Bild 01: Wenn sich die Fragen eher darauf beziehen, was in Zukunft passieren könnte, sollten prädiktive und präskriptive Analysen verwendet werden. Anwendungen können durch vier Arten der Datenanalyse charakterisiert werden: deskriptiv, diagnostisch, prädiktiv und präskriptiv. Bild enthält eine Übersicht der vier Arten der Datenanalyse (Quelle: Thomas Schulz; Grafik: etz)
Die Datenanalyse in Produktionssystemen verbindet Mathematik und Statistik, Informatik und den jeweils spezifischen Anwendungsbereich. Eine digitale Repräsentation als Auszug der Realität wird durch einen digitalen Zwilling beschrieben. Diese Grundidee ist leicht verständlich und wurde bereits in vielen Anwendungsfällen beschrieben. Digitale Zwillinge können somit ein wahrer Nährboden für Innovationen sein und Möglichkeiten für eine verbesserte Produktivität und einen höheren Unternehmenswert bieten. Obwohl der Begriff digitaler Zwilling nicht formal als Teil eines internationalen Standards definiert wurde und im industriellen Kontext mehrere Definitionen existieren, soll die folgende Definition des technischen Komitees ISO/TC 184 – Automation Systems and Integration als Einstieg für die weiteren Betrachtungen dienen.
Digitaler Zwilling
Ein digitaler Zwilling ist eine zweckdienliche digitale Darstellung realisierter Dinge oder Prozesse mit der Befähigung, eine Konvergenz zwischen der realisierten Instanz und der digitalen Instanz mit angemessener Synchronisierungsrate zu ermöglichen [1]. Ergänzend hierzu lässt sich feststellen, dass der digitale Zwilling eine virtuelle, dynamische Abbildung physischer Artefakte oder Prozesse ist und Daten automatisch und bidirektional zwischen dem digitalen Zwilling und dem physischen Artefakt oder dem Prozess ausgetauscht werden [2]. Ein digitaler Prozesszwilling kann darauf aufbauend für Prozesse und Prozessabläufe definiert werden:
Ein digitaler Prozesszwilling ist die intelligente Aufbereitung und Auswertung von bereits vorhandenen und aktuell anfallenden Prozessdaten zu einem Informationsmodell [3]. Er stellt somit einen innovativen Ansatz zur Interpretation von Prozessabläufen dar. Nach der Vorverarbeitung der Daten werden Modelle erstellt und anschließend ausgewertet. Die hier eingesetzten digitalen Prozesszwillinge bilden sämtliche Daten ab, die während des Produktionsprozesses anfallen und geben Auskunft über Leistungswerte und Abweichungen in den einzelnen Fertigungsschritten und berechnen vorausschauende Prognosen. Die Ergebnisse führen im Allgemeinen zu einem besseren Verständnis der Prozesse und Abläufe des ausgewählten Bereichs. Dieses bessere Verständnis kann wiederum zur Verbesserung der Modellierung genutzt werden. Dieser Vorgang wird so lange wiederholt, bis das Modell das Problem als hinreichend repräsentativ erachtet. Dann wird das Modell im Anwendungskontext eingesetzt. Dieser Beitrag konzentriert sich auf die Abbildung einzelner Prozesse und Abschnitte von Produktionsabläufen.
Methoden zur Analyse
Die Analyse bezieht sich auf den Prozess der Umwandlung von Daten in kontextbezogene und zuverlässige Informationen, um darauf basierende Entscheidungen zu treffen. Es gibt mehrere Möglichkeiten, Daten sinnvoll zu nutzen. Welche Methode Anwender wählen, hängt von der aktuellen Aufgabenstellung ab, und von den Informationen, die sie aus ihrem Datensatz gewinnen möchten. Wenn sie erklären wollen, was passiert ist und warum, sind deskriptive und diagnostische Analysen sehr nützlich. Wenn sich die Fragen eher darauf beziehen, was in Zukunft passieren könnte, sollten prädiktive und präskriptive Analysen verwendet werden. Anwendungen können durch vier Arten der Datenanalyse charakterisiert werden: deskriptiv, diagnostisch, prädiktiv und präskriptiv. Bild 1 enthält eine Übersicht der vier Arten der Datenanalyse [4].
Die Bandbreite von Datenanalysetechniken und -prozessen reicht von beschreibenden Diagnosemethoden zur reaktiven Entscheidungsfindung bis hin zu anspruchsvollen Vorhersagen und Optimierungen zur proaktiven Entscheidungsfindung Während die einfacheren Prozesse noch unter dem Namen Operational Intelligence bekannt sind, hat sich der Begriff Advanced Analytics für prädiktive und präskriptive Analysen durchgesetzt [5, 6].