Die Einführung von Industrie 4.0 im Jahr 2011 könnte als notwendige Maßnahme angesehen werden, um eine im Niedergang begriffene Industrie aufzuwecken. In den zehn Jahren vor der Einführung der Industrie 4.0 sank die Produktivität des verarbeitenden Gewerbes weltweit auf 1 %. Um das Wachstum anzukurbeln, dachte eine deutsche Studiengruppe über Geschäftsmodelle nach, die die in den Werkshallen erzeugten Datensätze nutzen.
Diese Datensätze sollten analysiert werden, um Einblicke in den Fertigungsprozess zu gewinnen, wie es sie noch nie zuvor gegeben hatte, aber zunächst musste ein Verfahren zur Erfassung sowohl strukturierter als auch unstrukturierter Daten implementiert werden.
In diesem Beitrag geht es um:
- Der Prozess der Erfassung von Big Data im Industriesektor
- Die Rolle der einheitlichen Architektur und der Vernetzung der Produktionsstätten in der Industrie 4.0
- Die Anwendung von datenanalytischen Technologielösungen zur Unterstützung von Industrie 4.0-Geschäftsmodellen
Definition von Big Data in der Fertigung
Big Data bezieht sich auf die Sammlung großer Datensätze und den Prozess der Analyse der erfassten Daten, um Muster und Trends zu erkennen oder Einblicke in einen Prozess zu gewinnen. Der durchschnittliche Hersteller produziert in jeder Phase des Produktionszyklus große Datensätze. Zu diesen Datensätzen gehören Daten aus der Kundennachfrage, der Lieferkette, den Fertigungsanlagen und den Bedienern.
Die Datensätze können entweder als strukturierte oder unstrukturierte Daten kategorisiert werden. Die Erfassung und Analyse strukturierter Daten ist im Allgemeinen ein unkomplizierter Prozess, da es sich um definierte Daten handelt, die von Geräten erzeugt werden. Unstrukturierte Daten werden aus Prozessen generiert und können umfangreiche Analysetechnologien erfordern, um die Daten zu analysieren.
Die Erfassung von Daten aus dem Fertigungsbereich kann auch mit Schwierigkeiten verbunden sein, z. B. mit der Erfassung von Daten aus alten Anlagen, die noch immer eine wichtige Rolle im Fertigungsbereich spielen. Um Daten von Altanlagen zu erfassen, verbringen Ingenieure etwa 70 % der Zeit damit, Mittel und Wege zu finden, um die von alten Anlagen produzierten Daten zu sammeln. Dabei ist zu beachten, dass alte Anlagen auf analoge Kommunikationssysteme angewiesen sind und nicht über digitale E/A-Module oder Wi-Fi-Fähigkeiten verfügen, die den Prozess der Datenerfassung und -übertragung erleichtern.
Der technologische Fortschritt hat Lösungen für die Herausforderungen der Datenerfassung in der Fertigungsindustrie hervorgebracht. Beispiele hierfür sind der Einsatz von Edge-Computing-Hardware wie Sensoren zur Erfassung von Prozessdaten und die Anbindung von Altanlagen an Mensch-Maschine-Schnittstellen (HMI) oder intelligente Geräte zur Datenerfassung.
Industrie 4.0 will die Automatisierung in die Werkstätten bringen, und dafür müssen die Anlagen in den Werkstätten in der Lage sein, den Datenaustausch von Maschine zu Maschine und von Maschine zu Cloud zu unterstützen. An dieser Stelle muss die Einführung einer einheitlichen Architektur durch die OPC Foundation besonders erwähnt werden. OPC UA bietet Standards, die es Herstellern ermöglichen, sowohl alte als auch moderne Anlagen in einem anlagenweiten Netzwerk zu vereinen. Das Netzwerk unterstützt den Datenaustausch, der die industrielle Automatisierung vorantreibt.
Anwendungsfälle für Big Data in der Fertigung
Big Data unterstützen die Anwendung verschiedener Industrie 4.0-Geschäftsmodelle in der Fertigungsindustrie. Historische Daten aus früheren Kundenbedarfszyklen spielen eine wichtige Rolle bei der Bedarfsprognose und bei der Entwicklung vorausschauender Wartungsstrategien. Big Data und seine Analysen unterstützen auch das maschinelle Sehen beim Einsatz autonomer mobiler Roboter in Industrieanlagen.
Weitere Anwendungsfälle für Big Data in der Industrie 4.0 sind die Optimierung des Lieferkettenmanagements durch die Vorhersage von Lieferfristen und die Entwicklung alternativer Pläne für den Umgang mit einer unterbrochenen Lieferkette. Die Analyse von Big Data ermöglicht es Herstellern, Anomalien zu erkennen, die sich auf die Produktionszyklen auswirken könnten, und die Lebensdauer der im Fertigungsprozess verwendeten Werkzeuge zu optimieren.
Nutzung von Big-Data-Analysen zur Förderung von Industrie 4.0-Initiativen
Die Analyse der großen Datenmengen aus industriellen Prozessen zur Gewinnung von Erkenntnissen erfordert spezielle technologische Werkzeuge. Diese Werkzeuge ermöglichen es, die Punkte zu verbinden und einen Blick in die Zukunft des Betriebs von Fertigungsanlagen zu werfen. Zu diesen Werkzeugen gehören:
Intelligente risikobasierte Simulations- und Planungssoftware
Die Simulationsmodellierung und -planung ist eine leistungsstarke Technologie für die digitale Transformation, die zur Bewertung verschiedener Szenarien eingesetzt werden kann, um Erkenntnisse zu gewinnen. Ein Fertigungsunternehmen, das mit einer steigenden Nachfrage rechnet, kann beispielsweise Fragen beantworten wie: „Wie können wir die Produktionskapazität erhöhen, die Anzahl der benötigten Ressourcen bestimmen und wie sollen diese Ressourcen zugewiesen werden?“
Die risikobasierte Planung ermöglicht es den Herstellern auch, Risiken zu antizipieren und die Erstellung optimierter Pläne, die diese Risikofaktoren berücksichtigen, zu automatisieren. Die Einführung der Automatisierung der Planung bedeutet, dass optimierte Pläne in Echtzeit aktualisiert werden können, um sicherzustellen, dass eine Anlage ihre Produktionsanforderungen erfüllt.
Digitaler Zwilling Software oder Plattform
Der digitale Zwilling ist eine virtuelle Darstellung physischer Gegenstände oder Prozesse. Der digitale Zwilling interagiert mit der physischen Einheit über Sensoren und IoT-Geräte, die den Betrieb der Einheit, in diesem Fall einer Fertigungsanlage, verfolgen. Der digitale Zwilling ist also auf Datensätze aus dem Betrieb angewiesen, um zu funktionieren.
Mit einem digitalen Zwilling können Hersteller Fernüberwachungsstrategien implementieren und die Fähigkeiten einer Produktionsanlage in Echtzeit bewerten, um komplexe betriebliche Probleme zu lösen.
Software für die Bedarfsprognose
Die Fähigkeit, zukünftige Nachfragezyklen vorherzusehen, ist die Grundlage für eine genaue Produktionsplanung. Software für die Nachfrageprognose nutzt historische Daten und Trendanalysen, um Schwankungen in der Kundennachfrage zu ermitteln. Um die Genauigkeit der Prognoseergebnisse zu gewährleisten, müssen auch die für die Analyse verwendeten historischen Datensätze genau sein.
Unternehmenssoftware für die Fertigung oder IIoT-Plattform
Diese technischen Lösungen sind die Werkzeuge, die Hersteller einsetzen, um die Vernetzung von Prozessen in der Fertigung zu unterstützen. IIoT-Plattformen erfassen Fertigungsdaten und unterstützen die Erstellung von Anwendungen zur Analyse der erfassten Daten. Die Anwendungen und Funktionen dieser Unternehmensplattformen ermöglichen es Herstellern, Daten aus der Bestandsverwaltung, der Arbeitsauftragserstellung, der Lieferkette und der Planungssoftware zu erfassen, um jeden Aspekt des Produktionsprozesses zu optimieren.
Schlussfolgerung
Die Bedeutung von Big Data für die Verwirklichung von Industrie 4.0 steht außer Frage. Die Fähigkeit, genaue Datensätze aus dem Betrieb zu erfassen, stellt sicher, dass Industrie 4.0-Lösungen den nötigen Treibstoff haben, um zu funktionieren. Unabhängig davon, ob sich Ihre Industrie 4.0-Strategie auf vorausschauende Wartung oder datengesteuerte Anlagenoptimierung konzentriert, müssen Sie über ein Big-Data-Analysetool verfügen, um die gewünschten Ergebnisse zu erzielen.