Anzeige
Anzeige
Anzeige
Beitrag drucken

Daten auswerten

Von Big Data zu relevanten Kennzahlen

Die Zunahme der Vernetzung in der Produktion, um im Sinne einer smarten Fabrik schneller und flexibler auf Kundenanforderungen reagieren zu können, führt zwangsläufig zu mehr Daten. Die Kunst ist es, aus diesen Massendaten zur richtigen Zeit die richtigen Informationen herauszufiltern und diese in Wissen und proaktives Handeln umzuwandeln. Dieser Beitrag zeigt einige Beispiele.



Bild: Trebing & Himstedt – Prozeßautomation GmbH & Co. KG

Haben in der Vergangenheit Produktionsanlagen einfach munter ‚vor sich hinproduziert‘, sind sie heute Teil einer vernetzten Wertschöpfungskette mit ERP-System, Vorproduktion, Lager, Logistik, Lieferanten et cetera. War die Maschine vormals in einem festen Wartungszyklus mit definierten Wartungsfenstern, wird heute der Gesundheitszustand mittels Sensoren permanent überwacht und auch eine Vielzahl von Produktionsparametern fließt kontinuierlich in das Produktionsnetzwerk ein. Welche Materialien wurden bei welchen Umgebungsparametern und unter welchen Produktionsbedingungen in welchem Endprodukt verbaut? Alle Sensoren, Scanner und manuellen Eingabemasken liefern somit sekündlich oder noch schneller eine riesengroße Anzahl von Daten, die ein Mensch mit Excel-Tabelle nicht mehr sinnvoll auswerten kann. Speicherplatz ist zwar mittlerweile für wenige Cent pro Megabyte zu haben, aber bei kontinuierlichen Produktionsprozessen sind einige Terabyte pro Werk in der Hightech-Fertigung keine Seltenheit. Daher ist es sinnvoll, sich vorab Gedanken zur Nutzung der zu sammelnden Daten zu machen. Anwendungen in der Fertigung, um aus Big Data Visualisierungen und Kennzahlen abzuleiten, sind beispielsweise:

• Visuelle Werkerführung

• Analytics und Visualisierung von Produktionskennzahlen oder

• Wartungseinsätze und Qualität vorhersagen

Visuelle Werkerführung

Im Bereich der Werkerführung kann Big Data helfen, Kontext-sensitive elektronische Arbeitsanweisungen anzuzeigen und abzuarbeiten. In Echtzeit können Produktionsänderungen umgesetzt und am Arbeitsplatz angezeigt werden. Auf Basis von geprüften Arbeitsschritten können Materialien für die Weiterverarbeitung gesperrt oder freigeben werden. Aktivitäten, Materialien und sämtliche Produktionsparameter werden vollautomatisch für spätere Rückverfolgbarkeit im Hintergrund verbucht. Die Produktion wird einfacher.

Analytics und Visualisierung von Produktionskennzahlen

Die Analyse und Visualisierung von Produktionskennzahlen aus dem Fertigungsprozess helfen, den aktuellen Stand schneller zu erkennen und kontinuierliche Verbesserungsprozesse einzuleiten. Das viel zitierte, sprichwörtliche schwarze Loch wird mithilfe von Analytics ausgeleuchtet. Die Produktion wird transparenter.

Wartungseinsätze und Qualität vorhersagen

Predictive Maintenance und Predictive Quality dienen dazu, ungeplante Ausfallzeiten und Fehlproduktionen zu vermeiden, Durchlaufzeiten zu beschleunigen und Ausschuss zu minimieren. Die Produktion wird vorhersagbarer. Um aus Daten, Informationen und daraus wiederum Wissen zu gewinnen, bedarf es dreier Schritte:

• Mittels Sensoren messen (Sense)

• Beobachten, analysieren und vorhersagen (Monitor, Analyze, Predict)

• Maßnahmen ableiten und umsetzen (Act)

Sowohl Predictive Maintenance als auch Predictive Quality leisten einen Wertbeitrag zur klassischen Overall Equipment Effectiveness-Kennzahl.

Sense: Mit Sensoren messen

Zur Datenerfassung gibt es heute zahlreiche Möglichkeiten, um sie manuell, halbautomatisch oder vollautomatisch digital in das System zu bringen. Die klassische Maschinendatenerfassung (MDE) oder Betriebsdatenerfassung (BDE) sind aus Manufacturing Execution-Systemen (MES) bereits weit verbreitet. Zahlreiche Sensoren bringen heute darüber hinaus weitere Verarbeitungs- und Umgebungsparameter in die Datenbank. SAP hat hierfür eigens eine Plant Connectivity-Komponente (SAP PCo) im Programm, die über standardisierte Schnittstellen wie OPC oder Webservices kommunizieren können. Eine weitere SAP-Komponente, die speziell für das Internet of Things-Umfeld entwickelt wurde, ist der SAP IoT-Connector. Ist im Produktionsumfeld ein Manufacturing Execution-System oder die Integrationsplattform SAP Manufacturing Integration and Intelligence (SAP MII) im Einsatz, werden die erfassten Daten über das MES oftmals in einer zentralen Datenbank wie SAP Hana erfasst. Für spezielle Anwendungen ist sogar eine Hana Cloud-Instanz sinnvoller Weise im Einsatz.

Monitor, Analyse und Vorhersage

Daten sammeln und in eine Datenbank schreiben hilft allerdings noch nicht weiter, sich von Wettbewerbern unterscheiden zu können. Wichtig ist es nun, schnell und vor allem die richtigen Schlüsse aus den Datenmengen zu ziehen. Ein guter Einstieg, um Produktionskennzahlen schnell im Blick zu haben, ist die Overall Equipment Effectiveness-Analyse. Basierend auf SAP MII gibt das SAP OEE Management die Möglichkeit, anhand eines einfachen Dashboards die wichtigsten Kennzahlen mit Ampelfarben schnell im Blick zu haben. Stillstände und Störungen werden ebenfalls angezeigt. Über Eingabemasken dient das Dashboard als BDE und somit hat der Werker ein nützliches Arbeitswerkzeug für die Überwachung an der Hand. Für eine genauere Analyse beispielsweise im Rahmen eines KVP-Meetings (Kontinuierlicher Verbesserungsprozess) bietet SAP OEE mit Hana eine geeignete Analyseplattform. Diese unterstützt nicht nur das Team im Shopfloor bei der täglichen Arbeit, sondern ermöglicht auch werksübergreifendes Reporting. Das ist wichtig, um auf Grundlage einer gleichen Datenbasis auch wirkliche Vergleichbarkeit der Leistungen sicherzustellen. Sollen spezielle Kennzahlen zum Beispiel für die Zielerfüllung auf einem Andon Board in der Werkhalle verständlich visualisiert werden, bieten sich mit der SAP Self Service Composition Environment zahlreiche Darstellungsformen wie Tabellen, Balken- und Kreisdiagramme an, die per Drag and Drop einfach selber zusammengestellt und angepasst werden können.

Maßnahmen ableiten

Auf der nächsten Ebene geht es dann darum, aus der Analyse auch Vorhersagen für die Zukunft treffen zu können. Kann der Eilauftrag noch produziert werden, obwohl das Wartungsintervall überschritten ist? Wann fällt die Maschine vermutlich aus oder welche Qualität wird das Produkt unter den gegebenen Umständen haben? Damit lassen sich Fehler erkennen und beheben bevor diese überhaupt entstehen. Das spart Zeit und Kosten und steigert die Kundenzufriedenheit. Hier spielen Big Data und Cloud-Dienste eine ganz entscheidende Rolle, denn um Muster erkennen und Vorhersagen treffen zu können, bedarf es einer gewissen Datenbasis und Rechenleistung. Bei den Themen Stillstände vermeiden und Ausfallzeiten reduzieren, kann Predictive Maintenance zukünftig große Hilfestellungen leisten, denn der kürzeste Stillstand ist der, der gar nicht erst entsteht. Insbesondere ungeplante Stillstände zu vermeiden oder geplante Stillstände zu optimieren, liefert unmittelbar einen direkten Wertbeitrag. Aus gelernten Mustern, Rahmenbedingungen und Konditionen können Ausfallwahrscheinlichkeiten vorhergesagt und somit Wartungsleistungen gezielt nach Bedarf und nicht nach Zeitplan vorgenommen werden. Anhand dieser wenigen Beispiele auf Basis gesammelter Daten und Analysen im Produktionsumfeld zeigt sich, wie vielfältig die Anwendungen und Nutzungsmöglichkeiten von Big Data sind.

Und hat man erst einmal angefangen, die Daten auszuwerten, werden von den Anwendern und Geschäftsbereichen sehr schnell neue, eigene Anwendungsfelder entwickelt und gewünscht. Daher kann es wichtig sein, von vornherein auf ein flexibles Standard-System zu setzen und schon bei der Datensammlung auf weitreichende Einsatzmöglichkeiten zu achten und lieber erst einmal zu viel als zu wenig zu sammeln. Um aus den gesammelten Daten dann auch nützliche Informationen und aktive Handlungen ableiten zu können, bedarf es dann noch einer einfachen Bedienung, integrierter Visualisierungsmöglichkeiten und eine durchgehende Vernetzung, um zum Beispiel aus dem vorherberechneten Wartungsbedarf auch digital und ohne Medienbruch einen Wartungsauftrag für die Instandhaltung generieren zu können.


Das könnte Sie auch interessieren:

Durch Angriffe auf IT-Systeme entstehen in Deutschland jährlich Schäden in zweistelliger Milliardenhöhe. Expertise zu Vorfallbehandlung können Unternehmen ab Oktober über das Cyber-Sicherheitsnetzwerk erhalten.‣ weiterlesen

Beim Digitalisierungsspezialisten GFOS hat die nächste Generation übernommen. Gunda Cassens-Röhrig übernimmt den Vorsitz der Geschäftsführung. Stellvertreterin wird Katharina Röhrig.‣ weiterlesen

Mit der Akquise von Customerville will IFS Anwender unter anderem dabei unterstützen, ihre Kundenbindung zu stärken.‣ weiterlesen

Erst mit regelmäßigem Überwachen und Kalibrieren liefern Prüfmittel vertrauenswürdige Ergebnisse. Diese Überwachung behandelt die Richtlinienreihe VDI/VDE/DGQ 2618 für Prüfmittel bei dimensionellen Messgrößen. ‣ weiterlesen

Engelbert Strauss ist gemeinsam mit seinem Partner TGW Logistics Group beim Deutschen Logistikpreis 2020 der Bundesvereinigung Logistik (BVL) als Finalist und Vizeplatzierter ausgezeichnet worden. Geehrt wurden beide Unternehmen für das Projekt 'CI Factory - Vernetzung und Digitalisierung in Logistik und Produktion'.‣ weiterlesen

Siemens hat die AI-Anomaly-Assistant-Industrie-App ins Portfolio genommen. Damit können Anwender per künstlicher Intelligenz Anomalien in der Prozessindustrie erkennen und diese auf ihre Geschäftsrelevanz bewerten.‣ weiterlesen

Bereits im April 2016 herausgegeben und 2021 erneut bestätigt: Die Richtlinie VDI/VDE 3516 Blatt 4 'Validierung im GxP-Umfeld – Automatisiertes Testen' stellt die Zielsetzungen und möglichen Vorteile automatisierter Tests im pharmazeutischen Umfeld dar.‣ weiterlesen

Immer mehr Fertigungsunternehmen streben im Konstruktionsbereich eine übergreifende Prozessintegration an. In diesem Szenario kann das ERP-System AMS.ERP eine zentrale Rolle ausfüllen, das alle relevanten Daten aufnimmt. Markus Rieche, Presales Consultant bei AMS.Solution, spricht über den Entwicklungsstand und das Potenzial des Ansatzes gerade für Einzel- und Variantenfertiger.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige