FIRMENVERTRAULICH. NICHT OFFENLEGEN.
In einer intelligenten Produktionsumgebung reicht ein wenig Prozessverständnis aus
Bei ADM sind multivariate Statistikfunktionen der Schlüssel zur Prozessoptimierung und -verbesserung, die sich auf Produktionsstandorte auf der ganzen Welt übertragen lässt
Herausforderung : Mit der Einführung vollautomatischer Produktionssysteme an ADM-Standorten auf der ganzen Welt stehen Technologieingenieure, deren Aufgabe es ist, proaktive Verbesserungen und Analysefunktionen voranzutreiben, vor der Herausforderung, Erfolge in großem Maßstab zu reproduzieren.
Lösung : ADM standardisiert um JMP® Pro herum, eine statistische Ermittlungssoftware, die weitreichende Tools zur Validierung, Prozessoptimierung, multivariaten Analyse und Anpassung bereitstellt. „JMP Pro ermöglicht es den Menschen wirklich, ihre Arbeit schneller zu erledigen“, sagt Isaac Himanga, Senior Analytics Engineer, und fügt hinzu, dass seiner Schätzung nach 15 Minuten jetzt nur noch eine Minute dauern. „Man multipliziert das mit 100 Benutzern und allen Analysen, die sie in einem Jahr durchführen, und das hat enorme Auswirkungen.“
Ergebnisse : Zusätzlich zur Reduzierung des Zeitaufwands für Datenzugriff und -vorbereitung hat JMP Pro Ingenieuren in ganz ADM dabei geholfen, die Prozesskontrolle zu verbessern und kostspielige Probleme bei der Prozessvariation und -validierung zu lösen. Darüber hinaus hat das Team Wege gefunden, das aus einem Optimierungsprojekt gewonnene Prozesswissen zu nutzen, um SPC an anderen Standorten über skriptbasierte JMP-Add-Ins und Dashboards zu verbessern. Himanga sagt: „Wir haben es online gestellt – das ist eine großartige Möglichkeit, [die Wirkung] um ein Vielfaches zu reproduzieren.“
_____________________________________________________________________________________
Archer-Daniels-Midland Company (ADM) ist ein wichtiger Akteur in der globalen Lebensmittelindustrie mit einem umfangreichen Portfolio an Zutaten und Geschmacksrichtungen für alles, von Frühstückszerealien bis hin zu Multivitaminpräparaten für Nutztiere. Durch die Nutzung seiner Fähigkeiten in der gesamten Lieferkette hat ADM die Art und Weise revolutioniert, wie natürliche Rohstoffe in Grundnahrungsmittel für Hunderte Millionen Verbraucher weltweit umgewandelt werden. Darüber hinaus nutzt das Unternehmen nun seinen Einfluss, um nachhaltige Lösungen in der Agrartechnik und Lebensmittelverarbeitung voranzutreiben.
Ein Großteil der Innovationsfähigkeit von ADM in den letzten Jahren lässt sich direkt auf die Transformation der Analytik zurückführen. Die umfassende Einführung hochmoderner IT- und Datensysteme durch das Unternehmen hat einen grundlegenden Wandel in der Art und Weise ausgelöst, wie Prozesseffizienz und -effektivität in jeder Phase der Produktionspipeline optimiert werden.
„Wir haben bei ADM eine zunehmende Dynamik für Analyseinitiativen festgestellt“, sagt Isaac Himanga, Senior Analytics Engineer. Er erklärt, dass dieser Aufschwung bei der Unterstützung der Analysefähigkeit zum Teil auf die Umstrukturierung von ADM um Kompetenzzentren – jeweils eines für Verbesserung und Analyse – zurückzuführen sei, die mehr interdisziplinäre Rollen für Technologieingenieure geschaffen hätten, die, wie ihre Kollegen in der Verfahrenstechnik, jeweils Fachexperten seien individueller Prozess. Der andere Motivator, fügt er hinzu, sei lediglich der Nachweis des Mehrwerts durch eine Reihe hochkarätiger Fallstudien: „Es dauert einige Zeit, die Leute auf den neuesten Stand zu bringen, aber man muss sie einfach über die anfängliche Hürde bringen.“ Es hilft, eine Gelegenheit zu nutzen, bei der wir den Prozess gut verstehen, um viel Arbeit in minimaler Zeit zu erledigen und so Verbesserungen zu demonstrieren“, sagt er.
Als die Analysefähigkeiten von ADM durch Schulungen und Aktualisierungen der Dateninfrastruktur schrittweise verbessert wurden, kamen die Teams zu dem Schluss, dass Excel nicht mehr seinen Zweck erfüllte, erklärt Himanga. „Wir haben versucht, diese Analysetools zu nutzen und unsere Daten zu nutzen, um bessere Entscheidungen zu treffen“, sagt er.
Die Anforderungen an fortschrittlichere Prozesssteuerungssysteme und Automatisierung führten sie zu JMP® Pro, einer statistischen Ermittlungssoftware, die nicht nur bei der Kulturtransformation, sondern auch bei vielen frühen Proof-of-Concepts des Analyseteams ein wichtiger Partner für ADM war.
Weg von der reaktiven Problemlösung
Wie jedes multinationale Unternehmen, das zwischen Lebensmittelverarbeitung und Rohstoffmärkten tätig ist, verfügt ADM über viele Millionen Zeitreihendaten und ebenso viele Tags. Darüber hinaus erwirbt ADM häufig neue Einrichtungen, von denen viele zum Zeitpunkt der Übernahme auf veraltete analoge Systeme angewiesen sind und mit digitaler Sensortechnologie nachgerüstet werden müssen. Himanga erklärt, dass die Berücksichtigung der Mängel in veralteten Systemen eine Gelegenheit bot, Verbesserungen zu skalieren und das Wissen über die hochmodernen Flaggschiff-Standorte von ADM zu erweitern.
Er sagt, dass Industrie 4.0 in den vielen weltweiten Produktionsstätten von ADM gezeigt habe, dass es Lücken in der vorhandenen Instrumentierung gebe, und den geschäftlichen Wert der Lösung von Datensystemproblemen aufgezeigt habe. „Es gibt Dinge, die wir in einer Einrichtung gelernt haben und von denen wir erkannten, dass wir sie in anderen reproduzieren könnten“, erklärt er. „[Diese Skalierbarkeit] ermöglicht es uns jetzt, schneller voranzukommen und uns auf spezifische Verbesserungen zu konzentrieren.“
Heutzutage liegt Himangas Aufgabenbereich sowohl bei einmaligen Fehlerbehebungsprojekten – beispielsweise Dampfreduzierung, Ertragssteigerung oder Lösung eines Qualitätsproblems – als auch bei Projekten, bei denen er und seine Kollegen nach Möglichkeiten suchen, den Umsatz zu steigern und die Kosten zu senken. „Wir investieren viel Aufwand in proaktive Analysen“, sagt er. „Nehmen Sie zum Beispiel die Anomalieerkennung. Wir können Variablen oder Teile eines Prozesses melden, die nicht ordnungsgemäß funktionieren, und dann unsere Plattform nutzen, um Probleme zu finden, bevor sie sich wirklich negativ auf die Qualität oder den Ertrag auswirken.“
Mit seinem unkomplizierten Analyse-Workflow und den Plattformen, die fortschrittliche Ansätze wie die multivariate Modellierung ermöglichen, hat JMP Pro das Feld der Verbesserungsmöglichkeiten weit geöffnet. Himanga hat nicht nur Bereiche aufgedeckt, in denen Daten gesammelt, aber nicht genutzt wurden, sondern er hat auch unzählige Möglichkeiten identifiziert, von einem traditionellen reaktiven Ansatz zu einem proaktiveren Modell überzugehen.
„In vielen Fällen führen wir ein großes Analyseprojekt durch und es stellt sich heraus, dass bereits der festgelegte Punkt für den Anfang ausreichte und in die richtige Richtung zeigte!“ er sagt. „Wir müssen darauf achten, nicht zu viel Zeit mit einer einzigen Optimierungsmöglichkeit zu verbringen, weil es einfach so viele Möglichkeiten gibt. Wir fangen an, etwas zu optimieren, geben Empfehlungen, und wenn die Anlage später eine bessere Instrumentierung erhält, können wir zurückgehen und eine zweite Version machen.“
Die Standardisierung rund um JMP Pro trägt dazu bei, den Erfolg in den weltweiten ADM-Einrichtungen zu skalieren
Zusätzlich zu seiner großen Präsenz in Nordamerika verfügt ADM jetzt über bedeutende Produktionsstätten in Europa, Brasilien und im asiatisch-pazifischen Raum. Durch einen globalen Ansatz für analytische Exzellenz haben Himanga und seine Kollegen einzigartige Möglichkeiten genutzt, um den durch technische Verbesserungen geschaffenen Geschäftswert zu skalieren.
„Anstatt dass sich jemand nur auf seine eigene geografische Region konzentriert, kombinieren wir absichtlich etwas, sodass jedes [Teammitglied eine neue Perspektive] auf Werke in anderen Teilen der Welt bringt“, sagt er. Kreative, datengesteuerte Ansätze zur Problemlösung überschreiten nationale Grenzen, und gemeinsame Tools helfen Einzelpersonen, kulturelle und sprachliche Barrieren zu überwinden, die andernfalls die Zusammenarbeit behindern könnten.
„Unsere Vision ist es, dass jeder Ingenieur, vielleicht sogar jeder Manager, eine Standardschulung durchläuft, damit wir in Sachen Datenanalyse alle die gleiche Sprache sprechen“, sagt Himanga. „Aber um das zu erreichen, mussten wir ein Tool standardisieren.“ JMP Pro bot einen Mechanismus zur Skalierung zeit- und wertschöpfender Aktivitäten, insbesondere da die Skriptfunktion des Tools es Analyseexperten ermöglichte, Anpassungen schnell umzusetzen.
Die „JMP-Modell-Engine“ reduziert die Datenzugriffszeit um das 15-fache
Ein solches von Himanga und seinem Team erstelltes Add-In überträgt Daten direkt aus dem Datenhistoriker von ADM in JMP Pro. Das Add-in – Himanga nennt es eine „JMP-Modell-Engine“ – kann Informationen von einem Quellsystem auf einen Desktop-PC übertragen. Durch die anschließende Ausführung des Skripts mit neuen Daten und das Zurücksenden der Ergebnisse an den Historian sei ein Großteil des Datenzugriffsprozesses vollständig automatisiert, erklärt er. Benutzer können relativ schnell von der Offline-Analyse zur Online-Bewertung eines Modells übergehen.
„Der Zugriff auf Daten war früher ein großer Arbeitsaufwand, insbesondere bei kleinen Projekten … und man konnte ziemlich viel Zeit damit verbringen“, erklärt er. „Aber unser benutzerdefiniertes Add-In übernimmt jetzt die ganze Arbeit. Sie können ein Tag in JMP eingeben und es ruft die Daten ab und gibt Ihnen ein Skript. Und wenn Sie morgen dasselbe Diagramm mit neueren Daten sehen möchten, müssen Sie nur noch das Diagramm kopieren und einfügen, die Skripte zusammenstellen und auf „Ausführen“ klicken.“
Himanga schätzt, dass durch die Automatisierung von Datenzugriffsprozessen in JMP Pro die Zeit, die früher 15 Minuten in Anspruch nahm, auf nur noch 1 Minute reduziert werden konnte. „Und wenn man das mit 100 Benutzern und allen Analysen, die sie in einem Jahr durchführen, multipliziert, kommt das wirklich auf! JMP ermöglicht es den Menschen wirklich, ihre Arbeit schneller zu erledigen“, sagt er. „Wir haben jetzt genug positive Anwendungsfälle, über die die Leute reden. Leute, die einst zu den Skeptikern gehörten, beginnen zu sagen: „Nun, die anderen Pflanzen haben es bereits getan.“ Ich möchte diesen Vorteil auch.‘“
Automatisierte Dashboards ermöglichen eine strengere Prozesskontrolle
Abgesehen von der Begeisterung ist Himanga klar, dass die Analytics-Transformation nicht etwas ist, das über Nacht geschieht, selbst mit den richtigen Tools; Vielmehr handelt es sich um ein langfristiges Projekt und eine Reise. Verbesserungsprozesse können 6 Monate dauern, aber das dadurch generierte Prozesswissen ist die Investition wert.
Zur Veranschaulichung präsentiert Himanga Beispiele aus zwei prozessbezogenen Initiativen, bei denen multivariate Statistiken in JMP Pro ein ansonsten unlösbares Problem lösten. In einem Fall hatten Produktionsprobleme eine der Mais-Nassmühlen von ADM, in denen Maisgluten-Futterpellets hergestellt werden, geplagt. Manchmal lief die flüssige Maislösung nicht so schnell wie nötig durch die Mühle, aber die Bediener konnten die Ursache der Abweichungen nicht identifizieren.
„Die Ursache war wirklich schwer zu identifizieren, da eine einzelne Mühle Millionen von Punkten haben kann, die man potenziell betrachten könnte, zusammen mit einer Reihe von Qualitätsparametern und mehr Eingaben, als man möglicherweise in Excel grafisch darstellen könnte“, erklärt er. „Wir hatten viele Leute, die jahrelang an diesem Problem gearbeitet hatten. Aber es hat sich vor zwei Jahren so sehr verschärft, dass die Anlage als Ganzes langsamer wurde.“
„Also haben wir JMP verwendet, um Tausende und Abertausende Tags mit unterschiedlichen Verzögerungszeiten zu untersuchen. Es handelte sich um einen wirklich großen Datensatz und am Ende nutzten wir alle verschiedenen Plattformen in JMP. Am Ende führten wir ein Bootstrapping des Datensatzes durch, um die wahrscheinlichsten Kandidaten zu identifizieren. Dann konnten wir die multivariaten Tools in JMP nutzen, um den tatsächlichen Nutzen zu ermitteln, und innerhalb von sechs Monaten fanden wir unsere Antwort. Wir haben herausgefunden, dass wir den Prozess auf eine bestimmte Art und Weise durchführen müssen. Einige Monate später stellten wir Verbesserungen fest.“
In einer anderen Fallstudie identifizierten Himanga und seine Kollegen ein Muster darin, wie und wann Betreiber Geräte kühlten, die zur Herstellung eines Sojabohnenmehlprodukts verwendet wurden, das häufig als nach kundenspezifischen Spezifikationen verfeinerter Zusatzstoff an Kunden verkauft wurde. Vor der Betrachtung der Daten in JMP Pro konnte das Team nicht verstehen, warum die Wartung und Kühlung der Geräte so unterschiedliche Auswirkungen hatten. Durch den Einsatz von Analysen zur Entwicklung eines Prozessverständnisses konnte Himanga jedoch eine Reihe von Richtlinien definieren, die den Anlagenbetreibern helfen, genau zu wissen, wann die Produktionslinie gekühlt werden muss. Dann gingen sie noch einen Schritt weiter.
„Uns wurde klar, dass wir ihnen überhaupt keine Anweisungen geben mussten – wir konnten es dem Computer überlassen, dies für uns zu tun“, erklärt er. Jetzt können Bediener einfach auf einem automatisch aktualisierten Dashboard nachsehen, wann die Dampfventile der Produktionslinie geschlossen werden sollten.
„[Dieses Dashboard] sorgt für eine konsistente Reaktion aller Bediener in allen verschiedenen Schichten und führt zu einer strengeren Kontrolle. Und JMP hat uns dabei geholfen, nicht nur in dieser einen Einrichtung, sondern auch in anderen“, sagt Himanga. „Manchmal gibt es unterschiedliche Szenarien, die zu Feuchtigkeitsunterschieden führen. Mithilfe von JMP sind wir jedoch in der Lage, die Schlüsselfaktoren schnell zu identifizieren, ein Modell zu erstellen und eine Empfehlung zu generieren, die diese Schwankungen abmildern kann. Dann haben wir es online gestellt. Es ist eine großartige Möglichkeit, [die Wirkung] um ein Vielfaches zu reproduzieren.“
