Forschung an der GSaME - Status und Ergebnisse 2012

produktionsspezifischen operativen und prozessbezogenen Daten, z.B. aus MES undEnterprise Resource Planning (ERP) Systemen, einzunehmen. Darüber hinaus werdentypischerweise keine Technologien zur Mustererkennung, wie z.B. Data Mining, eingesetzt,um optimierungsrelevante Datenkonstellationen jenseits einzelner Ressourcen oderFertigungsschritte zu identifizieren.Ziel des Forschungsprojekts ist die Entwicklung einer integrierten Business IntelligencePlattform für die datengetriebene Optimierung von Fertigungsprozessen. Hierbei geht es umdie Entwicklung eines ganzheitlichen prozessbezogenen Data Warehouse, das operative undprozessbezogene Fertigungsdaten integriert und für unterschiedliche Analysen zur Verfügungstellt. Darauf aufbauend erfolgt die Definition von Data-Mining-basierten Anwendungsfällen,z.B. für Ursache-Analysen von Produktionsfehlern oder Echtzeitprognosen von KeyPerformance Indicators über den gesamten Fertigungsprozess. Zudem werden Ansätze zurpräskriptiven Optimierung untersucht, mittels derer konkrete Vorschläge zurProzessverbesserung generiert werden. Darüber hinaus sollen Analyseergebnisse imRahmen eines datenbankgestützten Wissensmanagementansatzes gespeichert undgemeinsam genutzt werden. Zielgruppen und Nutzer der analytischen Dienste der Plattformsind im Sinne eines umfassenden Performance Management Gedankens nicht nurFertigungsleiter und Produktionsmanager, sondern auch Werker in der Fabrik.ThemaE4: Neue Kommunikationsarchitektur für EchtzeitfabrikenDoktorand:M. Sc. Bilal HameedThesis Committee: Prof. Dr. rer. nat. Kurt Rothermel (IPVS)Prof. Dr.-Ing. Engelbert WestkämperProjektbeginn: 01.08.2008ZusammenfassungNovel Communication Architecture for the RealTime FactoryToday, many manufacturing companies pursue variant production in which each product iscustomized according to individual user demands. In variant production it is essential to ensurethe correctness of the manufacturing process or the produced products will not match thecustomers’ requirements. To detect errors during the process as soon as possible, Project E5designs concepts and algorithms for the real-time monitoring of such production processes.Due to its technical advantages such as contact-less non-line-of-sight identification and bulkreadingcapability, we focus on RFID technology for the purpose of real-time monitoring ofproduction processes. A major challenge is to deal with the inevitable unreliability of RFIDsystems causing, for instance, false or missed readings. In order to resolve these reliabilityissues, we proposed an RFID-based framework in our previous work that uses multiple RFIDreaders deployed along production lines to monitor product parts and detect product partsequences. The basic idea is to increase reliability by exploiting redundant readings frommultiple (unreliable) readers. Using multiple readings, we designed probabilistic part andsequence detection algorithms.72