Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Strategie, Vorgehen und Voraussetzungen

Condition Monitoring wirtschaftlich nutzen

Im Rahmen der Diskussionen um Industrie 4.0 erlebt Condition Monitoring eine Renaissance. Man feiert deshalb ein Comeback, weil es die Ansätze aus Hersteller- und Betreibersicht an sich schon seit vielen Jahren gibt. Sie wurden jedoch viel zu selten wertschöpfend eingesetzt.

Grafik zeigt Vorgehensmodell für datenbasierte 'Smart Service'-Produkte aus dem Condition Monitoring

Bild: Braincourt GmbH

Softwarehersteller bieten zwischenzeitlich sehr viele Lösungen an, die Sensor- und Steuerungsdaten in Echtzeit verarbeiten und visualisieren. Es entsteht jedoch noch kein Mehrwert allein durch die reine Cockpit-Darstellung der Performance-Daten an der Maschine selbst oder in einem Portal. Es gibt bereits weiterentwickelte Lösungen, welche anhand definierter Schwellenwerte Benachrichtigungen per E-Mail oder SMS verschicken. Aber was nützt eine Benachrichtigung, wenn sie nicht gelesen oder von den richtigen Fachexperten und Beteiligten im richtigen Prozesskontext verarbeitet wird? Stark vereinfacht ausgedrückt: Was nützt die Information, dass demnächst ein Kugellager getauscht werden muss – wenn es nicht bestellt, nicht geliefert und kein Wartungsfenster dafür geplant wird? Eine noch wichtigere Frage ist: Wie kann man aus welchen Echtzeit-Daten, durch welche Algorithmen einen tatsächlichen Mehrwert für wen schaffen? Und wie lässt sich dieser als Geschäftsmodell-Baustein in ein Service-Produkt umsetzen?

Erweiterte Möglichkeiten durch neue Technologien

Bisher wurden Remote Service- oder Condition Monitoring-Lösungen vorwiegend zur Überwachung von Maschinenzuständen genutzt. Diese Möglichkeiten werden gerne von Herstellern innerhalb der Gewährleistung genutzt, um Reaktionszeiten einzuhalten oder den Anlaufbetrieb beim Anwender zu unterstützen. In der Produktion leisten diese Lösungen vornehmlich einen Beitrag zur Instandhaltung oder sie werden zur ansatzweisen Optimierung der Overall Equipment Efficency (OEE, oder oft Gesamtanlageneffizient) genutzt. Ein Ziel aus Hersteller- und Betreibersicht ist die vorausschauende Wartung bzw. Instandhaltung. In der Praxis werden diese Ziele jedoch meist nur ansatzweise erreicht – besonders, weil es an den erforderlichen Algorithmen zur automatischen Muster- und Abweichungserkennung mangelt. Zusätzlich ist es vielen nicht möglich, Handlungsempfehlungen und Prozesse zu automatisieren noch diese zu digitalisieren. In der Tat hält der Weg von der Zustandsüberwachung zu automatisierten, vorausschauenden Handlungs- oder Planungsempfehlungen sowohl im fachlichen als auch im organisatorischen Bereich einige Herausforderungen bereit. Dabei bieten solche Themen den Herstellern das Potenzial für neue, bezahlte Dienstleistungen im Sinn von datenbasierten Services. Dieses zu heben gelingt nur selten und auch nur bei wenigen Kunden. Oft sind es zudem Individualentwicklungen, die sich kaum auf andere Kunden- oder Marktsegmente übertragen lassen. Speziell Anlagenhersteller tun sich aufgrund der Komplexität ihrer Produkte und einem hohen Anteil an externem Know-how von Zulieferern erfahrungsgemäß besonders schwer. Durch die wachsende Verfügbarkeit von Daten, Schnittstellen und Infrastruktur zur Vernetzung und Datenakquise bei konstant sinkenden Preisen, stellt die Technologie mittlerweile jedoch kein großes Hindernis mehr dar. Weiter bestehen die Herausforderungen, den Nutzen auszuprägen, die erforderlichen Daten sinnvoll auszuwerten und tragfähige Business-Cases zu gestalten und auszurollen. Diese Arbeit übernimmt auch heute noch keine Software. Um losgelöst von Software ein Engineering für Smart Services im Unternehmen zu verankern, kann man jedoch auf Vorgehensmodelle, Methoden und Werkzeuge zurückgreifen.

1. Ziele. Werte. Nutzen.

Der erste Schritt zur Entwicklung und Umsetzung von datenbasierten Services, die auch auf einem bereits vorhandenen Condition Monitoring- oder einer Remote Service-Lösung aufsetzen können, ist die Verankerung und Abbildung von Zielen, Werte- und Nutzenversprechen sowie einer strategieschen Vision. Das ist vor allem wichtig, um datenbasierte Services als Business-Case zu entwickeln. Dabei ist auf der einen Seite ein interdisziplinäres, einheitliches Verständnis des Ziels erforderlich. Andererseits braucht es für solche Dienstleistungen neue, funktionale und horizontale Prozesse. Zudem sollten bei der Ideenfindung und der Prototyp-Erstellung von Anwendungen und Business-Cases verschiedene Sichtweisen eingenommen werden, um den unterschiedlichen Bedürfnissen der Nutzer möglichst nahe zu kommen.


Das könnte Sie auch interessieren:

Die 2023er Releases von Autodesk stehen zur Verfügung. Parallel stellt das Systemhaus Contelos überarbeitete Addons vor: Tools4Engineers, Tools4GIS, GeoPhotoXtension und BohrKernXtension sollen Anwendern die Arbeit mit Autodesk-Lösungen erleichtern.‣ weiterlesen

Vecoplan nutzt bereits seit 2008 Fernzugriffsfunktionen für seine Maschinen. Mithilfe des IoT-Spezialisten Ixon hat der Maschinenbauer dieses Angebot ausgeweitet und bietet heute sogar Kameraüberwachung für seine Recyclingmaschinen an.‣ weiterlesen

Im Werkzeugmanagement eröffnet das Kennzeichnen von Assets mit Data Matrix Codes die Möglichkeit, Werkzeuge zu tracken und mit ihren Lebenslaufdaten zu verheiraten.‣ weiterlesen

Google Cloud gab kürzlich die Einführung der beiden Lösungen Manufacturing Data Engine und Manufacturing Connect bekannt. Mit den Tools lassen sich Assets einer Fertigungsumgebung vernetzen, Daten verarbeiten und standardisieren.‣ weiterlesen

Virtuelle multicloudfähige Plattformen können in Fertigungsbetrieben das Fundament bilden, um IT-Infrastruktur und Betriebsabläufe zu modernisieren und effizient zu betreiben. Denn das nahtlose Zusammenspiel von Cloud-Anwendungen, Softwarebereitstellung sowie Remote Work lassen sich mit digitalen Plattformen vergleichsweise einfach und global orchestrieren.‣ weiterlesen

Wibu-Systems ist Anwendungspartner im Projekt KoMiK. Im Mai wurde das Projekt abgeschlossen und der Karlsruher Lizensierungsspezialist hat zusammen mit den Projektpartnern aus Wirtschaft und Wissenschaft Empfehlungen zur Auswahl eines digitalen Kooperationssystems erarbeitet, inklusive eines Screening-Tools.‣ weiterlesen

MES-Lösungen verfügen über unterschiedliche Erweiterungsmodule, etwa für das Qualitätsmanagement. Der Ausbau der Basisfunktionen sorgt jedoch oft für Aufwand. Eine Alternative versprechen Cloudlösungen.‣ weiterlesen

Bei ihrer digitalen Transformation adaptieren Fertigungsunternehmen Technologien wie künstliche Intelligenz, Machine Learning und digitale Zwillinge. Cloud Computung hilft, dafür erforderliche Kapazitäten skaliert bereitzustellen.‣ weiterlesen

Mit mehreren neuen Partnern erweitert der Softwareanbieter ZetVisions sein Partnerangebot. Unter anderem sollen Pikon und People Consolidated das Beratungsangebot des Heidelberger Unternehmens ergänzen.‣ weiterlesen

Viele Deep-Learning- und Machine-Vision-Anwendungen stellen hohe Ansprüche an die eingesetzten Industrie-Rechner. Für den Einsatz in diesem Umfeld hat Hardware-Spezialist Spectra die PowerBox 4000AC C621A ins Programm genommen.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige