Warum steigt die Nacharbeit? Produktionsdaten mit KI gezielt untersuchen
Die Nacharbeit an einer Linie steigt. In der Frühbesprechung stehen mehrere Vermutungen im Raum: eine andere Materialcharge, ein verschlissenes Werkzeug oder eine geänderte Einstellung. Die Qualitätskennzahl zeigt die Veränderung. Welche Vermutung zutrifft, lässt sich daraus noch nicht erkennen.
Für die Untersuchung müssen Qualitätsdaten, Produktvarianten und Prozessbedingungen zusammen betrachtet werden. Wir zeigen an einem Beispiel, wie das funktioniert, welche Daten benötigt werden und welche Aufgaben KI dabei übernehmen kann.
Was genau hat sich verändert?
An unserer Beispiellinie werden zwei Produktvarianten gefertigt. Im Vergleichszeitraum mussten 30 von 1.000 Teilen nachgearbeitet werden, im aktuellen Zeitraum sind es 80 von 1.000. Der Nacharbeitsanteil ist damit von 3 auf 8 Prozent gestiegen.
Die Zahlen in diesem Beitrag sind fiktiv. Sie erläutern den Analyseweg und beschreiben kein Kundenprojekt.
Bevor wir nach einer Ursache suchen, müssen wir klären, was die Kennzahl zählt. Für dieses Beispiel zählen wir jedes produzierte Teil einmal. Benötigt es mindestens eine Nacharbeit, geht es einmal in den Nacharbeitsanteil ein. Ein Teil mit drei Nacharbeitsschritten zählt also nicht als drei nachgearbeitete Teile. Ausschuss wird getrennt betrachtet.
Auch der Vergleich selbst muss passen. Wurden die Daten in beiden Zeiträumen vollständig erfasst? Hat sich die Bewertung an der Prüfstation geändert? Ist die Nacharbeit für alle betrachteten Teile bereits bekannt? Werden aktuelle Qualitätsmeldungen mit dem Produktionszeitraum vermischt, können Teile aus einer früheren Schicht die Kennzahl verändern.
Mit diesen Fragen lässt sich prüfen, ob wir eine Veränderung in der Produktion untersuchen oder zunächst eine Änderung in der Datenerfassung klären müssen.
Welche Produktvariante ist betroffen?
Der Gesamtwert zeigt noch nicht, wo die zusätzliche Nacharbeit entsteht. Wir teilen die produzierten und nachgearbeiteten Teile deshalb nach Produktvariante auf.
| Produkt | Vergleichszeitraum | Aktueller Zeitraum |
|---|---|---|
| Variante A | 20 von 500 Teilen · 4 % | 70 von 500 Teilen · 14 % |
| Variante B | 10 von 500 Teilen · 2 % | 10 von 500 Teilen · 2 % |
| Gesamt | 30 von 1.000 Teilen · 3 % | 80 von 1.000 Teilen · 8 % |
Der Anstieg entfällt vollständig auf Variante A. Bei Variante B hat sich der Anteil nicht verändert. Da in beiden Zeiträumen jeweils 500 Teile pro Variante gefertigt wurden, erklärt ein veränderter Produktmix den Anstieg in diesem Beispiel nicht.
Damit wird die nächste Untersuchung konkreter: Was hat sich bei der Fertigung von Variante A verändert?
Qualitätsdaten mit Prozessdaten verbinden
Für den ersten Vergleich reichen Produktvariante, Produktionszeitraum und Nacharbeitsstatus mit einer eindeutigen Zuordnung zum Teil. Für die Ursachenuntersuchung benötigen wir weitere Informationen.
Bei einer Montageanlage können das beispielsweise die verwendeten Werkzeuge, Werkstückträger, Materialchargen und Messwerte der einzelnen Bearbeitungs- und Prüfschritte sein. Bei einem Schraubprozess interessieren uns etwa Drehmoment und Drehwinkel. Bei einer Dichtprüfung betrachten wir den Leckwert und die zugehörigen Prüfbedingungen.
Wichtig ist, dass diese Informationen zum jeweiligen Teil und Bearbeitungsschritt gehören. Ein später ausgelesener SPS-Wert kann bereits zum nächsten Teil gehören. Ein Zeitstempel allein reicht deshalb nicht in jedem Fall für die Zuordnung aus.
Für Variante A untersuchen wir nun:
- Tritt die zusätzliche Nacharbeit an einer bestimmten Station auf?
- Sind bestimmte Werkzeuge, Werkstückträger oder Materialchargen häufiger betroffen?
- Unterscheiden sich Prozesswerte von Teilen mit und ohne Nacharbeit?
- Ab wann verändert sich das Verhalten? Passt der Zeitpunkt zu einem Werkzeugwechsel oder einer geänderten Einstellung?
Dabei vergleichen wir Anteile und die zugehörigen Stückzahlen. Ein Werkzeug mit mehr nachgearbeiteten Teilen ist nicht automatisch auffällig, wenn es auch deutlich mehr Teile bearbeitet hat.
Die Produktionsanalyse in Manufacturing Insights verbindet Qualitätswerte mit dem verfügbaren Stations-, Produkt- und Prozesskontext. So lässt sich eine auffällige Kennzahl bis zu den betroffenen Produktionsbedingungen untersuchen.
Welche Arbeit übernimmt die KI?
Der Vergleich nach Produktvariante braucht zunächst keine KI. Die zusätzliche Arbeit entsteht, wenn viele Anlagen regelmäßig geprüft werden müssen oder eine Frage über die vorhandenen Standardauswertungen hinausgeht. Hier setzen der Copilot und die KI-Notebooks an unterschiedlichen Stellen an.
Der Copilot bereitet eine Auffälligkeit auf
Der Manufacturing Analytics Copilot untersucht die verfügbaren Daten der aktivierten Insights-Module im Hintergrund. Er kann eine auffällige Entwicklung als Data Story aufbereiten: Welche Anlage ist betroffen, welcher Zeitraum wurde betrachtet und welche Daten belegen die Veränderung?
Im Nacharbeitsfall beginnt das Team dadurch mit einem aufbereiteten Hinweis. Eine passende Rückfrage im Chat lautet: „Betrifft der Anstieg alle Produkte oder eine bestimmte Variante?“ In den verknüpften Analyseansichten lässt sich der Fall anschließend weiter untersuchen.
Wie weit diese Untersuchung reicht, hängt von den vorhandenen Daten ab. Liegen nur Qualitätsmengen vor, lässt sich eine Veränderung erkennen. Ein fehlender Werkzeugbezug oder nicht erfasste Prozessparameter stehen dem Copilot dadurch noch nicht zur Verfügung.
Ein KI-Notebook unterstützt die individuelle Auswertung
Für eine speziellere Frage können KI-Notebooks im IoT Data Hub aus einer Beschreibung Python-Code erzeugen und die gespeicherten Produktionsdaten auswerten. Eine konkrete Frage wäre:
Vergleiche für Variante A die Leckwerte von Teilen mit und ohne Nacharbeit. Gruppiere nach Werkstückträger und Zeitraum. Zeige für jede Gruppe die Anzahl der Teile, den Median und die Verteilung. Weise fehlende Werte separat aus.
Der erzeugte Code und seine Ergebnisse bleiben sichtbar. Das Team prüft insbesondere, ob jedes Teil korrekt zugeordnet wurde, Wiederholprüfungen richtig behandelt werden und die Filter zum Untersuchungsfall passen. Eine erfolgreich ausgeführte Berechnung kann fachlich trotzdem die falsche Gruppe vergleichen.
Die KI unterstützt damit die Erstellung und Anpassung der Auswertung. Das Prozesswissen wird weiterhin gebraucht, um die Ergebnisse zu bewerten.
Die vermutete Ursache an der Anlage prüfen
Nehmen wir an, die weitere Auswertung zeigt erhöhte Leckwerte bei Variante A auf einem bestimmten Werkstückträger. Das gibt dem Team einen konkreten Ansatzpunkt. Es beweist noch nicht, dass der Werkstückträger die Ursache ist: Möglicherweise wurde dort überwiegend eine andere Materialcharge verarbeitet oder mit einem anderen Rezept geprüft.
Das Team prüft deshalb die betroffenen Teilehistorien und die tatsächlichen Bedingungen an der Anlage. Stimmen Rezept, Prüfparameter und Materialzuordnung? Ist am Werkstückträger eine Abweichung erkennbar? Lässt sich der vermutete Einfluss unter kontrollierten Bedingungen bestätigen?
Erst daraus ergibt sich eine begründete Maßnahme. Die Analyse hilft, die Suche einzugrenzen und die richtigen Fälle zu finden. Die technische Prüfung bleibt Aufgabe der Prozessverantwortlichen.
Hat die Maßnahme die Nacharbeit reduziert?
Nach einer Änderung werten wir Variante A erneut aus. Dabei verwenden wir dieselbe Definition des Nacharbeitsanteils und vergleichen ähnliche Produktionsbedingungen. Stückzahlen, Produktmix und weitere Änderungen werden mit betrachtet.
Ein einzelner guter Produktionslauf genügt noch nicht, um eine dauerhafte Verbesserung zu belegen. Neben dem Nacharbeitsanteil prüfen wir, ob sich Ausschuss, Zykluszeit oder andere Qualitätsmerkmale verändert haben. So fällt auf, wenn ein Problem nur an eine andere Stelle verschoben wurde.
Für die Bewertung des KI-Einsatzes halten wir zusätzlich fest, wie viel Zeit das Team für die Suche und Aufbereitung benötigt hat. Welche Hinweise führten zu einer Untersuchung? Welche ließen sich fachlich bestätigen? Eine Verbesserung entsteht erst, wenn aus dem Befund eine wirksame Maßnahme wird.
Mit einem konkreten Fall beginnen
Für den Einstieg bietet sich eine Linie mit wiederkehrender Nacharbeit an. Zuerst werden Kennzahl, Vergleichszeitraum und verfügbare Daten geklärt. Anschließend lässt sich prüfen, ob eine Standardauswertung genügt, der Copilot die regelmäßige Suche unterstützt oder ein KI-Notebook für eine individuelle Frage benötigt wird.
Sie untersuchen wiederkehrende Nacharbeit oder Qualitätsabweichungen? In einer 30-Minuten-Demo zu Produktionsproblemen zeigen wir anhand von Beispieldaten, wie Sie einen Fall eingrenzen. Gemeinsam besprechen wir, welche Maschinen-, Prozess- und Qualitätsdaten für Ihre Frage relevant sind. Für die Demo müssen Sie keine Daten vorbereiten.