Anzeige
Anzeige
Beitrag drucken

Datenanalysen im Dienst des Product Lifecycle-Managements

Geräte lebenslang begleiten

Maschinen lassen sich mithilfe von Big Data Analytics über ihren ganzen Lebenszyklus hinweg steuern und häufig weiter optimieren. Aus dieser Form der Datenanalyse könnten künftig Maschinenbauer und ihre Kunden gleichermaßen Vorteile ziehen: Etwa wenn sich für Hersteller neue Service- und Vertriebsmodelle ergeben und die Betreiber die Maschinenlaufzeiten und -effizienz durch konsequent planbare Wartungsvorgänge verbessern.



Im Bild: Gerhard Altmann, international verantwortlich für den Bereich Manufacturing beim Softwarehersteller SAS.

Datenanalyse spielt in produzierenden Unternehmen nicht erst seit dem Rummel um Industrie 4.0 eine tragende Rolle. Seit Jahren optimiert die Branche ihre Prozesse und Produkte mithilfe entsprechender Software. Dass dieses Thema in jüngster Zeit einen Aufmerksamkeitsschub erfahren hat, liegt zum einen an der Diskussion rund um den Trend Industrie 4.0. Zum anderen ist es das Ergebnis erheblicher Fortschritte bei der Speicher- und Analysetechnologie: Was heute als Big Data-Analytics bekannt ist – Hochleistungsanalyse auch größter Mengen an polystrukturierten Daten in Echtzeit – war bis vor kurzem technisch nicht umzusetzen.

Wartungsbedarf mit IT ermitteln

Big Data Analytics in der Industrie bedeutet zunächst einmal Analyse von Maschinendaten für die Optimierung von Produktions- und Logistikprozessen. Entsprechende Anwendungen können eine große Menge vorhandenen Daten just in dem Moment untersuchen, in dem sie entstehen – und darin Muster erkennen, die auf mögliche Fehler oder Verbesserungspotenziale hinweisen. Dabei können auch Details auffallen, die selbst erfahrenen Experten entgehen. Aber nicht nur in der Produktentstehung, auch in nachgelagerten Prozessen bietet sich der Einsatz von Analysewerkzeugen an. Denn industriell gefertigte Maschinen und Geräte erzeugen im Betrieb ihrerseits Daten, die Auskunft über den Zustand der Maschine, über Auslastung, Wartungsbedarf und damit über service- und vertriebsrelevante Faktoren geben können. Um das in diesen Daten verborgene Potenzial zu nutzen, können Hersteller zwei Dinge tun: erstens die Betriebsdaten abgreifen und analysieren. Und zweitens die Ergebnisse in Service- und Vertriebsprozesse integrieren.

‚Predictive Asset Maintenance‘

Blick in die Praxis: Montagmorgen. Im Wartebereich einer radiologischen Diagnosepraxis ist kein Platz mehr frei. Der Terminkalender ist gefüllt. Die Computertomografen, MRT und alle anderen Geräte laufen im Dauerbetrieb. Vor dem Hintergrund, dass solche Apparate eine Million Euro und mehr kosten können, ist das auch wirtschaftlich sinnvoll. Jede Untersuchung ist ein Schritt auf dem Weg hin zum ‚Break even‘, zum Punkt, ab dem das Gerät seine Kosten eingespielt hat und beginnt, Geld zu verdienen. Ein technischer Defekt in diesem Moment steht diesem Ziel entgegen. Um das zu verhindern, gibt es Servicepläne, nach denen die Maschinen regelmäßig gewartet werden. Manche Geräte verfügen auch schon über Selbstdiagnosesysteme, die bei bestimmten vordefinierten Fehlerbildern einen Frühwarnalarm auslösen, damit Defekte rechtzeitig behoben werden können. Dieses Vorgehen ist jedoch oft statisch, wenn es auf einer ‚If-then‘-Logik basiert. Der tatsächliche Zustand beziehungsweise der Bedarf der Maschine lässt sich so nicht berücksichtigen. Und ob der Vorlauf durch den Frühalarm ausreicht, um das Gerät weiterlaufen zu lassen, bis es der Techniker in Augenschein genommen hat oder bis ein bestelltes Ersatzteil eintrifft, ist oftmals unsicher. Hier könnte Big Data Analytics ins Spiel kommen: Mit geeigneten Lösungen lassen sich Betriebsdaten vollständig erfassen, während sie entstehen und die Daten über das Internet vom Anwender zum Gerätehersteller oder einem spezialisierten Service-Dienstleister weiterleiten. Dort können sie in einer zentralen Datenbank archiviert oder auch unmittelbar in den Hauptspeicher des Analysesystems geladen, miteinander verglichen und analysiert werden.

Kommt es zu Auffälligkeiten in den Daten, registrieren die Anwendungen diese und können im Idealfall erkennen, ob es sich um relevante Informationen oder nur um statistische Ausreißer handelt, die zu vernachlässigen sind. Auf diese Weise ist es beispielsweise möglich, Indizien zu identifizieren, die einen Defekt schon Tage oder Wochen im Voraus ankündigen, ohne selbst zum Ausfall des Geräts zu führen. Sobald solche Auffälligkeiten auftreten, informieren die Systeme auf Wunsch einen Servicemanager – entweder beim Hersteller oder beim Kunden – der notwendige Schritte einleiten kann. Vorteile für Hersteller und Anwender können zusätzlich daraus entstehen, dass sich bei zentraler Verarbeitung der Daten Erfahrungswerte aus dem Betrieb der gesamten Geräteflotte in die Analyse einbeziehen lassen. Und diese Form von ‚Schwarmintelligenz‘ hilft Herstellern und Dienstleistern, den Service zu gestalten und zu optimieren. Mithilfe vorausschauender Wartung, oder Predictive Asset Maintenance, lassen sich Reparaturen im Vorfeld so einplanen, dass sie die Laufzeit nicht beeinflussen, also am Wochenende oder abends durchgeführt werden können. Gleichzeitig können Hersteller oder Dienstleister etwa Servicetermine bündeln, indem über das Analysesystem erhoben wird, ob es beispielsweise in der Klinik, in der ein akuter Fall zu erledigen ist, oder in der gleichen Gegend andere Geräte gibt, bei denen die Wartung kurz bevorsteht. So lassen sich Anfahrtszeiten und damit Kosten reduzieren.

Vertriebspotenzial erkennen

Über die Wartung hinaus verspricht Big Data Analytics Herstellern neue Möglichkeiten für ihren Vertrieb. Denn bislang weiß der Vertrieb häufig nur wenig darüber, wie Kunden ihre gekauften Geräte tatsächlich einsetzen. Indem moderne Apparate mit Analyse-Instrumenten an Bord ihre Betriebsdaten an den Hersteller senden, ließe sich das ändern. Das Unternehmen würde somit zum Beispiel darüber informiert, wie ausgelastet eine Maschine ist und ob sie an Kapazitätsgrenzen stößt. Auf dieser Grundläge könnte der Vertrieb einem Kunden, der mit einem Apparat am Limit arbeitet, das nächst größere, leistungsfähigere Modell anzubieten – und idealerweise an Ort und Stelle vorrechnen, unter welchen Umständen sich diese Investition rentiert beziehungsweise amortisiert. Vor diesem Hintergrund können Werkzeuge zur Datenanalyse die Position von produzierenden Unternehmen stärken, indem sie ihnen helfen, ihre Geräte nicht nur zu verkaufen, sondern – über den gesamten Produktlebenszyklus hinweg – wertschöpfend zu begleiten. Die Betriebsdaten sind dafür wertvoller Rohstoff – und mithilfe aktueller Analysetechnologie in ständig wachsender Menge und Komplexität zu bewältigen.

 

Analyse großer Datenmengen

Unter Big Data Analytics ist die Analyse vieler, sich laufend verändernder Daten zu verstehen, häufig in Echtzeit. Eine technische Grundlage dafür liefert das sogenannte In-Memory-Computing, bei dem Daten nicht zwischen verschiedenen Speichersystemen hin- und hergeschoben, sondern nur einmal komplett in den Hauptspeicher geladen und dort verarbeitet werden. Ein Einsatz von Big Data Analytics kommt allerdings auch unabhängig von der Datenmenge in Frage, etwa wenn Daten vergleichsweise schnell und in besonderer Tiefe analysiert werden müssen. Durch den Einsatz entsprechender Lösungen lassen sich in vielen Fällen verborgene Zusammenhänge sowie Tendenzen in Daten erkennen und als Grundlage für geschäftsrelevante Prognosen heranziehen.


Das könnte Sie auch interessieren:

Die Konsolidierung großer Datenmengen, um damit KI-Anwendungen für Produktionsprozesse zu entwickeln, fällt vielen Unternehmen noch schwer. Im Projekt ExDRa sollen Lösungen entstehen, die diesen Prozess spürbar vereinfachen. Dieser Text ist der Auftakt zu einer Artikelreihe zu den produktionsbezogenen Initiativen des vom BMWi geförderten Technologieprogramms Smarte Datenwirtschaft.‣ weiterlesen

Rockwell Automation hat einen neuen CTO. Zum 1 Juli hat Cyril Perducat das Amt des Chief Technology Officers übernommen.‣ weiterlesen

Um schon vor der Lieferung einer Werkzeugmaschine Einblicke in ihre Leistungsfähigkeit zu ermöglichen, arbeitet die Schweizer Starrag-Gruppe mit der NC-Simulationslösung Vericut. Anhand der ermittelten Daten lassen sich die für später angedachten NC-Programme feinjustieren, noch bevor die Maschine ihr Werk verlässt.‣ weiterlesen

Viele Firmen befassen sich gerade mit der Neuausrichtung Ihrer Lieferketten. Dabei bietet das europäische Estland auf einer Fläche so groß wie Niedersachsen beispielhafte Digitalisierungs- und Fertigungsexpertise. Zusammen mit dem vergleichsweise einfachen Marktzugang, der räumlichen Nähe und dem Rahmen der EU-Gesetzgebung dürfte das kleine Land ein zunehmend wichtiger Partner der hiesigen Industrie bei ihrer digitalen Transformation werden.‣ weiterlesen

Änderungen in Personalzeitwirtschaft und Entgeltabrechnung gehören im HR-Management zu den oft ungeliebten, aber dennoch regelmäßig anstehenden Aufgaben. Jede Änderung in den Betriebsvereinbarungen, Gesetzesnovellen oder tarifliche Neuregelungen verlangen die Überarbeitung von Schemen und Regeln in den Personalabteilungen. Und auch Adhoc-Änderungen müssen unmittelbar umgesetzt werden.‣ weiterlesen

ERP-Branchenlösungen sollen Standardgeschäftsprozesse und Spezialfunktionen unter einen Hut bringen. Innovachem für mittelständische Chemieunternehmen verbindet den Systemkern aus Basis von SAP S4/Hana etwa mit Modulen zur Rezepturentwicklung und Compliance-Prüfung. Das erspart so manche Programmierarbeit und Schnittstellenpflege.‣ weiterlesen

Aras Software hat einen neuen Geschäftsführer. Peter Schoppe hat mit Wirkung zum 1. Juli die Leitung des Plattformanbieters übernommen.‣ weiterlesen

Er ist schnell, leicht und verbraucht wenig Treibstoff: Der Hochgeschwindigkeits-Helikopter Racer kann Fluggeschwindigkeiten von bis zu 400km/h erreichen. Die Schalenbauteile seiner Außenhaut werden mit einem neuartigen Fertigungsverfahren hochautomatisiert hergestellt. Ein Forscherteam des Fraunhofer IGCV hat die Methode gemeinsam mit Airbus Helicopters entwickelt.‣ weiterlesen

Dualis hat den neuen Hauptsitz des Unternehmens in Dresden bezogen. Der reguläre Arbeitsbetrieb begann am 19. Juli.‣ weiterlesen

Kawasaki Gas Turbine Europe plant, produziert, installiert und wartet Gasturbinen. In Bad Homburg befindet sich das europäische Zentrallager des Tochterunternehmens von Kawasaki Heavy Industries. Um dort fehleranfällige Prozesse abzulösen, hat das Unternehmen eine Lagerwirtschaftslösung eingeführt, die alle Transportbewegungen dokumentiert.‣ weiterlesen

Störungen in der Lieferkette können schnell zu Problemen führen. Jaggaer hat vier Tipps zusammengestellt, wie Unternehmen Schwachstellen in der eigenen Lieferkette identifizieren können.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige