IoT-Basics Big Data in der industriellen Anwendung

Big Data sorgt im Unternehmen für eine Fülle nützlicher Erkenntnisse und Insights, auf deren Grundlage sich Prozesse und Produkte optimieren, aber auch ganz neue Business Cases generieren lassen. Der Artikel stellt einige davon vor.

Anbieter zum Thema

MPDV Mikrolab GmbH

Schneider Electric GmbH

TXOne Networks

Viele bestehende Produktionsprozesse sind sehr komplex und werden durch eine Vielzahl verschiedenster Einflussfaktoren mehr oder minder stark beeinflusst. Und nur selten gibt es ein physikalisches Modell, das diese Abhängigkeiten vollständig erklärt und damit die alternative Basis für eine entsprechende Optimierung sein kann.

Big Data bietet statistische Verfahren, mit denen die Stärke der Abhängigkeiten (Korrelationen) von Eingangs- und Ausgangsgrößen bestimmt werden kann. Damit können diejenigen Faktoren identifiziert werden, die den größten Einfluss auf die Produktionsmenge oder -qualität haben. Somit ergibt sich durch den Einsatz von Big Data die Chance, dass die betroffenen Prozesse durch gezielte Manipulation der wichtigsten Einflussfaktoren mit relativ geringem Aufwand stark verbessert werden können. Gleichzeitig werden die untersuchten technischen Prozesse insgesamt transparenter, weil die verschiedenen Einflussfaktoren besser verstanden werden.

Data Science

IoT-Basics: Die Technologie-Basis von Big Data

Ein gern zitiertes Beispiel für diesen Anwendungsfall ist ein Pharmaunternehmen, das durch genau diese Vorgehensweise die Produktion eines Impfstoffes nur durch Optimierung der wenigen als relevant erkannten Faktoren um das Doppelte steigern und so fünf bis zehn Millionen Dollar pro Jahr einsparen konnte. Der Pharmabereich ist darüber hinaus auch ein typisches Beispiel für einen gesetzlich stark regulierten Bereich, in dem große Datenmengen aus Qualitätsnachweis- und Produkthaftungsgründen gesammelt und über lange Zeit archiviert werden müssen.

Mit Big Data könnten aus diesen sowieso anfallenden Daten als willkommener Seiteneffekt zusätzlicher Nutzen generiert und somit zumindest Teile der mit der Regulierung verbundenen Kosten wieder eingespielt werden.

Aufzeichnung des Nutzungsverhaltens verbessert Produkte

In der Vergangenheit galt für viele Branchen: Hat das Produkt einmal die Fabrik verlassen, dann gibt es nur noch sehr wenige Informationen darüber, was mit dem Produkt geschieht und wie es genutzt wird. Dies hat sich mit den neuen smarten Produkten deutlich geändert. Auch bei Produktionsmitteln wie Maschinen und Anlagen setzt sich dieser Trend fort. Viele Maschinenbauer erfassen schon heute an zentraler Stelle laufend Daten ihrer sich weltweit im Einsatz befindenden Maschinen, falls es ihr Kunde denn zulässt.

Die ursprüngliche Idee dahinter ist vor allem die Verbesserung im Service und Qualitätsmanagement. Mit den dabei gesammelten Daten kann darüber hinaus aber auch zusätzliches Wissen über die Nutzung der vorhandenen Maschinenfunktionen gesammelt werden. Mit diesem Wissen kann der Fokus für zukünftige Produkte auf solche Features gesetzt werden, die wirklich verwendet werden; andere, die kaum zum Einsatz kommen, aber vielleicht sehr teuer in Entwicklung und Produktion sind, können zukünftig entfallen oder werden nur den Kunden angeboten, die sie wirklich benötigen.

Datensammeln: Basis für servicebasierte Geschäftsmodelle

Ein deutlich zu beobachtender Trend ist auch der Versuch vieler Maschinenbauer und Gerätehersteller, ihre Marktposition durch neue werthaltige Servicemodelle zu verbessern. Statt ihrer Maschinen oder ihrer Geräte verkaufen sie dem Kunden direkt die mit der Maschine oder dem Gerät erzeugte Leistung als Service; man spricht auch von Machine-as-a-Service. Das eigentliche Produktionsmittel bleibt dabei das Eigentum des Herstellers, der Kunde bezahlt nur für die mit dem bei ihm im Werk befindlichen Produktionsgut hergestellte und tatsächlich verwendete Leistung.

Data Science

IoT-Basics: Big Data zwischen Hype und realem Nutzen

Ein bekanntes Beispiel für solch ein servicebasiertes Geschäftsmodell ist der Roboterhersteller, der dem Automobilhersteller nur noch die gesetzten Schweißpunkte seiner Roboter in Rechnung stellt anstatt ihm den Roboter zu verkaufen. Oder der Kranhersteller, der dem Kunden nur die tatsächlichen Nutzungszeiten des Baukrans in Rechnung stellt.

Um eine faire Nutzung des Produktionsmittels und gleichzeitig auch die geforderte Verfügbarkeit sicherzustellen, braucht der Hersteller genaue Informationen über die Nutzung seiner Maschine. Big Data und IoT-Plattformen helfen beim Sammeln und Auswerten dieser Daten und ermöglichen gleichzeitig die Optimierung von Verfügbarkeit und Produktionsausstoß der Maschine – und dies über alle Maschinen einer Serie hinweg. Diese Verbesserungen kommen dann direkt dem Hersteller selbst zugute, da er die an den Kunden zu liefernde Leistung günstiger erstellen kann und damit profitabler oder wettbewerbsfähiger wird.

Big Data kann Lieferketten stabilisieren

Die enge Verzahnung von Lieferketten über Unternehmen hinweg schreitet immer stärker voran – mit entsprechend dramatischen Folgen wie Produktionsstillstände, falls es in den Lieferketten zu Störungen kommt. Die Wechselwirkungen der möglichen Störungsursachen können dabei so komplex sein, dass Ursache und Wirkung nicht mehr mit herkömmlichen Mitteln reproduzierbar sind und eine situationsgerechte Reaktion deshalb sehr schwierig ist.

Big Data kann hier auch die logistischen Prozesse unterstützen. Zum Beispiel können aus bereits bekannten Problemfällen potenzielle Störfaktoren identifiziert und beseitigt werden. Zum anderen können damit auch Algorithmen trainiert werden, die helfen, mit zukünftigen Problemen effizienter und in Echtzeit umzugehen. Logistikprozesse können durch die Verknüpfung verschiedenster Eingangsinformationen effizienter geplant und kurzfristig an sich verändernde Situationen angepasst werden, um Störungen in der Lieferkette von vorneherein zu vermeiden.

scoutbee

Mit Künstlicher Intelligenz auf Lieferantensuche

Smarte Apps ersetzen den Experten vor Ort

Die Produktionstechnik hat ein Nachwuchsproblem. Viele Fertigungsspezialisten werden ihre Berufslaufbahn demnächst beenden, ohne dass entsprechend ausgebildete Nachfolger bereitstehen. Dieses auf jahrelanger Erfahrung basierende Wissen ist oft auch durch die Experten selbst nur schwer beschreibbar und wird daher oft einem ominösen Bauchgefühl zugeschrieben, das sich aus der eher intuitiven Verarbeitung vieler Sinneseindrücke ergibt. Zum Beispiel hört ein erfahrener Maschinenführer, wenn der Verarbeitungsprozess auf seiner Maschine nicht optimal läuft, und er kann aus den Geräuschen auch relativ zielsicher auf die möglichen Problemursachen schließen.

Es gibt bereits erste Anbieter, die solches Anwendungswissen über einfache Smartphone-Apps bereitstellen. Das Smartphone dient dabei als universeller Sensor, der Informationen per Audio, Video und Benutzereingaben erfasst und an ein zentrales Analysesystem liefert. Beim Einsatz in Expertenhand hilft die App mit, das vorhandene Expertenwissen zu sammeln und der zentralen Datenbasis hinzuzufügen. Dem unerfahrenen Bediener stellt die gleiche App Unterstützung für die gemeldete Problemsituation bereit. Je länger die App im Einsatz ist und je mehr Daten gesammelt und miteinander verknüpft werden, umso breiter ist die Datenbasis und umso besser wird die Hilfe. Gerade Herstellern von Serienmaschinen kann eine solche App helfen, das Wissen einzelner Anwender für einen breiteren Nutzerkreis zur Verfügung zu stellen.

IoT-Basics

Was ist Big Data? Definition, Bedeutung und Architektur

Mit Predictive Analytics vorausschauend warten

Bei der vorausschauenden Wartung sollen im Gegensatz zur vorbeugenden Wartung die Wartungsmaßnahmen an Produktionsmitteln nicht nach festen Nutzungsintervallen durchgeführt werden, sondern entsprechend ihres tatsächlichen Zustandes und ihrer tatsächlichen Beanspruchung. Damit können Wartungskosten und Stillstandszeiten vor allem bei hochwertigen Investitionsgütern nochmals deutlich reduziert werden. In der Zustandsüberwachung (engl.: Condition Monitoring) werden zum Beispiel seit vielen Jahren Vibrationen gemessen, um Lagerschäden bei rotierenden Bewegungen frühzeitig zu erkennen.

Durch den Einsatz von Data Analytics kommen nun neue Instrumente für Condition Monitoring hinzu. Dabei können jegliche Daten als Eingangsgrößen herangezogen werden, die einen Einfluss auf den überwachten Prozess haben könnten. Manchmal erfordert dies die Installation zusätzlicher Sensoren. Im Idealfall kann aber die Installation zusätzlicher und teurer und selbst wartungsanfälliger Sensorik vermieden werden, solange bereits sekundäre Messgrößen vorhanden sind, aus denen das Verhalten der benötigten Messgrößen abgeleitet werden kann.

Assistenzsysteme erleichtern die Produktion

Die Assistenzsysteme für Produktion und Wartung werden durch den Einsatz von Big Data immer intelligenter und können den Mitarbeiter bei Problemen immer besser unterstützen. Ein System wie Watson von IBM ist nicht nur in der Lage, in einer populären US-amerikanischen Quiz-Show wie Jeopardy zu brillieren und dort menschliche Experten klar auszustechen, sondern wird nun auch auf praktische Anwendungsfelder wie zum Beispiel das komplette Servicewissen eines Maschinenbauers trainiert.

Dazu liest das System sämtliche vorhandenen Informationen aus technischen Handbüchern, Schicht- und Wartungsbüchern, den aktuellen Prozessdaten und anderen Informationsquellen ein und bietet logische Folgerungen aus diesem Wissen dem Maschinenbediener oder Servicetechniker über ein Spracherkennungssystem auf dessen Fragen direkt an. Wie gut das in der Realität schon funktioniert, kann der Autor nicht beurteilen, aber die gezeigten Demos sind verblüffend.

Markteinblick

21 Predictive Maintenance Start-ups und Spezialisten

Sicherheitsrisiken mit Big Data erkennen

Datenschutz und Cyber Security gelten als die größten Herausforderungen bei der Umsetzung der Vision von Industrie 4.0. Durch die weitgreifende Vernetzung potenzieren sich die möglichen Angriffsflächen für Attacken von außen und innen. Auch Big Data selbst erhöht durch das massive Sammeln von Daten an zentraler Stelle die Gefahr, dass Angreifer Erkenntnisse über geheime Produktionsverfahren sammeln und diese für sich selbst oder bezahlende Auftraggeber nutzen. Big Data bietet im Gegenzug aber auch neue Ansätze, diese Herausforderungen zu meistern. So können durch umfangreiche Analysen des kompletten Datenstroms im Netzwerk in Echtzeit ungewöhnliche Vorgänge erkannt werden, die von den normalen Mustern abweichen, und automatisch geeignete Gegenmaßnahmen eingeleitet werden.

(ID:45181761)