Manchmal ist das Ziel klar, manchmal aber auch nicht: Hauptsache irgendetwas mit Industrie 4.0, was und wie ist egal. So oder so ähnlich kommt einem so manche Strategie zur digitalen Transformation vor. Dabei bietet eine richtig umgesetzte Unternehmensausrichtung zur smarten Fabrik viel Potenzial und auf dem Weg dorthin schon so manche tief hängende Früchte. Zum Beispiel vorausschauende Wartung.
Temperaturverlauf bis zur Maschinenstörung zur Mustererkennung. Bild: Trebing & Himstedt Prozeßautomation GmbH & Co. KG
In der ‘finalen’ Industrie 4.0 fertigen Unternehmen auf Kundenwunsch in Losgröße eins, die Maschinen und Materialien koordinieren sich dafür selbständig und die Hersteller haben die volle Transparenz und Flexibilität, die sie für eine smarte Produktion benötigen. Doch der Weg dorthin ist lang und steinig und das Ergebnis wird sicherlich nicht ganz so rosarot aussehen wie eingangs geschildert. Leider sind diese Unwägbarkeiten oftmals ein Grund dafür, dass entsprechende Projekte nicht, oder nur zögerlich angegangen werden. Dabei können auf dem Weg in die Industrie 4.0 schon zahlreiche Vorteile realisiert und genutzt werden, die helfen, die Akzeptanz zu erhöhen und Investitionen schneller zu amortisieren, ganz so wie beim autonomen Autofahren. Schon heute helfen uns im ‘connected Car’ Sensoren die Spur zu halten und einzuparken, all dass, was in einem Gesamtsystem zum autonomen Fahren benötigt wird.
Vier Phasen
Teilt man den Entwicklungsstand zu einer vernetzten, optimierten Produktion in vier Phasen auf, lassen sich die zunehmenden Vorteile und Nutzen betrachten.
In der Phase eins geht es primär zunächst einmal darum, einen digitalen Schatten, also ein Abbild der Produktion herzustellen. Dieses Abbild verschafft in erster Linie Sichtbarkeit, um in Echtzeit zu überblicken, was gerade überhaupt passiert. Im Beispiel der vorausschauenden Wartung wäre das beispielsweise ein Remote Monitoring der Komponente, Maschine oder Anlage. Realisiert wird dies mittels Sensoren, die die reine Verfügbarkeit anzeigen (Maschine läuft/läuft nicht) beziehungsweise bereits relevante Parameter wie Temperatur oder Vibration überwachen und die Daten an eine zentrale Stelle senden. Die zentrale Stelle leitet bereits die Phase zwei ein.
Sensordaten werden Big Data
Die gesendeten Sensordaten können sehr schnell zu Massendaten (Big Data) anwachsen. Um den Überblick zu behalten und Transparenz zu schaffen, muss ein zentraler Punkt der Wahrheit geschaffen werden. Das bedeutet nicht unterschiedliche Datenbanken mit verschiedenen Interpretationsmöglichkeiten, sondern quasi die Stammdaten, auf der alle weiteren Auswertungen basieren. Alleine diese Tatsache wird im Unternehmen schon Doppelarbeit vermeiden und Entscheidungen beschleunigen, da kein Datenabgleich mehr notwendig ist. Die Auswertung der historischen Daten wird helfen zu verstehen, warum etwas passiert ist und zum Beispiel durch einen kontinuierlichen Verbesserungsprozess (KVP) Fehler zukünftig zu vermeiden. In unserem Predictive-Maintenance-Beispiel können die historischen Monitoring-Daten analysiert und visualisiert werden, um zu verstehen, warum eine Maschine ausgefallen ist. Steigt zum Beispiel eine Temperatur vor einem Ausfall stark an, können die Gründe dafür analysiert werden. Gegebenenfalls kann die Instandhaltung betroffene Teile zukünftig präventiv austauschen oder ab einer bestimmten (Durchschnitts-)Temperatur wird eine Alarmmeldung generiert. Lassen sich auf dieser Basis Muster erkennen, können aus dieser ‘Maschinenlernumgebung’ Verhaltensweisen analysiert und für zukünftig vergleichbare Situationen Vorhersagen getroffen werden. Also in etwa, bei dieser Temperatur und der Vibration ist in 80 Prozent der Fälle die Maschine in drei Tagen ausgefallen. Und schon befindet man sich in Phase drei, der Prognosefähigkeit. Durch Predictive Services sind wir in der Lage mit bestimmter Wahrscheinlichkeit Vorhersagen über Zustandsänderungen in der Zukunft zu machen. Der Vorteil ist, dass man auf gewisse Situationen besser vorbereitet ist und dieser Kenntnisstand bereits in der Planung optimiert genutzt werden kann. Es passieren weniger Ausfallzeiten und die Wartung findet nur dann statt, wenn es sein muss und kann darüber hinaus in Zeiten passieren, die weniger oder gar nicht produktionsrelevant sind.
Ein entscheidender Faktor ist hier die Mustererkennung. Für die Maschinenlernumgebung ist eine intelligente Sensorik und Vernetzung notwendig. Über die erfassten Daten (Big Data) kann dann mittels Analytics eine automatisierte Mustererkennung laufen, oder man bedient sich entsprechender Analyseexperten am Markt, um wiederkehrende Mustererkennung zu betreiben. In einer smart vernetzten Produktion mit intelligenten Maschinen ist es auch vorstellbar, dass Komponenten selber mithilfe eines digitalen Produktdatenblattes gleich eigene Muster mitliefern, die zum Beispiel zu bekannten Fehlern führen. SAP bietet mit dem Asset Intelligent Network (AIN) basierend auf der SAP HANA Cloud Platform (HCP) dafür bereits heute eine entsprechende Clouddatenbanklösung. Dann ist man schon fast in der finalen Industrie 4.0-Phase angekommen. Die Sensoren melden die Daten, die Vernetzung transportiert die Daten an die richtige Stelle und mit intelligenten Algorithmen wird aus Big Data endlich Smart Data. Somit ist die Basis für eine autonome oder teilautonome Produktion gelegt. In unserem Beispiel kann der Instandhaltungsplan automatisch unter Einbezug der Sensoren und Mustererkennung und unter Berücksichtigung der Auftragslage in Echtzeit optimiert werden. Vor Ort wird dem Instandhalter dann auf dem Tablet die Arbeitsanweisung angezeigt und die Durchführung kontrolliert. Nach Abschluss der Arbeiten meldet sich die Anlage wieder selbständig zum Dienst. Viele Unternehmen sind somit schon drin und auf dem richtigen Weg zur smarten Fabrik. Wenn man eine Vision hat, ist es auch gar nicht mehr schwierig die, richtigen Entscheidungen heute zu treffen, um die Vision in kleinen Schritten umzusetzen und schon jetzt davon zu profitieren.
Mittelständische Unternehmen investieren selbst in schwierigen Zeiten in Microsoft-Technologien, weil sie überzeugt sind, dass ihre Mitarbeiterproduktivität steigt und sich ihre Kostenstruktur bessert. Microsoft hat mit dem Microsoft-Partner-Network ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. Für unsere Leser gibt die Microsoft-Partnerübersicht in Ausgabe Juli/August der IT&Production Tipps für die Suche nach einer geeigneten Branchen- oder Speziallösung im Bereich des produzierenden Gewerbes.
Auf der Suche nach Innovation, nach neuen Lösungen und der Abgrenzung zum Mitbewerb vernetzen sich zunehmend mehr Unternehmen mit externen Experten und Partnern. SAP hat mit dem SAP-Ecosystem ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. In der Maiausgabe der Fachzeitschrift IT&Production erhalten unsere Leser einen aktuellen Überblick zum SAP-Ecosystem im Bereich des produzierenden Gewerbes.
Anbieter & Produkte
Qualität, Lieferketten, Rückverfolgbarkeit – Nachhaltigkeit hat viele Facetten
Prime Edge – eine Edge Lösung für die Industrie
Work-in-Process-Management in S/4HANA
Wachstum durch Kundenorientierung: Das Geheimnis liegt in einem smarten Variantenkonfigurator
MPDV Mikrolab GmbH – WE CREATE SMART FACTORIES
augmented instructions – digitalisiertes Know how unterstützt die Industrie beim Wissenstransfer
Make Lean Leaner
Weltweit führende APS-Technologie für alle industriellen Anforderungen
ANZEIGE
Whitepaper
Smart Factory Elements
Mit Kennzahlen die Produktion im Griff
Monitoring IT, OT and IIoT with Paessler PRTG: use cases and dashboards
Vom 4-Stufen-Modell zum Regelkreis
Vollautomatische Feinplanung
Videos
Erfolgreiche Asprova APS Einführung bei Panasonic, Hersteller von Komponenten für Autoelektronik
MES HYDRA X Build your factory smart
Smart Factory Cloud Services
Erfolgreiche Asprova APS Einführung bei Horst Scholz, Hersteller von komplexen Kunststoffspritzformen höchster Präzision
Erfolgreiche Asprova APS Einführung bei Bopisa, Hersteller von Lebensmittelverpackungen
Ein Unternehmen, das sich mit der Auswahl eines ERP- Systems befasst, muss sich gleichsam mit einem viel- schichtigen Software-Markt und unklaren Interessen- lagen an interne Abwick- lungsprozesse auseinander- setzen. Guter Rat bei der Investitionsentscheidung ist teuer. ERP/CRM Wissen Kompakt unterstützt Sie bei der gezielten Investition in die IT-Infrastruktur.
Immer mehr Anbieter von Maschinen, Automatisierungstechnik und Industriesoftware integrieren künstliche Intelligenz in ihre Produkte. Das ganze Potenzial spielen selbstlernende Systeme aber erst aus, wenn sie passgenau auf ihren Einsatz in Fertigung und Büro zugeschnitten wurden. Über beide Möglichkeiten, als Fertiger die Vorzüge von industrieller KI zu nutzen, geht es im regelmäßig aktualisierten Themenheft Künstliche Intelligenz.
Das Internet of Things verändert Produktwelten und die Vernetzung in der Fertigung gleichermaßen. Entstehende Ökosysteme laden zur einer neuen Form der Zusammenarbeit ein. Die Spezialausgabe IoT Wissen Kompakt informiert über die Technologie, Projektierung und Anbieter für die eigene Applikation, in- und außerhalb der Fabrik.
Um alle Potenziale eines MES umfassend ausnutzen zu können, beleuchten unsere Autoren in der Serie von MES Wissen Kompakt die erfolgskritischen Faktoren, um Fertigungsunternehmen präventiv zu steuern. Darüber hinaus präsentiert MES Wissen Kompakt ein breites Spektrum an Firmenportraits, Produkt- neuheiten und Dienst- leistungen im MES-Umfeld.