close

Maschinen digitalisiert – aber was mache ich jetzt mit den Daten?

Maschinen digitalisiert - Header
Geschätzte Lesezeit: 3 Minuten

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

Visualisierung der Daten

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.

Schlagwörter: , , ,

Story Page