REIHE „DER WEG ZUR INDUSTRIE 4.0“ (TEIL 2)

Dieser Artikel wurde zuerst in Instrumentation Monthly und UK Manufacturing veröffentlicht.

Der Herstellungsprozess erfordert große Mengen an Daten und Informationen. Die bei der Herstellung von Waren verbrauchten Materialien und Komponenten, Montageanleitungen, Kundenspezifikationen, Maschineninformationen wie Vibration und Temperatur werden alle im Fluss der Fertigungsaktivitäten ständig produziert. Daten werden auch viel schneller erfasst, da Hersteller zunehmend Sensoren einsetzen, um weitere Erkenntnisse über die Effizienz der Prozesse und den Status der Maschinen in der Montagelinie zu sammeln.

Jüngste Untersuchungen haben jedoch gezeigt, dass nur ein Drittel dieser Daten genutzt wird – der Rest bleibt aufgrund von Hindernissen wie isolierten Daten oder ineffizienten Datenverwaltungspraktiken ungenutzt. Das bedeutet eine verpasste Chance.

Digitale Anwendungen wie Dashboards und Analysen, künstliche Intelligenz (KI), Augmented und Virtual Reality sowie Computer Vision bieten Unternehmen das Potenzial, die Effizienz zu steigern, Kosten zu senken und Risiken zu mindern, was zu potenziellen Leistungsverbesserungen von bis zu 20 % führt.

In diesem zweiten Artikel unserer „Industrie 4.0“-Reihe erörtert John Lawson, wie Fertigungsunternehmen ihre Fertigungsdaten nutzen können, um deren vollen Wert auszuschöpfen und digitale Anwendungen zu nutzen, um eine maximale Kapitalrendite zu erzielen.

Im ersten Artikel untersuchten unsere Experten Techniken zur Bereitstellung schneller Lösungen, um Unternehmen dabei zu helfen, ältere Anwendungen zu aktualisieren und die Vorteile von Industrie 4.0 zu nutzen.

Während die Menschen, Prozesse, Systeme und Maschinen in der Fertigung große Datenmengen produzieren, gibt es oft ein Problem damit, wie Unternehmen diese sammeln und verwalten. In der Regel erfolgt dies über Tabellenkalkulationen und Papierberichte – manuelle Methoden, die fehleranfällig und zeitaufwändig sind.

In diesem Zusammenhang ist die Bereitstellung neuer Datenerfassungsfunktionen von entscheidender Bedeutung. Die Einführung von Sensorlösungen für das Internet der Dinge (IoT), die beispielsweise in bestehende SPS- (Programmable Logic Controller) und Supervisory Control and Data Acquisition (SCADA)-Kits integriert sind, kann es Unternehmen ermöglichen, mehr Daten in Echtzeit zu erfassen und so die Sichtbarkeit zu verbessern Bearbeitung von Shopfloor- und Supply-Chain-Ereignissen.

Der Einsatz von Harmonisierungs- und Visualisierungstools ist ein weiterer wichtiger Schritt auf diesem Weg. Harmonisierungstools helfen dabei, unterschiedliche Datenfelder, Formate, Dimensionen und Spalten in einem kombinierten Datensatz zu vereinen, wodurch sowohl der Zeitaufwand für die Erstellung genauer Erkenntnisse als auch die Kosten für die Datenanalyse gesenkt werden.

Visualisierungstools ermöglichen die Generierung von Erkenntnissen und eine bessere Integration von Datenpunkten in nachgelagerte Geschäftsprozesse. Digitale Dashboards können wichtige Kennzahlen wie Output, Ausschussrate, Zykluszeit und Gesamtanlageneffektivität visuell und an einem einzigen Ort abrufen und anzeigen und bieten Führungskräften im gesamten Unternehmen die Möglichkeit, effizienter zusammenzuarbeiten und zu arbeiten.

Erweiterte Dashboard-Versionen verfügen über Funktionen, die kontinuierliche Verbesserungsprozesse unterstützen, einschließlich Ursachenanalyse und Beseitigung von Engpässen. Eine verbesserte Datentransparenz und -analyse kommt auch der Produktentwicklung zugute und hilft Ingenieuren und Produktteams dabei, die Auswirkungen verbesserter Funktionalitäten auf die Produktionskette abzuwägen, bevor sie neue Produkte auf den Markt bringen.

Eine bessere Datennutzung kann Herstellern auch dabei helfen, Wartungsaktivitäten zu optimieren. Beispielsweise können in der Luft- und Raumfahrtindustrie tragbare Technologielösungen manuelle Aufgaben wie die Überprüfung der Zertifizierung eines Ingenieurs oder die Protokollierung seiner Arbeitszeit ersetzen. Dies erhöht die Auslastung des Fachpersonals und trägt zur Verbesserung der Effizienz bei, was letztendlich zu einer Kostensenkung führt.

Aufgrund ihrer drahtlosen Konnektivität können IoT-Sensoren, die in Maschinen und anderen Fertigungsinfrastrukturen angebracht sind, Daten abrufen, die bisher schwer zu erfassen waren, wie z. B. Temperatur, Vibration, Luftfeuchtigkeit, Licht, Strahlung und CO2-Gehalt.

Viele Hersteller, die mit sensiblen Rohstoffen umgehen, platzieren heute kleine Geräte in Behältern in Lagern und Produktionslinien, um zu erkennen und Manager sofort zu benachrichtigen, wenn die Messwerte Sicherheits- und Qualitätsschwellenwerte überschreiten. Dies ermöglicht den Betreibern eine schnellere Reaktionszeit, reduziert Schäden und Verschwendung und verbessert letztendlich die Zuverlässigkeit und Auslastung ihrer Anlagen.

Der Echtzeitzugriff auf diese Daten trägt auch dazu bei, giftige Lecks und andere Vorfälle zu verhindern, die in Branchen wie der Chemie- oder Öl- und Gasindustrie von entscheidender Bedeutung sind. Über die Werkstatt hinaus verbessern IoT-Geräte das Bestands- und Vertriebsmanagement, indem sie fertige Produkte während des Transports überwachen.

Während immer mehr Unternehmen das Internet der Dinge in Fabrikumgebungen einführen, stoßen sie bei der Umsetzung auf einige Hindernisse. Ein häufiges Problem besteht darin, die Integration industrieller IoT-Anwendungen (IIoT) in die vorhandene Technologie zu verwalten. Häufig legen Unternehmen beim Entwurf ihrer Referenzarchitekturstruktur keine Grundprinzipien fest.

Um eine unternehmensübergreifende Datenintegration zu ermöglichen, müssen ERP-, MES- und SPS-Daten in digitalen Anwendungen wie Echtzeit-Debottlenecking- und Performance-Dashboards in der Produktion, computergestütztem Qualitätsmanagement und ausgewählten Steuerungsanwendungen für maschinelles Lernen (ML) kombiniert werden. Die Auswahl der richtigen IIoT-Plattform und eines entsprechenden Datendesigns, das die Integration von Daten aus den verschiedenen Systemen ermöglicht, ist der Schlüssel zur Maximierung des Nutzens des IoT.

Maschinelles Lernen und andere KI-basierte Technologien können dazu beitragen, weitere Erkenntnisse aus den wachsenden Datenmengen zu gewinnen, die in Produktionsstätten und Lieferketten gesammelt werden.

Während sich KI auf eine breite Palette computergestützter Fähigkeiten bezieht, die einige der kognitiven Fähigkeiten des Menschen nachahmen, ist ML eine Teilmenge der KI, die es Maschinen ermöglicht, aus Daten zu lernen, um zukunftsweisende Informationen zu liefern, ohne direkt dafür programmiert zu werden.

Derzeit liegt eine der leistungsstärksten Anwendungen von ML in der Fertigung im Bereich der prädiktiven Prozesssteuerung und der Festlegung von Vorgaben für einen optimalen Betrieb. Dies ist ein kritischer Bereich, da Maschinenausfälle und ungeplante Gerätestillstände Hersteller jedes Jahr Millionen von Dollar kosten können.

Auf ML-Algorithmen basierende vorausschauende Wartungssoftware nutzt die von Maschinensensoren gesammelten Daten, um die Leistung rund um die Uhr zu überwachen und technische Fehler vorherzusagen und so unerwartete Ausfälle oder Ausfälle zu vermeiden. Diese Lösungen ermöglichen nachweislich eine Reduzierung der Maschinenstillstandszeiten und der Gesamtwartungskosten um 10 bis 20 %.

Enhanced Vision System-Lösungen umfassen jetzt KI und ML, um ein hohes Maß an Automatisierung und erhöhte Genauigkeit bei der Qualitätskontrolle und -prüfung zu ermöglichen. Die Technologie ermöglicht digitales „Lesen“ in Fertigungsumgebungen und kann den Produktionsprozess unterstützen, indem sie visuelle Aufgaben übernimmt, die traditionell von Menschen erledigt werden – beispielsweise bei der Teileauswahl, der Qualitätssicherung oder der Fehlererkennung. Vision-Systeme können in Kombination mit KI Aufgaben in kürzerer Zeit und mit größerer Genauigkeit erledigen als menschliche Bediener, wodurch häufig Fehler und das Potenzial für kognitive Verzerrungen vermieden werden. Der Nettoeffekt besteht in einer verbesserten Effizienz, höheren Durchsatzraten und geringeren Kosten im Zusammenhang mit nachgelagertem Ausschuss und Nacharbeiten. In einem immer anspruchsvolleren Markt ist es für Fertigungsunternehmen von entscheidender Bedeutung, den vollen Wert von Fertigungsdaten auszuschöpfen. Digitale und technologische Lösungen wie die oben genannten sind von entscheidender Bedeutung, um produzierenden Unternehmen die Möglichkeit zu geben, ihre Leistung zu steigern und gleichzeitig eine maximale Kapitalrendite zu erzielen.