Maschinenstörungen auswertbar machen

Kunde

Führende deutsche Großdruckerei und Anbieter hochwertiger Druckerzeugnisse in den Segmenten Beilage, Bücher und Magazine in Millionenauflagen, sowie Branchenführer für digitale und datengetriebene Mehrwertservices.

Herstellungsverfahren

Bogen- und Rollenoffsetdruck

Herausforderungen

Auftretende Störungen werden im ERP nur beiläufig und oberflächlich erfasst, da der Fokus stets auf der schnellen Behebung der Störung liegt. Im Resultat ist die Datenqualität der Störungsmeldungen niedrig: Kategorien sind nicht immer aktuell, Beschreibungstexte sehr verkürzt, mögliche Ursachen und erforderliche Maßnahmen kaum dokumentiert oder rekonstruierbar. Ein systematischer Lernprozess zur kontinuierlichen Reduktion von Störungen ist so nicht möglich.

Lösung

Die Kommentare können mit modernen NLP Verfahren (Named Entity Recognition etc.) in grammatikalisch relevante Bausteine zerlegt werden. Durch die Suche nach bestimmten Baustein-Kombinationen können somit Umstände und Ursachen annotiert und damit wieder analysierbar gemacht werden. Diese Annotationen können dann zusammen mit Details zu Auftrag, Leistung und Laufzeit der Maschine, Reparaturhistorie etc. verglichen und interpretiert werden.

Ergebnis

Durch die KI-basierte Strukturierung von Störungsbeschreibungen wird die Transparenz deutlich erhöht. Kategorien von Störungsarten können laufend verbessert werden. Der Prozess der Dokumentation und Analyse wird damit deutlich vereinfacht. Als Ausbaustufe ist die Erfassung über eine Sprachaufnahme per Handy-App angedacht.

Ansprechpartner