In meinem letzten Blog bin ich auf eine Reihe von Hürden eingegangen, die sich bei der Anbindung der Maschinenwelt (Operational Technology, OT) an die IT-Welt ergeben:
- Alte Maschinen, nicht ausreichend mit Sensorik ausgestattet
- Digitale Nachrüstungen sind sehr teuer
- Unterschiedlichste digitale Formate
Erkenntnisgewinn als Ziel der Digitalisierung
Als Lösung hatte ich einfache externe Sensorik wie Energiemessgeräte oder Vibrationssensoren vorgeschlagen. Der Hauptvorteil dieses Ansatzes besteht in den günstigen Kosten für Erwerb, Installation und Inbetriebnahme in eine bereits laufende Produktion. Dieses Vorgehen ist vor Allem dann interessant, wenn man noch nicht genau weiß, in welche Richtung genau eine Auswertung der digitalen Daten gehen wird. Das ist der Fall, wenn der Return on Investment (RoI) nicht präzise genug bekannt oder mit einem gewissen Risiko behaftet ist.
Aber wie ich am Ende des letzten Blogs schon schrieb: „Ohne Erkenntnisgewinn lohnt sich die Digitalisierung natürlich nicht„. Deswegen soll es hier jetzt um mögliche Erkenntnisse und deren Bedeutung gehen, die man mit Hilfe auch einer einfachen und günstigen Digitalisierung erreichen kann.
Die Möglichkeiten sind hier schier unbegrenzt. Vielleicht fällt Ihnen auch sofort ein Thema ein, zu dem Sie gerne mehr Erkenntnis gewinnen möchte. Aber unabhängig davon kann man nahezu alle Themen in den großen Komplex, der sogenannten Gesamtanlageneffektivität oder Englisch Operational Equipment Effectiveness (OEE), einordnen. Etwas allgemein formuliert: Es verbirgt sich dahinter das Verhältnis von ordentlich produzierten Teilen zu der möglichen Anzahl von Teilen in einem gegebenen Zeitraum. Ich möchte mich hier auf die diskrete Fertigung konzentrieren. Man kann den OEE-Wert auch als das Cockpit sehen, welches dem Piloten – in unserem Fall also dem Produktionsleiter – genau zeigt, wo sich seine Produktion befindet.
Schaut man sich diese Kennzahl näher an, dann verbergen sich dahinter eine Reihe von Aspekten, die man gerne genauer verstehen will, nämlich:
- Die Verfügbarkeit der Produktion
- Die Leistung der Produktion
- Die Qualität der Produktion
Jeder dieser Kennzahlen kann wieder als Verhältnis verstanden werden, also aus
- tatsächlicher zu möglicher Produktionszeit,
- tatsächlicher zu möglicher Stückzahl oder auch aus
- einwandfrei gefertigter zu insgesamt gefertigter Stückzahl.
Digitale und automatisierte Datenerfassung
Ich will dieses Thema jetzt nicht weiter systematisch auf seine elementaren Bestandteile herunterbrechen. Aber am Ende kommt man zu einer Menge konkret messbarer Parameter. Dazu gehören zum Beispiel das Erfassen von Störungen, Rüstvorgängen, Wartungsarbeiten, Pausenzeiten, reduzierter Produktionsleistung, Verwurf, Nacharbeiten usw.
Im einfachsten Fall können die Mitarbeiter*innen solche Daten manuell aufnehmen. Der Nachteil dabei ist allerdings, dass zum einen zu viel Arbeitszeit für die Erfassung und Aufbereitung aufgewendet wird und diese Aufwände zu Lasten der Produktivität gehen. Zum anderen leidet naturgemäß die Qualität einer manuellen Datenerfassung, beispielsweise durch Ungenauigkeiten wie fehlerhafte Daten oder nicht eindeutig interpretierte Ursachen. Zudem ist eine Weiterverarbeitung von Daten auf Basis einer manuellen Erfassung deutlich schwieriger. Auch eine Unterstützung durch Erfassungsprogramme auf Eingabegeräten wie Tablets oder Ähnlichem ist hier nur von beschränktem Nutzen.
Dem steht nun die Möglichkeit einer digitalen und automatisierten Datenerfassung gegenüber. Das Interessante dabei ist, dass die im letzten Blog angesprochenen günstigen und non-invasiven Techniken, wie zum Beispiel Energiemessgeräte oder Vibrationssensoren, schon sehr viele Einsichten ermöglichen. Mit ihnen kann man etliche der oben angesprochenen Ereignisse wie Störungen, Rüstvorgänge, Pausenzeiten etc. vollautomatisch und präzise erfassen und mit nachgelagerter Software schnell visualisieren. Durch den flächendeckenden Einsatz der Messtechnik über die gesamte Produktionslinie hinweg ergibt sich damit ein schnelles und präzises Bild der Produktion.
Verbesserungspotenzial durch einfache Datenvisualisierung erkennen
Bevor man jetzt gleich mit der geballten Kraft von Smart-Analytics-basierten Techniken wie z. B. der KI versucht, Erkenntnisse zu erzielen, reicht sehr häufig schon eine einfache Visualisierung aus, um interessante Hinweise auf Verbesserungspotential zu erhalten. Und natürlich wird man auf Basis der Visualisierungsergebnisse in einem nächsten Schritt auch gezielt Smart Analytics einsetzen, um weitere und tiefere Erkenntnisse zu gewinnen. Der Schwerpunkt liegt dabei auf „gezielt“, da hier wiederum Aufwand und Nutzen besser gegeneinander abgewogen werden können.
All das bringt uns dem eigentlichen Ziel näher: die Produktion nachhaltig zu verbessern und an die sich ständig veränderten Rahmenbedingungen des Industrie-4.0-Zeitalters noch besser anzupassen.
Auf einen Blick
Ich möchte das an dieser Stelle nochmal zusammenfassen:
- Ein wichtiges und grundlegendes Industrie-4.0-Versprechen ist die Integration der Maschinenwelt (Operational Technology, OT) mit der IT mit dem Ziel, modernste Smart-Analytics-Methoden wie beispielsweise KI für die Optimierung der Gesamtanlageneffektivität (Operational Equipment Effectiveness, OEE) heranzuziehen.
- Eine große Hürde für viele Unternehmen stellt der Aufwand in der Umsetzung und mögliche Beeinträchtigungen der laufenden Produktion bei gleichzeitig ungenauem Mehrwertversprechen dar.
- Eine solche Hürde lässt sich viel einfacher nehmen, wenn man auf einfache, preisgünstige und non-invasive Messtechnik setzt anstatt Maschinen einzeln, individuell, aufwändig und teuer zu digitalisieren.
- Durch eine flächendeckende Anwendung solcher Messtechnik, Energiemessungen oder Vibrationssensoren bekommt man schnell die Grundlagen für eine schnelle Bestimmung der Gesamtanlageneffektivität und der Parameter, aus der sie sich zusammensetzt.
- Eine erste und einfache Visualisierung der wichtigsten Kennzahlen quer über die gesamte Produktion liefert schnell erstes Verbesserungspotential.
- In einem weiteren Schritt kann zielgerichtet Smart Analytics für weitere Untersuchungen genau dort zum Einsatz gebracht werden, wo der Erkenntnisgewinn am vielversprechendsten ist.
Auf diese Weise optimiert sich das Verhältnis von Aufwand zu Nutzen, also der Return on Investment (RoI). Habe ich Ihr Interesse geweckt? >Dann sprechen Sie uns an. (Link leider nicht mehr verfügbar)