Die Optimierung der Materialeffizienz spielt für die Industrie eine zentrale Rolle. Vor dem Hintergrund einer anwachsenden globalen Rohstoffnachfrage, steigenden Preisen und begrenzten natürlichen Ressourcen ist der schonende Umgang mit dem verfügbaren Material eine zentrale Herausforderung. Zudem stellt die Ausbeute (Yield) einen erheblichen Kostenfaktor dar.
Dort setzt Yield Optimization an. Es handelt sich dabei um die Datengetriebene Optimierung von Prozessparametern. Nach jedem Prozessschritt wird abgeschätzt, wie hoch der Yield vorraussichtlich sein wird. Maschinelle Vorschläge zur Anpassung der Prozessparamter dienen der Maximierung des Yield am Ende des Prozesses.
Die Deviation Detection im ersten Schritt der Yield Optimization dient der Vorhersage der zu erwartenden Ausbeute. Eine Root Cause Analyse im Fall einer Abweichung identifiziert daraufhin mögliche Ursachen. Dies alleine beschleunigt Fehlerbehebung bzw. Prozessoptimierung. Ein Produktionsparameter Recommender liefert schließlich Empfehlungen für den nächsten Prozessschritt, um den Yield zu optimieren.
Das System lernt all die Schritte, wie erfahrene Maschinen Operator die Anlage aussteuern würden. Neue Mitarbeiter profitieren davon besonders, weil sie dadurch Vorschläge für Änderungen der Maschinenparameter erhalten.