Erweiterung von Process Mining mit IoT-Daten
Master Thesis
Daten für Process Mining bestehen aus sogenannten Event Logs, welche zum Beispiel aus Enterprise Resource Planning (ERP) Systemen extrahiert werden können. Mit der zunehmenden Verbreitung von IoT ist es möglich mehr und detailliertere Daten zu Produktionsprozessen zu sammeln. Die über IoT gesammelten rohen Daten stehen jedoch noch in keinem direkten Zusammenhang und müssen erst passend mit dem Prozess verknüpft werden.
Moderne Produktionsanlagen sind mit diversen Sensoren ausgestattet, die während des Betriebs kontinuierlich Messwerte liefern. Während Process Mining die Analyse des Gesamtprozesses in Betrieben zulässt, lassen sich durch Sensordaten einzelne Maschinen bzw. Arbeitsschritte analysieren. Beide Datenquellen sind jedoch bislang nur separat betrachtet worden, sodass keine gesamtheitliche Analyse des End-to-End Prozesses in detailierter Form möglich ist.
Ziel der Abschlussarbeit ist die Verknpüfung von Process-Mining-Daten mit Sensordaten von Maschinen in Produktionsprozessen, um höherwertige und ganzheitliche Analysen durchführen zu können. Eine der Herausforderungen besteht in dem Matching zwischen IoT- und Process-Mining-Daten, da diese häufig nur über den zeitlichen Zusammenhang verknüpft werden können. Zusätzliche Sensoren, die einzelne Stückgüter scannen und erfassen, können das Matching deutlich vereinfachen und die Qualität der Analyse erhöhen. Diese zusätzlichen Sensoren finden sich jedoch heute nur in wenigen Anlagen, sodass diese Abschlussarbeit einen algorithmischen Lösungsansatz aus der Kombination beider Datenquellen untersucht.
