Die zur Verfügung stehenden Datenmengen in Produktionsunternehmen wachsen rasant an. Ursachen dafür sind beispielsweise der zunehmende Einsatz von Sensor-Technologien oder die flächendeckende Verbreitung und die mobile Nutzung des Internets. Die vorhandenen Daten sind komplex, teilweise unstrukturiert, stammen aus verschiedenen Datenquellen und liegen in unterschiedlichen Formaten vor.

Ziel dieses Projekts war es, durch den Einsatz von Advanced Analytics Methoden datenbasierte, praxisrelevante Modelle für die Anlagen- und Prozessoptimierung  zu entwickeln und den Nutzen für Unternehmen aufzuzeigen. Wesentliches Ziel von Advanced Analytics sind meist Vorhersagemodelle (Predictive Analytics) unter Einsatz von Data Mining, Machine Learning, Simulation und Optimierung. Dabei ist die explorative Datenanalyse eine wichtige Vorstufe um die ‚richtigen’ Methoden strategisch und effizient zu bestimmen. Die Evaluierung der Modelle und die Abschätzung ihres Verbesserungspotentials erfolgt dabei nicht nur isoliert für anlagennahe Ziele, wie beispielsweise die Reduktion der Zykluszeit oder Erhöhung der Anlagenverfügbarkeit.

Als Projektergebnisse werden bessere Abschätzungen für die Datennutzung in der Anlagen- und Prozessoptimierung erwartet, welche das Einsparungspotenzial umfassender beurteilen als bisher in der Literatur dokumentiert. Die spätere Anwendbarkeit und Praxisnähe der entwickelten Modelle wird durch die Mitarbeit der beteiligten Unternehmenspartner gewährleistet.