedliche Datenebenen konsolidiert. Andererseits werden, basierend auf dieser konsolidierten Datenbasis, die Forschungsfelder „Visual Analytics“ und „Sonifikation“ (akustische Datenanalyse) zur Verbesserung der Feedbackschleife von operativer und taktischer Planung eingesetzt. Durch die Kombination der beiden Forschungsfelder entsteht die neuartige Methodik „DataViSon“.

Ein national orientierter Markt mit langen Produktzyklen ist einer globalen Marktlage mit eher kurzen Produktzyklen gewichen. Heutige Kunden möchten auf ihre Bedürfnisse angepasste Produkte schnellstmöglich und in möglichst hoher Qualität zu möglichst niedrigen Preisen. Diese „Quadratur des Kreises” geht einher mit einem zunehmenden Maß an Komplexität, dem sich Unternehmen sowohl in Bezug auf ihre inneren wie auch äußeren logistischen Strukturen stellen müssen [1]. Die logistische Leistungsfähigkeit wird immer mehr zum wesentlichen Faktor der Wettbewerbsfähigkeit eines Unternehmens [2]. Ein tiefgreifendes Verständnis von Produktionsprozessen und deren Dynamik ist die Voraussetzung für effiziente Entscheidungen auf strategischer, taktischer (lang- und mittelfristige Produktionsplanung) und operativer Planungsebene (kurzfristige Produktionssteuerung).


Verzahnung von taktischer und operativer Planung 

Derzeit erfolgt in Unternehmen die Abstimmung zwischen taktischer und operativer Planungsebene, wenn überhaupt, nur in einfachen Soll/Ist-Vergleichen (Bild 1a). Weit verbreitet ist ein typischer Top-Down Ansatz, in dem die übergeordnete Entscheidungsebene (z. B. taktische Planung) die Rahmenbedingung für die untere Planungsebene (operative Planungsebene) vorgibt [3]. Die tatsächliche Abarbeitung wird dabei meistens nur im Verlauf der Fertigstellung überwacht und es erfolgt kein oder ein nur sehr spärlicher Informationsaustausch vom Produktionsmonitoring an die operative Planungsebene. Der Alltag von produzierenden Unternehmen ist immer noch geprägt vom Management der akuten Probleme. Dabei werden oftmals nur die Symptome behandelt, ohne dabei die tatsächlichen Ursachen der Probleme zu erkennen, geschweige denn zu lösen. Typische Maßnahmen von Unternehmen bei Lieferproblemen sind Überstunden und höhere Vorproduktion, welche die Probleme nur kurzfristig entschärfen und nicht auf die tatsächlichen Ursachen abzielen.


Bild 1: Klassischer Planungsansatz vs.
ANAMA Planungsansatz.

Wissenschaftlich sind diese stereotypischen Verhaltensmuster als Fehlerkreis der Kapazitätsplanung und Fehlerkreis der Fertigungssteuerung bekannt [4]. Eiltransporte, hohe Sondertransportkosten, schlechte Liefertreue und mangelnde Qualität sind die Auswirkungen dieser kontraproduktiven Maßnahmen. Der Druck am globalen Markt steigt und die Forderung nach kürzeren Lieferzeiten und hoher Liefertreue zwingt Unternehmen, ihr logistisches Potenzial weiter auszuschöpfen. Im Rahmen globaler Lieferketten spielt die Transparenz des Auftragsstatus eine zentrale Rolle. Um die geforderte Auskunftsfähigkeit sicherstellen zu können, sind die Unternehmen gefordert, zeitnahe Rückmeldungen unter der Nutzung neuer Informations- und Kommunikationstechnologien durchzuführen.


Die DataViSon Methodik

ANAMA setzt genau bei diesem Problem an und versucht durch kontinuierliches Produktionsmonitoring mit DataViSon, d. h. einer interaktiven Datenvisualisierung und -sonifikation, operative und taktische Planungsebenen besser zu verzahnen (Bild 1b). Dies ist ein wesentlicher Zwischenschritt zur finalen dezentralen Steuerung der Produktion, in der zukünftig z. B. Maschinen autonom Entscheidungen über die Reihenfolgeplanung von Aufträgen oder die Kapazitätssteuerung treffen. Dazu ist es aus technologischer Sicht notwendig, einen übergelagerten Datenlayer im Unternehmen zu implementieren, der unterschiedliche Datenquellen (z. B. Sensordaten, Maschinendaten, ERP-Daten, Kundenportale etc.) konsolidiert. Zur informellen Aufbereitung und Auswertung dieser neuen Datenbasis werden interaktive Visualisierungen und Sonifikationen, welches einer akustische Darstellung von Information und Produktionsdaten entspricht, zur Verbesserung der Feedbackschleife von operativen und taktischen Planungsebenen eingesetzt. Bild 2 zeigt einen Überblick des ANAMA Frameworks, bestehend aus den drei Ebenen Datenlayer und Schnittstellen zu Mensch und Maschine, DataViSon und Regelkreis der Produktionsplanung.


Bild 2: ANAMA Framework [5].

Mit dem Ansatz von ANAMA wird durch aktuelle Technologien (Sensorik, mobile Geräte mit Touch-Screens etc.), wie sie im Rahmen von Industrie 4.0 implementiert werden, eine Plattform geschaffen, die ein Ineinandergreifen von Entscheidungen auf taktischer und operativer Ebene kontrollierbar und deren produktionsweite Auswirkungen unmittelbar sichtbar werden lässt. Konkret bedeutet das: Mitarbeiter in der Produktion erhalten nicht nur Informationen über die sie betreffenden aktuellen produktionslogistischen Prozesse in Echtzeit, sondern sie werden auch über weiterreichende Zusammenhänge (z. B. im Bezug auf die Gesamtliefertreue, Rüstoptimierung, Maschinenauslastung usw.) in der Form von Entscheidungsszenarien informiert. Im Rahmen von Acoustic Machine
Condition Monitoring (CM), einem Verfahren, das den Zustand von Maschinen mittels der algorithmischen Auswertung akustischer Spektren analysiert, wird immer wieder auf die kaum zu ersetzende Rolle verwiesen, die das Ohr eines erfahrenen Mitarbeiters für die Beurteilung des Zustands einer Maschine haben kann. In diesem Zusammenhang entwickelte Methoden versuchen, über algorithmische Lösungen Analysen zu generalisieren und von der Expertise einzelner unabhängig zu machen. ANAMA geht hier einen anderen Weg und nutzt gezielt das aufgrund von optischen und akustischen Wahrnehmungen beruhende analytische Potenzial spezifisch geschulter Mitarbeiter. Anders als beim CM werden bei ANAMA keine Geräusche oder Vibrationen tatsächlicher Maschinen ausgewertet, sondern die erwähnten Entscheidungsszenarien aufbereitet dargestellt als interaktive, webbasierte Visualisierungen und Sonifikationen.

Zur Erreichung des Hauptziels von ANAMA, taktische und operative Produktionsplanung näher zusammenzubringen, lassen sich die folgenden drei Befähiger für Unternehmen identifizieren:

  • Datenlayer und Schnittstellen zu Mensch und Maschine: Im Rahmen des ANAMA Projekts wird ein intelligenter Datenlayer implementiert, mit dessen Hilfe Maschinendaten aus unterschiedlichen Datenquellen (reale Maschinen, Maschinen in einer Laborumgebung, Daten aus Simulationen) gesammelt und konsolidiert werden können. Hierzu wird ein herstellerunabhängiger Layer basierend auf OPC-UA verwendet und prototypisch implementiert. Die OPC Unified Architecture, kurz OPC UA, ist ein industrielles M2M-Kommunikationsprotokoll. Die aktuelle OPC-Spezifikation der OPC Foundation beinhaltet auch die Fähigkeit, Maschinendaten (Prozesswerte, Messwerte, Parameter usw.) nicht nur zu transportieren, sondern auch maschinenlesbar semantisch zu beschreiben. Die wichtigste Informationsquelle sind die Spezifikationen. Sie sind öffentlich zugänglich und auch als IEC Normenreihe (IEC 62541) verfügbar [6]. OPC steht für Open Connectivity und ist das weltweit am stärksten verbreitete standardisierte Datenaustauschverfahren der Automatisierungstechnik. Der Standard ermöglicht es, Daten in ihrer ursprünglichen Form von unterschiedlichen Geräten, Steuerungssystemen sowie Anwendungen zu sammeln, zu transportieren und in ein einheitliches Format umzuwandeln. Zum Abschluss des ANAMA Projekts werden die entsprechend aufbereiteten Daten mithilfe von modernen Unterstützungs- bzw. Assistenzsystemen (Mensch-Maschine-Interaktion) den maschinenbedienenden MitarbeiterInnen sowohl graphisch als auch akustisch präsentiert.
  • DataViSon: In der Produktionslogistik ist die graphische Darstellung von Prozessen seit Anfang des 20. Jahrhunderts gebräuchlich. Bis heute finden die nach ihrem Erfinder benannten Gantt-Diagramme ihre Anwendung und sind in zahlreichen Softwarelösungen implementiert. Mit dem Trichtermodell [7] und dem Durchlaufdiagramm [4] wurden weitere qualitative graphische Darstellungsmethoden des Materialflusses zu Analysezwecken entwickelt. Mit Visual Analytics erschließen sich in Bezug auf Produktionsdaten neue Darstellungs- und Analysemethoden, die bisher nur ansatzweise betrachtet wurden [8]. Ein Beispiel dafür ist z. B. die interaktive Darstellung von Gantt-Diagrammen, LiveGantt [9], wie in Bild 3 dargestellt. Auch das hinsichtlich der menschlichen Wahrnehmungsform zur visuellen Darstellung komplementäre Auditory Display [10], die akustische Darstellung von Information (z. B. als Datensonifikation), ist ein effektives Werkzeug zur logistischen Datenanalyse, dessen Potenzial bisher nur ansatzweise entfaltet ist [11]. Gegenüber visuellen Darstellungsformen hat eine akustische Informationsdarstellung den Vorteil, dass sie in der Regel im Hintergrund wahrgenommen wird [12] und nur bei einer Zustandsveränderung in den Fokus der Aufmerksamkeit rückt. Je nach Schulungsgrad lässt sich eine akustische Informationsdarstellung auf verschiedenen Ebenen einsetzen: 1. durch ikonisch/symbolische Repräsentationen von Zuständen und Auswirkungen [13], 2. durch komplexe und verräumlichte Klangstrukturen [14] oder 3. durch musikbezogene Sonifikationen, bei denen z. B. der Harmonizitätsgrad von Klängen mit dem dargestellten Zustand in Bezug gesetzt wird. Trotz ähnlicher inhaltlicher Herausforderungen gibt es zwischen den wissenschaftlichen Communities von Visual Analytics und Auditory Display bislang wenig gemeinsame Lösungsansätze. Ein wissenschaftliches Nebenziel von ANAMA ist es daher, eine komplementäre Methodik und Modelle zu entwickeln, mit denen die erfassten Daten ausgewertet werden können. Der Grad der Aufbereitung dieser Daten reicht dabei von einer Analyse der Rohdaten, d. h. Muster werden ausschließlich auf perzeptueller, d. h. auf visueller oder auditiver Ebene erkannt, hin zu klassifizierten Daten, die aus Clusteranalysen oder mittels Mustererkennung gewonnen wurden.
  • Regelkreis der Produktionsplanung: Die im vorigen Absatz erwähnten visuellen bzw. akustischen Analyseverfahren dienen zur Sensibilisierung der Produktionsmitarbeiter, Vorabeiter oder Disponenten bezüglich Einflüsse/Abweichungen auf die Produktionsprozesse. Beispielhaft seien einige mögliche Anwendungen des ANAMA Frameworks angeführt:
    • Losgrößenentscheidung: Durch die Visualisierung oder Sonifizierung der Ist- und Soll-Losgrößen kann eine Aussage über die Planungsqualität getroffen werden. Zusätzliche Informationen über die aktuellen Bestände, Rückstände, und Verspätungen helfen dem Mitarbeiter um Losgrößen situationsabhängig anzupassen. Zusätzlich können basierend auf den Vergangenheitsdaten der Maschinenauslastung minimale Losgrößen berechnet und dem Mitarbeiter zur Verfügung gestellt werden.
    • Adaptive Kapazitätsanpassung: In die Kapazitätsplanung der Produktion werden Informationen, z. B. über die Realisierungswahrscheinlichkeit von Angeboten, miteinbezogen. Zusätzlich können in einer kumulativen Kapazitätsansicht, bei der Angebot und Nachfrage gegenübergestellt werden, interaktive Informationen über den relevanten Systemzustand (Rückstände, Ausschussrate, Maschinenstillstände, Verspätungen etc.) eingeblendet werden, um so die Entscheidung über notwendige Maßnahmen, wie z. B. Überstunden, Zusatzschichten oder einen Wechsel des Arbeitszeitsystems, besser treffen zu können.
    • Situationsabhängige Reihenfolgeplanung bzw. Ablaufplanung der Fertigungsaufträge: Der Fertigungspfad bzw. die Reihenfolge der Aufträge wird aufgrund des aktuellen Systemzustands angepasst. Dabei werden für den Systemzustand z. B. aktuelle Maschinenstillstände, durchgeführte Wartungen oder die aktuellen Auslastungen den Entscheidern zur Verfügung gestellt, um die Ablaufentscheidung der Fertigungsaufträge situationsabhängig treffen zu können.


LiveGantt-Chart als mögliche interaktive DataViSon-Anwendung

Beispielhaft ist in Bild 3 ein interaktives und echtzeitfähiges LiveGantt Diagramm [9] dargestellt, welches 3.404 eingeplante Produktionsaufträge und die aktuelle Auslastungssituation von über 100 Maschinen darstellt. Die Historie der Datenexploration Bild 3A, die aggregierte Darstellungsform von Aufträgen und Ressourcen Bild 3-B und die implementierten interaktiven Filter Bild 3-C erlauben es dem Benutzer, trotz dieser immensen Datenmenge die Übersicht über den aktuellen Systemzustand des Produktionssystems zu behalten und schnell situationsbedingt Entscheidungen abzuleiten. Bild 3-B zeigt den zeitlichen Verlauf der eingeplanten Produktionsaufträge. Respektive des ausgewählten Produktionstags (vertikaler schwarzer Balken in der Zeitleiste im oberen Bereich von Bild 3-B) werden die aktuellen Produktionsaufträge hervorgehoben. Durch die Filter-Auswahl in Bild 3-C können diese nach weiteren Kriterien, wie z. B. Maschine oder speziellen Produktionsauftrag, ausgewählt werden.

Basierend auf Bewegungs- und Rückmeldedaten könnten zusätzlich zu Bild 3 z. B. auch noch Informationen über die Prozessstabilität der Anlagen angezeigt werden. Über webbasierte interaktive Prozessregelkarten könnte dem Benutzer vorgeschlagen werden, wann er in den Prozess aktiv und korrigierend eingreifen soll. Diese Warnmeldungen könnten dem Benutzer auch auditiv direkt an der Arbeitsstation übermittelt werden. Zusätzlich lassen sich über die Analyse der Rückmeldungen der Auftragsdaten Soll-Ist-Vergleiche über z. B. Losgrößen oder Planübergangzeiten (Eigenfertigungszeit) anstellen, die Rückschlüsse auf die Planungsqualität des Unternehmens geben. Die Erkenntnisse aus dem Soll-Ist-Vergleich könnten anschließend verwendet werden, um den Planungsprozess und dessen Parametrisierung zu verbessern.


Bild 3: Interaktives LiveGantt-Chart im Bereich der
Produktionslogistik [9].

ANAMA wird im Zuge von Studentenprojekten bei Partnerunternehmen für ausgewählte Teilbereiche der Fertigung experimentell evaluiert. Ziel dieser Projekte ist, das quantitative Einsparungspotenzial zu eruieren. In weiterer Folge könnte ANAMA bei angemessener Rentabilität in die IT-Systemlandschaft der Partnerunternehmen integriert werden. Zusätzlich beruht ANAMA auf einer modular aufgebauten Umsetzungsstrategie, die sich im Projekt zunächst auf den Kernbereich Produktion (Produktionslogistische Kennzahlen und deren Zusammenhänge, Auftragsabwicklung, Materialfluss etc.) konzentriert. Anschließend könnte das ANAMA-Framework auf den Bereich des Kundenbestellverhaltens (Informationsunsicherheit, Stornierungsmatrix, Überbuchungen etc.) und schlussendlich auf Kennzahlen im Bereich der Lieferantenbeziehung angewendet werden.


Fazit

Der vorliegende Beitrag beschreibt das Projekt ANAMA mit dem Ziel der Verzahnung der taktischen und operativen Planungsebene durch die innovative Methodik DataViSon. Letztere kombiniert die Forschungsfelder der interaktiven Visualisierung und Sonifikation. Die Entwicklung von DataViSon als ein neuer Ansatz perzeptueller Datenanalyse ist somit ein wesentlicher Schritt hin zu einer dezentralen Produktionssteuerung im Sinne der Zielsetzung von Industrie 4.0. In der finalen Umsetzung von ANAMA lassen sich durch den geschaffenen Datenlayer, neue Informationstechnologien und die ständig ansteigende Rechnerleistung Informationen beinahe in Echtzeit anzeigen und können somit direkt in der operativen Planungsebene von den Produktionsmitarbeitern bei ihrer Entscheidungsfindung berücksichtigt werden. Zusätzlich schafft der Auftragsstatus in Echtzeit Transparenz in den globalen Lieferketten und verbessert so die Logistik- und Produktionsprozesse. ANAMA wird in enger Verbindung des Instituts of Creative Media Technologies (ICMT) an der Fachhochschule St. Pölten und des Studienganges Smart Engineering durchgeführt. Durch die duale Ausrichtung dieses in enger Zusammenarbeit mit der Industrie ausgerichteten Studiengangs lässt sich das Einsparungspotenzial von ANAMA im Zuge von Studentenprojekten praxisnah evaluieren.

Schlüsselwörter:

Hierarchische Produktionsplanung, Datensonifikation, Visual Analytics, Live-Gantt, OPC UA

Literatur:

[1] Windt, K.; Philipp, T.; Böse, F.: Complexity cube for the characterization of complex production systems. In: International Journal of Computer Integrated Manufacturing 21 (2008) 2, S. 195-200.
[2] Nyhuis, P.; Wiendahl, H.-P.: Fundamentals of Production Logistics: Theory, Tools and Applications. Berlin Heidelberg 2009.
[3] Altendorfer, K.; Felberbauer, T.; Jodlbauer, H.: Effects of forecast errors on optimal utilisation in aggregate production planning with stochastic customer demand. In: International Journal of Production Research 54 (2016) 12, S. 3718-3735.
[4] Nyhuis, P.; Wiendahl, H.-P.: Logistische Kennlinien: Grundlagen, Werkzeuge und Anwendungen, 3. Auflage. Heidelberg Dordrecht London New York 2012.
[5] Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.; Uthurusamy, R.: Advances in Knowledge Discovery and Data Mining. Cambridge 1996.
[6] Lange, J.; Iwanitz, F.; Burke, T. J.: OPC: von Data Access bis Unified Architecture, 5. Auflage. Berlin 2014.
[7] Bechte, W.: Steuerung der Durchlaufzeit durch belastungsorientierte Auftragsfreigabe bei Werkstattfertigung. Düsseldorf 1984.
[8] Feldkamp, N.; Bergmann, S.; Strassburger, S.: Visual analytics of manufacturing simulation data. In: Yilmaz, L.; Chan, W. K. V.; Moon, I.; Roeder, T. M. K.; Macal, C.; Rossetti, M. D.(Hrsg): Proceedings of the 2015 Winter Simulation Conference. Huntington Beach, USA 2015, S. 779-790.
[9] Jo, J.; Huh, J.; Park, J.; Kim, B.; Seo, J.: LiveGantt: Interactively Visualizing a Large Manufacturing Schedule. In: IEEE Transactions on Visualization and Computer Graphics 20 (2014) 12, S. 2329–2338.
[10] Hermann, T.: Taxonomy and Definitions for Sonification and Auditory Display. In: Proceedings of the 14th International Conference on Auditory Display (ICAD2008) Paris 2008.
[11] Iber, M.; Windt, K.: Order-related acoustic characterization of production data. In: Logistics Research 5 (2012) 34, S. 89-98.
[12] Holstein, P.; zur Horst-Meyer, S.: Akustische Methoden in der Zustandsorientierten Instandhaltung. URL: https://tu-freiberg.de/fakult4/iwtt/gwa/forschung/veroeffentlichungen/bh..., Abrufdatum 15.04.2016.
[13] Hermann, T.; Hildebrandt, T.; Langeslag, P.; Rinder-le-Ma, S.: Optimizing Aesthetics and Precision in Sonification for Peripheral Process-Moni-toring. In: International Conference on Auditory Display (ICAD) 2015, S. 318-319.
[14] Iber, M.: Auditory Logistic Analysis. Jacobs University Bremen 2014.