Durch den technologischen Fortschritt nimmt der Einsatz von Informationssystemen zur computergestützten und automatisierten Verarbeitung von Prozessabläufen zu. Häufig sind diese Prozesse im Zuge des digitalen Wandels vielfach verändert, miteinander vernetzt und komplex. Hierbei stehen primäre und sekundäre Wertschöpfungsprozesse, wie Entwicklungsprozesse aber auch Fertigungs- und Logistikprozesse vor großen Herausforderungen. Die Professur für Maschinenelemente und Rechnergestützte Produktentwicklung forscht im Schwerpunkt Process Intelligence, um diesen Herausforderungen entgegenzuwirken.
Im Process Intelligence werden Prozessdaten mit Hilfe der Methoden des Data Science ausgewertet. Relevante Daten, die im Zuge einzelner Prozessausführungen generiert werden, liegen hierbei im Fokus und werden systematisch gesammelt, strukturiert und analysiert. Process Intelligence umfasst neben Process Analytics die Fähigkeit Daten von Betriebsmitteln auszuwerten. Durch die Anwendung der Methoden des Data Science wird im Process Intelligence eine Auswertung von Daten auf verschiedenen Abstraktionsebnen realisiert, die zur Optimierung der Wertschöpfungsprozesse beitragen.
Process Mining als Werkzeug der Process Analytics ermöglicht genaue Informationen über den Ist-Zustand von Prozessen, wie beispielsweise die Prozessdauer, den Prozessverantwortlichen und die Prozesselemente, zu liefern. Diese Informationen ermöglichen Prozessabbildungen, Konformitätsprüfungen, um Abweichungen im Prozess zu identifizieren und Prozessoptimierungen.
Um Betriebsmitteldaten zur Auswertung bereitstellen zu können, forschen wir an Kommunikationsprotokollen und Architekturen. Dadurch wird die Anwendung von Methoden des Data Science, wie Predictive Analytics, Qualitätsanalysen von Fertigungsprozessen und weitere ermöglicht. Die Aggregation der Betriebsmitteldaten in übergeordneten Produktionssystemen und Unternehmensplanungssystemen bildet die Grundlage für ganzheitliche Kostenoptimierungen.
Industriekooperationen, insbesondere im Bereich der Luftfahrt und der Automobilbranche, ermöglichen der Professur eine Implementierung und Evaluation von Process Intelligence im realen Umfeld. Aus der Motivation heraus einen Beitrag zur Optimierung von Wertschöpfungsprozessen in Unternehmen zu liefern, verfolgen wir am MRP im Zusammenspiel mit dem Forschungsfeld Product Intelligence eine ganzheitliche Betrachtungsweise, die das Produkt, den Prozess und die Ressource umfasst.
Projekte (laufend)
- Mavraj: Koordinierung von Multi-Agenten-Systemen bedingt durch die Optimierung von raum-zeitlichen Ablaufvorgängen mit den Techniken des Process Mining (Lehrstuhl)
- Hage: Durchgängigkeit im Produktentstehungsprozess durchmodelbasierte Wissensintegration (Audi)
Kontakt
Letzte Änderung: 2. August 2021