Wartungszyklen verkürzen
Ein wichtiges Einsatzfeld ist auch die prädiktive Analyse. Die Big Data-Analyse von Maschinendaten schafft die Voraussetzung, um Wartungszyklen zu optimieren und Materialausschuss sowie Ausfälle im Produktionsprozess zu vermeiden. Zum Beispiel können Auffälligkeiten in den Betriebsdaten einer Produktionsanlage, die durch Near real time-Analyse zutage treten, frühzeitig auf bevorstehende technische Schwierigkeiten hinweisen. Lösungen wie Predictive Asset Maintenance des Softwareanbieters ermöglichen durch die Analyse von Ausfallursachen und der Definition von Frühwarnindikatoren eine vorbeugende Maschinenwartung. Ein Beispiel aus der Industrie, wo die Analyse von Maschinendaten zu einer wesentlichen Verbesserung von Prozessen führte, liefert der Fertiger Posco: Der südkoreanische Stahlkonzern hatte einen zu hohen Ausschuss bei warmgewalzten Stahlbändern.
Herkömmliche statistische Verfahren konnten die Ursache dafür nicht identifizieren. Die Analyse der physikalischen Prozesse mithilfe der Software führte zu einer Senkung des Ausschusses von 15 Prozent auf 1,5 Prozent. An anderer Stelle konnte die analytische Software den Auslöser für Profitabilitätsunterschiede zwischen verschiedenen Produktionsanlagen aufdecken, Ausgangspunkt für Optimierungsmaßnahmen, die jährlich 1,2 Millionen US-Dollar einbringen. Und auch die Lagerhaltung ließ sich mithilfe von Analytics entlasten. Nach entsprechenden Optimierungsmaßnahmen ist es dem Stahlkonzern möglich, mit einem um 60 Prozent reduzierten Lagerbestand den Kundenbedarf in gewohntem Maß zu decken.
Keine mediale Luftblase
Diese Beispiele zeigen: Industrie 4.0 ist alles andere als eine mediale Luftblase. Auch einem großen Teil der Fertigungsunternehmen in der DACH-Region ist die Bedeutung von Analytics für die Steuerung und Optimierung von Produktion, Betrieb und Wartung deutlich bewusst, wie unter anderem die Studie ‚Wettbewerbsfaktor Analytics‘ zeigt, die die Universität Potsdam durchgeführt hat. Bisher allerdings werten laut der Umfrage erst 37 Prozent der Fertigungsunternehmen tatsächlich Daten aus Maschinen und Sensoren aus. Das Erfassen und Weiterverarbeiten von Daten aus der Fertigung ist für die Realisierung von Industrie 4.0 jedoch entscheidend. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Und hier hat die deutsche Industrie immer noch Nachholbedarf. Produkt- und Produktionsdaten können heute bereits exzellent ausgewertet, miteinander in Beziehung gesetzt und für den M2M-Dialog aufbereitet werden. Konkrete 4.0-Einsatzszenarien belegen, dass analytische Software hier signifikante Optimierungen in Service und Produktion ermöglicht. Um den Herausforderungen von Big Data adäquat begegnen zu können, sind allerdings leistungsfähige Analyselösungen erforderlich. Die technologische Machbarkeit ist mit Big Data Analytics gegeben; mit Blick auf die Wettbewerbsvorteile kann es sich jetzt lohnen, die Initiative zu ergreifen. Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
Big Data Analytics im Kundenmanagement
Der Einsatz von Big Data Analytics reicht über Produktionssteuerung, Qualitäts- und Servicemanagement weit hinaus. So ist es unter anderem möglich, die aus der Maschinendatenanalyse gewonnenen Ergebnisse in Service- und Vertriebsprozesse zu integrieren. Big Data Analytics verschafft Herstellern von Maschinen beispielsweise Einblicke, wie Kunden diese Maschinen einsetzen – und eröffnet ihnen dadurch ganz neue Möglichkeiten für den Vertrieb und das Kundenmanagement. Mit Big Data Analytics-Funktionen ausgestattete Geräte senden ihre Betriebsdaten laufend an den Hersteller.
Dieser kann mit den überlieferten Informationen zum Beispiel erstmals nachvollziehen, in welchem Maße das Produkt beim Kunden ausgelastet ist, und ob es an Kapazitätsgrenzen stößt. Solche Erkenntnisse bieten eine ganz neue Chance für den Vertrieb: Wenn der Kunde mit einem Apparat ständig am Limit arbeitet, hat der Vertriebler die besten Trümpfe in der Hand, um ihm das größere, leistungsfähigere Modell anzubieten – und idealerweise gleich vorzurechnen, wie schnell sich diese Investition amortisiert.
