Yield Optimization

Steigerung der Materialeffizienz in der Produktion

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.

Wie funktioniert Yield Optimization?

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.

Yield Optimization

Gernot MolinHead of Advanced Analytics

Q&A mit Gernot Molin über Yield Optimization

In vielen Fällen ist die Produktion mit Verfahren wie Six Sigma bereits optimiert. Warum trotzdem Yield Optimization nutzen?

Molin: Bei Six Sigma wird meist eine Kennzahl optimiert. Das schränkt ein. Mit Yield Optimization betrachten wir alle Parameter und das in Echtzeit. So erreichen wir das Yield Optimum.

 

Welche Anwendungsbereiche sehen sie in Yield Optimization?

Molin: Aus der Anlage wird „das letzte Quäntchen“ rausgeholt. Statt auf Verdacht mögliche Konfigurationen auszuprobieren wird die Fehlersuche systematisiert und beschleunigt.

 

Die Bedienung der Anlage wird außerdem vereinfacht. Davon profitieren insbesondere Mitarbeiter mit weniger Erfahrung. Mit Yield Optimization kann auch eine vollständige Automatisierung der Anlage angestrebt werden.

Anwendungsbeispiel: Prozessindustrie

Yield Optimization: Prozessindustrie

Projektziele

  • Bestimmung einflussreichster Prozessparameter auf Ausbeute (Yield) - Feature Importance Algorithmen

  • Klassifikation gute/schlechte Einstellungen der Prozessparameter

  • Vorschlag: optimales Parameter-Setting

  • Recommender: Einstellungen der Parameter nach Qualität vorhergehender Prozessschritte

Vorteile von Yield Optimization

  • Optimierung von Produktionsabläufen durch die automatische Erkennung von  hohen und geringen Erträgen mittels definierter Regeln
  • Verbesserung der Produktqualität durch gezielte Nachverfolgbarkeit
  • Rentabilität durch Prüfung, die die Auswahl und Konfiguration von Anlagen verbessern
  • Maximaler ROI für Kapitalinvestitionen mit Erkenntnissen, die die Auswahl und Konfiguration von Geräten verbessern

Die Automatisierung und Optimierung von Produktionsanlagen ist ein enormer Fortschritt in Bezug auf die Rentabilität. 

 

Dr. Timo Klerx, Senior Data Scientist, pmOne Analytics GmbH

Gernot Molin
Head of Advanced Analytics
pmOne Analytics GmbH
Technologiepark 21
33100 Paderborn
+49 89 4161761-0
Dr. Timo Klerx
Lead Data Scientist
pmOne Analytics GmbH
Technologiepark 21
33100 Paderborn
+49 89 4161761-0
Dr. Timo Klerx