Suchen

Data Analytics 4 Vorteile durch den richtigen Einsatz von Big Data in der Industrie

| Autor / Redakteur: Andrew McCloskey* / Sebastian Human

Big Data gilt für viele Unternehmen als der heilige Gral der Optimierung. In den meisten Szenarien ist die Menge der Daten jedoch zu groß, um von Industrieunternehmen überhaupt sinnvoll genutzt werden zu können. Mithilfe der folgenden Schritte lässt sich die Datenflut bändigen.

Firma zum Thema

Big Data unterstützt dabei, alle relevanten Echtzeitdaten zu sammeln und auszuwerten.
Big Data unterstützt dabei, alle relevanten Echtzeitdaten zu sammeln und auszuwerten.
(Bild: AVEVA)

Viele Unternehmen wollen Industriedaten nutzen, um ihre Abläufe zu verbessern und intelligentere Entscheidungen zu treffen. Die Frage ist nur, wo soll man anfangen?
Durch die Zusammenführung bisher unzugänglicher Datenströme, die Verbesserung der Live-Sichtbarkeit und der Analyse von Betriebsabläufe können verwertbare Erkenntnisse gewonnen und mit Ihnen die Unternehmensleistung verbessert werden.

Für diese Optimierungen sind folgende Maßnahmen notwendig:

  • Reduzierung ungeplanter Ausfallzeiten
  • Verbesserung der Compliance und Sicherheit
  • Integration der Lieferkette in die Betriebsabläufe des Kunden
  • Optimierung der Wartungsstrategien
  • Verbesserung des Situationsbewusstseins
  • Reduzierung von Abfallprodukten
  • Erhöhung der Gesamteffektivität der Anlage

Um diese positiven Effekte zu erreichen, ist es wichtig, einen kontinuierlichen Strom von Prozess- und Produktionsdaten zu schaffen. Diese Daten werden mit akkuraten historischen Betriebsinformationen integriert und dann zu neuen Erkenntnissen über das gesamte Unternehmen zusammengeführt.

Daten entwirren, neue Einblicke gewinnen

Neuste Technologien können mit dem internen Fachwissen des Unternehmens verbunden werden, was die Kontextualisierung alter und neuer Daten ermöglicht. Das Unternehmen kann dann mögliche Schwachstellen beheben und so, mit der Zeit, den Kreis zur fortlaufenden Prozessoptimierung schließen.
Durch den Einsatz von Datenmanagementsoftware können Daten von Steuerungs-, Überwachungs- und Geschäftssystemen konsolidiert und Entscheidungsgrundlagen aufgrund von hochauflösenden Echtzeitdaten verbessert werden.

Erfassen, visualisieren und analysieren

Je schneller das Team Daten erfassen, visualisieren und analysieren kann, desto schneller ist es in der Lage, Maßnahmen zu ergreifen. Das übergeordnete taktische Ziel besteht darin, einen operativen Echtzeit-Kontrollzyklus zu schaffen – einen Regelkreis, der das Unternehmen auf der Grundlage von Informationen und Analysen präzise und effizient verwaltet:

  • 1. Operative Echtzeit-Informationen helfen zu verstehen, was in der Anlage geschieht und ermöglichen das Condition Management von Anlagen- und Betriebslebenszyklen zu ermöglichen. Beispielsweise bietet ein Dashboard, das die Schwingungsfrequenz einer rotierenden Anlage, wie einer Turbine, während des Betriebs anzeigt, ein besseres Verständnis des Betriebsprozesses und des Betriebszustands der Anlage in Echtzeit.
  • 2. Akkurate Verlaufsdaten veranschaulichen, was in der Vergangenheit geschehen ist. So können Erkenntnisse über das operative Verhalten von Anlagen gewonnen werden. Durch operative Trends, die Anzeige von KPIs und Dashboards können abstrakte Ansichten von Betriebszuständen erstellt werden. Unter anderem könnte in Diagrammen die vergangene Schwingungsfrequenz der Turbine während des Betriebs dargestellt werden. Dies kann mit der Echtzeit-Schwingungsfrequenz verglichen werden, wodurch Informationen über die langfristigen Betriebstrends der Anlage geschaffen werden.

Predictive Analytics werden für die Was-wäre-wenn-Modellierung verwendet.
Predictive Analytics werden für die Was-wäre-wenn-Modellierung verwendet.
(Bild: AVEVA)

  • 1. Predictive Analytics werden für die Was-wäre-wenn-Modellierung verwendet. Durch die Integration von Echtzeit- und Verlaufsdaten kann man potenzielle Ergebnisse von Betriebszuständen und Verhaltensweisen bewerten und sogar tertiäre Variablen berücksichtigen. Deterministische oder nicht-deterministische Modelle können dann für Open-Loop-Simulationen und prädiktive Analysen verwendet werden.
  • 2. Prescriptive Analytics optimieren Lebenszyklen von Anlagen und Prozessen zu optimieren. Szenarienbasierte Leitfäden werden durch Lernbausteine und Closed-Loop-Algorithmen erstellt und bereitgestellt. So kann die Planung und Terminierung über die gesamte Wertschöpfungskette des Unternehmens erfolgen. Mit einem einheitlichen Supply-Chain-Modell können beispielsweise szenariobasierte Berechnungen zur Optimierung von Wartungsplänen und -leistung verwendet werden, um die Auswirkungen auf den Betrieb zu minimieren.

Andrew-McCloskey, CTO AVEVA, vor dem Unified Operations Monitor in der Firmenzentrale in London.
Andrew-McCloskey, CTO AVEVA, vor dem Unified Operations Monitor in der Firmenzentrale in London.
(Bild: AVEVA)

Der Einsatz von Big Data wird zu einem entscheidenden Faktor, um die Leistungsfähigkeit von Unternehmen zu steigern – egal ob es sich um einen Marktneuling oder etablierten Wettbewerber handelt. Laut McKinsey & Company können Technologien wie intelligentes Datenmanagement, Cloud, Advanced Analytics und digitale Zwillinge als Teil einer digitalen Unternehmensstrategie eine Rolle bei der Verbesserung der operativen Margen um bis zu 20 Prozent spielen.

Das Verständnis und die Nutzung der Vorteile von Big Data ist Teil einer kontinuierlichen Prozessoptimierung. Dies geschieht nicht auf einmal, sondern gewinnt im Laufe der Zeit an Dynamik. Menschen, Prozesse und Assets werden digital miteinander verschmolzen, um die Lücke zwischen Betriebs- und Informationstechnologie zu schließen.

* Andrew McCloskey arbeitet als CTO bei AVEVA. Er leitet die Technologie und die Produktentwicklung mit einem Portfolio von mehr als 75 Produkten für die industrielle Automatisierung und Technik und einem globalen R&D-Team von mehr als 1.700 Ingenieuren und Informatikern.

(ID:46645774)