Anzeige
Anzeige
Beitrag drucken

Business-Analytics für die Industrie

Maschinendaten als Wettbewerbsvorteil

Noch schöpfen viele Fertigungsunternehmen das Potenzial aus erfassten Maschinendaten nicht aus. Selbst wenn die entsprechenden Daten in IT-Systemen vorliegen, werden die darin verborgenen Informationen häufig lediglich für die Erstellung rückwärtsgewandter Reports gebündelt. Dabei bieten Analyse-Werkzeuge mittlerweile Möglichkeiten, anhand von Maschinendaten Maßnahmen für vorbeugende Instandhaltung einzuleiten oder einen Echtzeitblick auf Fertigungsprozesse zu werfen.

Bild: SAS Institute GmbH

Rund 30 Prozent des weltweiten Datenvolumens werden bereits heute von Industrieunternehmen generiert. Im Jahr 2013 soll die Machine-to-Machine-Kommunikation (M2M) erstmals die Datenmenge übertreffen, die durch menschliche Kommunikation entsteht, Social Media eingeschlossen. Vor diesem Hintergrund hat das Marktforschungsinstitut Forsa Anfang des Jahres 2013 im Auftrag des Softwareherstellers SAS eine Befragung zur Auswertung von Maschinendaten in deutschen Industrieunternehmen durchgeführt. Die Ergebnisse zeigen, dass analytische Verfahren in der Industrie bereits heute eine erhebliche Rolle spielen. Mit 75 Prozent wertet eine klare Mehrheit der befragten Unternehmen Maschinen- und Sensordaten aus, um Fehlerquellen zu identifizieren und Reaktionszeiten zu verkürzen. Auch das Erkennen sowie Vermeiden von Fehlern in den Produkten oder den Produktionsprozessen wird von den Umfrageteilnehmern als Motivation für die Datenanalyse genannt. Vielen Unternehmen ist außerdem wichtig, anhand der Maschinendaten die Produktqualität und die Kundenzufriedenheit zu sichern und zu verbessern.

Datenerfassung ist nur der erste Schritt

Dennoch schöpfen viele Betriebe nur einen Bruchteil der zur Verfügung stehenden Informationen aus den anfallenden Daten ab. Häufig werden lediglich vordergründige Informationen entwickelt, um sie beispielsweise in Reports zusammenzufassen. Dabei können aktuelle Analytics-Werkzeuge weit mehr. Außerdem kommen jene 25 Prozent der deutschen Unternehmen dazu, die Maschinendaten überhaupt nicht auswerten, um an zusätzliche Informationen zu gelangen. Als Grund dafür nennt mehr als die Hälfte der Umfrageteilnehmer fehlenden Mehrwert. Daneben spielen Kostengründe und Fragen der technischen Umsetzung eine wichtige Rolle für die Entscheidung gegen die Auswertung von Anlagendaten. Aber selbst, wenn Unternehmen das Thema derzeit ausklammern, stimmen sie der Umfrage zufolge zu, dass mehr Überblick hinsichtlich der Möglichkeiten und Voraussetzungen von IT-gestützten Analysemethoden in der Industrie erforderlich ist. Ein Teil der Skepsis unter Unternehmern hinsichtlich aktueller Technologien könnte darin begründet sein, dass lange Zeit die technologische Grundlage fehlte, um Daten auch in großen Mengen und mit hoher Geschwindigkeit analysieren zu können. Heute kann die Big Data-Analyse von Maschinendaten den Weg in ein Geschäftsfeld eröffnen, in dem der Zugriff auf mehr und vor allem bessere Informationen klare Wettbewerbsvorteile bringt.

Fehlervermeidung durch den Blick auf Produktionsdaten

Die Software SAS Visual Analytics ist beispielsweise in der Lage, eine Milliarde Datensätze in neun Sekunden zu analysieren. Damit dauern Auswertungen, die in der Vergangenheit ein bis zwei Tage in Anspruch genommen haben, nur noch wenige Minuten. Getragen wird diese Beschleunigung sowohl durch den Einsatz von ‚In-Memory‘-Technologie als auch den Preisverfall im Speichersegment. In-Memory bedeutet, dass Daten in den Hauptspeicher des Servers geladen und dort analysiert werden. Dadurch ist es während der Analyse nicht mehr notwendig, Daten zwischen Datenbank und Analytics-Software hin und her zu schieben. Auf dieser Technologie basierende, analytische Echtzeit-Verfahren können in der Produktion eingesetzt werden, um durch die kontinuierliche Überwachung von Prozessen nicht nur zurückzuschauen, sondern auf der aktuellen Datenlage basierende Vorhersagen zu treffen.

Es geht bei der produktionsnahen Analyse allerdings weniger darum, einzelne Messwerte in Reports zu überführen. Stattdessen können Daten miteinander in Beziehung gesetzt und auf Korrelationen untersucht werden. Je mehr Daten erfasst, gespeichert und analysiert werden, desto detaillierter kann das Bild davon werden, wie Elemente innerhalb der Produktionsprozesse in Beziehung stehen. So kann vom Maschinenbauteil bis hin zu Qualitätsmanagement-Abläufen herausgearbeitet werden, wo Fehlerquellen sind und welche Parameter Fehler frühzeitig ankündigen. Ein Anwendungsszenario für die Analyse von Maschinendaten ist beispielsweise ein Frühwarnsystem, das auf bevorstehende Qualitätsverluste in der Produktion und bei Produkten hinweist, und gleichzeitig Handlungsfelder aufzeigt, um den Fehler abzustellen.


Das könnte Sie auch interessieren:

Ab und zu fehlte ein Schlüssel im Kloster der Franziskanerinnen der ewigen Anbetung von Schwäbisch Gmünd. Beim letzten Mal gab das den Impuls, anstatt neue mechanische Zylinder in die rund 220 Türen des Komplexes einzubauen, die alte Technik durch das Bluesmart-System von Winkhaus zu ersetzen.‣ weiterlesen

Mit 100,5 Punkten hält sich das IAB-Arbeitsmarktbarometer im November stabil und liegt weiter im leicht über der neutralen Marke. Auf europäischer Ebene sank der Frühindikator allerdings erneut.‣ weiterlesen

In einer neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten und geben Handlungsempfehlungen für Unternehmen, Verbände, Politik und Wissenschaft.‣ weiterlesen

Im Forschungsprojekt FabOS soll eine KI-Bin-Picking-Anwendung entstehen, die ein verbessertes Erkennen, Greifen und definiertes Ablegen von Blechteilen in der Produktion ermöglicht.‣ weiterlesen

Die Digitalisierung des Qualitätsmanagements stellt Unternehmen vor Herausforderungen. Daher haben das Fraunhofer IPT und die FH Südwestfalen im Forschungsvorhaben 'Qbility - Quality 4.0 Capability Determination Model' ein datengetriebenes Reifegradmodell entwickelt, das die Anforderungen eines digitalisierten Qualitätsmanagements bei KMU adressiert.‣ weiterlesen

Im Gegensatz zu anderen Cyberangriffen bieten Attacken mit Ransomware auf den ersten Blick einen einfachen Ausweg: die Zahlung des geforderten Lösegelds.‣ weiterlesen

Nach 84,5 Punkten im Oktober kletterte der Ifo-Geschäftsklimaindex im November auf 86,3 Punkte. Die Unternehmen blicken demnach weniger pessimistisch auf die nächsten Monate.‣ weiterlesen

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.‣ weiterlesen

Edge Management, Digital Twin und Data Spaces bilden die Schwerpunkte einer Zusammenarbeit zwischen der Open Industry 4.0 Alliance und dem Labs Network Industrie 4.0.‣ weiterlesen

Wer im öffentlichen Sektor der USA künftig Software vermarktet, muss eine Software Bill of Materials (SBOM) über die verwendeten Komponenten mitliefern. Ist diese Executive Order 14028 der US-Regierung auch für deutsche Firmen relevant? Die IT-Sicherheitschefin von MongoDB, Lena Smart, ordnet das ein - und verweist dabei auf das IT-Sicherheitsgesetz 2.0.‣ weiterlesen

Das Angebot an cloudbasierter Infrastruktur für SAP Hana wächst rasant. Zudem haben sich durch die weitere Option auf die Software-as-a-Service-Version S/4Hana Cloud die Rahmenbedingungen für den Umstieg auf S/4Hana signifikant verändert. Doch insbesondere deutsche Unternehmen zögern laut einer Untersuchung des Marktforschungsunternehmens ISG weiterhin, auf die Cloud umzusteigen.‣ weiterlesen