Reaktive Ressourceneffizienzsteigerung
Viele Unternehmen möchten ihre Anlagen digitalisieren. Die erste Digitalisierungsstufe nach McKinsey bildet das Reporting, das die Produktdokumentation nach VDI-Richtlinie 4800 vereinfacht. Werden die gewonnenen Daten im zweiten Digitalisierungsschritt, dem Monitoring, überwacht, erlaubt das bereits eine primär manuelle Fertigungsprozessverbesserung. Diese beiden ersten Digitalisierungsstufen der Datenaufnahme und -bereitstellung lassen sich für die meisten Unternehmen noch relativ einfach realisieren und sind traditionellen Business-Intelligence (BI)-Systemen zuzuordnen. Im Übergang zu Data Mining werden Methoden von Big Data genutzt.
Durch die Evaluation der erfassten Daten lassen sich Problemursachen finden. Werden sie abgestellt, lassen sich Nacharbeit, Entsorgung fertiger Produkte, Entsorgung eingekaufter Materialien und unsachgemäße Lagerung sowie Überlagerung reduzieren. Die bis zur vierten Digitalisierungsstufe möglichen Sparmaßnahmen sind jedoch lediglich reaktiv.
Beim Beispiel der Blechwarenfabrik werden mithilfe eines Produktionsplanungs- und Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
-steuerungs- (PPS) sowie eines Manufacturing-Execution-Systems (MES) Produktionsdaten erfasst und an ein BI-System weitergeleitet. Ein digitaler Abgleich von Bedarf und Verbrauch hilft dort, Leckagen im Druckluftsystem zu finden. Eine reaktive Wartung wird möglich.
Prädiktive Ressourceneffizienzsteigerung
Prädiktive Ressourceneffizienz wird durch künstliche Intelligenz (KI) vereinfacht, indem Szenarien simuliert sowie deren Eintrittswahrscheinlichkeiten berechnet werden. So lassen sich Produktionsspitzen mit hohem Energiebedarf an die Verfügbarkeit regenerativer Energien wie Wind- und Solarenergie anpassen. Eine dezentrale Anlagen- und Prozesssteuerung, dynamisch kooperierende Systeme in einem modularen Umfeld sowie durchgängige Datenintegration werden für eine echtzeitfähige KI-Steuerung benötigt.
Bei der Blechwarenfabrik werden Abweichungen im Stromverbrauch, etwa von Pumpen oder Elektromotoren, von einem Predictive-Maintenance-System (PMS) erfasst. Erhöhter Stromverbrauch entsteht u.a. durch verschlissene Kugellager. Diese Lager können nun getauscht werden, während die Anlage ohnehin steht. Eine digitale Rückmeldung übermittelt dem System den Abschluss der Arbeit. Die Warenströme im Lagerhaus können angepasst an den errechneten Solarstrom geplant werden, um den Eigennutzungsgrad der Anlage zu erhöhen.
Die Beispiele belegen, dass sich in allen Digitalisierungsstufen nicht nur theoretisch, sondern praktisch Ressourcen sparen lassen. Weitere Informationen zum Thema Ressourceneffizienz und Digitalisierung erfahren Unternehmen am VDI Zentrum Ressourceneffizienz, das im Auftrag des Bundesumweltministeriums agiert.
Der Autor Dr.-Ing. Jan Philipp Menn ist Referent für Digitalisierung beim VDI Zentrum Ressourceneffizienz.