- IT&Production - https://www.it-production.com -

Maschinendaten als Wettbewerbsvorteil

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.

Wenn Business-Analytics-Werkzeuge mit aussagekräftigen Maschinendaten versorgt werden, können Anwender Informationen und Prognosen für Instandhaltungsmaßnahmen übersichtlich abbilden. So lassen sich zum Beispiel Wartungsabläufe vorausschauend planen und anfallende Kosten früh quantifizieren.

Vorausschauende Instandhaltung umsetzen

Anwendungen dieser Art können sich für Betreiber und Hersteller von Maschinen und Anlagen gleichermaßen lohnen, indem sich zum Beispiel aus Analyseergebnissen neue Wartungs- und Servicedienstleistungen ableiten lassen. Ein Predictive Asset Maintenance-System muss dabei nicht im IT-System des Produktionsunternehmens installiert sein, sondern kann in einer Service-Zentrale des Maschinenfertigers laufen. Von dort aus können die Anwendungen anhand der eingehenden Daten errechnen, wann die nächste Wartung fällig ist, um Ausfall oder Qualitätseinbußen zu vermeiden. Ab einer gewissen Anzahl von Installationen lässt sich anhand des Datenaufkommens ein angepasster Wartungszyklus – auch in Hinblick auf die Auslastung der Servicetechniker – festlegen, wodurch auch Anfahrts- und Leerlaufzeiten reduziert werden können. Unter Umständen ist die täglich anfallende Datenmenge von Maschinen jedoch so groß, dass eine Speicherung nicht sinnvoll ist. Ein Beispiel dafür liefern Windkraftturbinen, die pro Stunde zwei Terabyte an verwertbaren Informationen produzieren. Mit Analytics-Werkzeugen lassen sich die Daten analysieren, während sie entstehen. Die Aufzeichnung beginnt erst, wenn die Software auffällige Muster entdeckt.

Datenanalyse als Voraussetzung für Industrie 4.0

Die Analyse von Maschinendaten kann vielen Fertigungsunternehmen eine Möglichkeit eröffnen, die Effizienz ihrer Unternehmensprozesse zu verbessern und damit die Wettbewerbsfähigkeit auszubauen. Dabei gilt es gleichermaßen, das ohnehin anfallende Datenvolumen darauf zu prüfen, welcher Nutzen sich für Produktion, Vertrieb und Kundenservice ableiten lässt. Der Blick auf die aktuelle Forschung verdeutlicht außerdem, dass Analysemethoden eine der Voraussetzungen für die Entwicklung hin zu einer Industrie 4.0 sind. Denn um den Datenaustausch zwischen Maschinen sinnvoll durchzuführen, werden relevante, gehaltvolle und vergleichbare Daten benötigt. Die Veredelung von Daten durch Analytics-Software könnte sich daher zu einer der Kerndisziplinen von Industrie 4.0 entwickeln.