Big Data in der intelligenten Betriebsführung und Smart Industry

Das neue schwarze Gold: Das ist der Name, der auf Big Data zurückgeführt wird, die auf dem riesigen Potenzial und den Vorteilen basieren, die es einem Unternehmen bringt. Und Big Data ist auch der Lebensnerv der intelligenten Fertigung, Logistik und Smart Industry. Datengesteuerte Lösungen expandieren in Unternehmen und sind entscheidend für digitale Transformationsinitiativen und Automatisierung unter Verwendung von Industrie 4.0 Prinzipien und Technologien.

Big Data bietet vielfältige Möglichkeiten - von tieferen Einblicken, Rückverfolgbarkeit und digitalen Produktgeburten bis hin zu intelligentem Betriebsmanagement in Fertigung und Logistik. Um jedoch den maximalen Wert aus großen Datenmengen zu ziehen, müssen sich Unternehmen auf vier wichtige Bereiche konzentrieren.

Die digitale Transformation eröffnete ein Universum von Möglichkeiten für intelligente Industrien. Im Mittelpunkt der aktuellen digitalen und industriellen Revolution stehen Daten, auf die Unternehmen heute in Bezug auf Inhalt, Umfang und Geschwindigkeit der Erhebung, Verarbeitung und Analyse beispiellosen Zugriff haben.

Die Möglichkeiten und Vorteile der Datenanalyse sind so bedeutsam, dass Unternehmen begonnen haben, datengesteuerte Lösungen zu integrieren und datenorientierte Geschäftsmodelle zu überprüfen. Und Daten spielen im Rahmen der intelligenten Fertigung und Logistik (Supply Chain Management) eine ebenso wichtige Rolle.

Laut einer Studie von Market Research Future (MRFR) sollte der globale Datenanalysemarkt zwischen 2017-2023 um 30% wachsen. Der Markt für das Internet der Dinge (IdD) wird eine parallele Wanderung durchlaufen, die die Möglichkeiten der Datenerfassung sowie die Erschwinglichkeit und Zugänglichkeit einer Vielzahl von (intelligenten) Sensoren multipliziert.

Das Marktforschungsunternehmen IDC erwartet, dass 80% der großen Hersteller bis 2020 IdD und Datenanalyse in ihre Prozesse implementieren werden. Das Tempo der Einführung beider Technologien bestätigt die Vorteile, die sie für Industrieunternehmen bieten.

                                                                     (Quelle: Statista)

Die Senkung der Betriebskosten, die Verbesserung der Servicequalität für den Endverbraucher oder die Erstellung von Simulationen und Prognosen aus historischen Daten zur Optimierung etablierter Prozesse und zur Beschleunigung komplexer Entscheidungen gehören zu den am häufigsten genannten Gründen für die Implementierung und Integration von datengesteuerten Lösungen in Unternehmen. Daten können notwendige Erkenntnisse liefern und den etablierten Prozessen einen weiteren Mehrwert verleihen.

Das Industrielle Internet der Dinge (IIdD) und Big Data sind integraler Bestandteil intelligenter Industrie- und Smart Industry-Lösungen, da sie die Optimierung und Automatisierung von Prozessen in der Fertigung und im Materialfluss ermöglichen. Sie ermöglichen auch schnellere Entscheidungsfindung und Problemlösung auf allen Managementebenen durch weit verbreitete Datendemokratisierung und Echtzeit-Datenanalyse, die eine qualitativ hochwertige Berichterstattung und Vorhersagemöglichkeiten bieten.

Cyberphysikalische Systeme stellen die nächste Generation von Smart Industry Systemen (oder Manufacturing Execution Systems (MES)/Manufacturing Operations Management (MOM) Systemen) dar. Diese bestehen aus integrierten computergestützten und physischen Elementen, die eine Flut von Produktions- (oder Logistik-)Daten erzeugen, die eine komplexe IT-Infrastruktur sammeln, verarbeiten, analysieren und speichern muss.

Darüber hinaus bietet die Datenerhebung und ihre Analyse einen Einstiegspunkt in die digitale Transformation, der eine horizontale und vertikale Integration der Wertschöpfungsketten in produzierenden Unternehmen und Lieferketten (Logistik) ermöglicht.

                                                                          (Quelle: IDC)

Wenn ein Unternehmen von seinen Daten profitieren möchte, sollte es sich auf vier wichtige Bereiche konzentrieren:

• Datenmanagement
• Datenanalyse
• Datenvisualisierung
• Datensicherheit

Datenmanagement in der intelligenten Fertigung und Smart Logistics

Grundvoraussetzung für eine funktionale und erfolgreiche Digitalisierung ist ein korrektes Datenmanagement, das in der Regel aus folgendem besteht:

a)       Datenintegration,

b)      Datenkontextualisierung und

c)       Daten-Semantiisierung.

Datenintegration

Durch den dramatischen Anstieg der installierten Sensoren steigt das generierte Datenvolumen jedes Jahr um ein Vielfaches über alle Branchen hinweg. Das Ergebnis ist ein enormer Anstieg der gesammelten Daten.

Allerdings verfügen die Daten aus Fertigung und Logistik (Supply Chain) über eine Vielzahl von Datenquellen, allen voran die unterschiedlichen IT-Systeme enterprise´s (MES/MOM-Systeme, WMS, MRP, ERP, APS, SCADA u.a.).

Parallel zu der wachsenden Menge und Art der an das Unternehmen Internet der Dinge (IdD) Netzwerk angeschlossenen Maschinen und Anlagen steht die zunehmende Vielfalt und Formatinkompatibilität der erhobenen Daten. Die Daten können heterogen sein - sowohl in Formaten wie Texten, Notizen, Berichten oder Aufzeichnungen, die von Bedienern oder anderen Mitarbeitern in der Fertigung erstellt wurden - als auch in der Struktur.

Smart Industry Systeme müssen daher in der Lage sein, strukturierte und unstrukturierte Daten gleichermaßen zu verarbeiten und gleichzeitig fehlende Daten zu verarbeiten. Daher ist die Datenintegration ein Schlüsselverfahren in der Datenverarbeitung, das durchgeführt werden muss, um brauchbare Informationen zu gewinnen.

Die Datenintegration reduziert die Heterogenität (in Form und Struktur) der erfassten und gespeicherten Daten. Gleichzeitig gewährleisten Smart Industry-Systeme eine Datenzentralisierung, die es ermöglicht, die Daten für die weitere Verarbeitung und den Betrieb zu standardisieren.

Datenkontextualisierung

Um die gesammelten und verarbeiteten Daten angemessen in Entscheidungs- und Problemlösungsprozesse von Mitarbeitern oder Algorithmen einzubinden, benötigen standardisierte Daten einen Kontext. Daher muss der Prozess der Datenkontextualisierung folgen.

Die präsentierten Informationen sollen den Mitarbeitern oder Smart Industry Systemen helfen, eine bestimmte Situation (Positionierung von Material oder Maschinen, zeitliche Abfolge im Betrieb, mögliche Auswirkungen auf Produktionspläne usw.) zu erkennen, die eingetreten ist oder sein könnte. Basierend auf diesen Informationen kann ein Mitarbeiter oder ein System seine Reaktion auf die jeweilige Situation anpassen.

Ein weiteres Beispiel für die Datenkontextualisierung ist die Erstellung einer digitalen Geburtsurkunde für ein Produkt.

Zeitgemäße Smart Industry Systeme sind mit der Funktionalität der Rückverfolgbarkeit (traceability) ausgestattet. Die Rückverfolgbarkeit ist ein wesentlicher Bestandteil der Informationstransparenz, die ein Gestaltungsprinzip von Industrie 4.0 ist. Die Rückverfolgbarkeit ermöglicht es Unternehmen, die gesamte Fertigungshistorie eines bestimmten Produkts zu verfolgen und alle Materialbewegungen entlang der Lieferkette (Logistikwege) zu verfolgen.

                                                                       (Quelle: Statista)

Eine digitale Geburtsurkunde enthält genaue Informationen darüber, wo, wann, wie, von wem und unter welchen Bedingungen (Werkzeuge, Betriebsverfahren, physikalische Werte usw.) ein bestimmtes Produkt hergestellt (oder transportiert, im Falle von Logistik und Supply Chain Management) wurde.

Anhand eines Satzes von kontextualisierten Daten kann ein Smart Industry System Muster, Korrelationen und Tendenzen bei Materialien und dem Fertigungsfluss in Bezug auf ein Produkt (oder eine ganze Charge) oder Fertigungs- oder Logistikmaschinen (z.B. die Wechselbeziehung zwischen Qualitätsminderungen und dem Zeitpunkt der Gerätewartung) aufdecken.

Daten-Semantiisierung

Kontextualisierte Daten ermöglichen es Unternehmen, Informationen zu gewinnen, die bei korrekter Verarbeitung durch semantische Modelle weiteres Wissen generieren können. Smart Industry Systeme verwenden semantische Modelle, um autonome und autonome Planung und Produktion sowie Material- und Personalmanagement, einschließlich Manufacturing Asset Management, durchzuführen. Darüber hinaus erlaubt die Anwendung semantischer Modelle auf kontextualisierte Daten die Identifizierung von relevantem Wissen und Regeln für komplexe Prozesse.

Daten in der Fertigungslogistik - Milk Run 4.0

Betrachten wir zum Datenmanagementprozess ein Beispiel für die autonome Synchronisation von Produktionsfluss und interner Logistik (Bestands- und Lagerverwaltung entlang der Intralogistik).

Um eine voll funktionsfähige Lösung mit autonomer Integration von Fertigung und innerbetrieblicher Logistik zur Steigerung der Produktivität, Produktionsqualität und Agilität zu etablieren, implementierte ANASOFT seine Smart Industry Lösung EMANS in einem Automobilwerk.

Der erste Schritt war die Erhebung von Daten aus den Maschinen und Anlagen der Fertigung und (Intra-)Logistik. Damit hatten die Mitarbeiter sofortigen Zugriff auf präzise und aktuelle Informationen über den Lagerbestand in Kompaktlager, Zentrallager und Arbeitsplätze (Produktionslinien) in Echtzeit. Alle Material- und Halbzeugtransfers zwischen den Arbeitsplätzen (Produktionslinien) wurden detailliert erfasst. Smart Industry Systemprozesse kontrollierten sie für andere erforderliche Operationen im Fertigungsfluss.

Basierend auf der Integration von Daten aus den Bereichen Fertigungsmaschinen und Intralogistik konnte eine präzise virtuelle Kopie der Materialflüsse - ein sogenannter digitaler Zwilling - der Fertigungsprozesse des Werkes erstellt werden.

Die Verarbeitung integrierter und kontextualisierter Daten mittels semantischer Modelle ermöglicht es dem Smart Industry System EMANS, Fertigungsprozesse zu optimieren und Materialien, Maschinen und Personal in der Fertigung effektiv zu verwalten.

Die korrekt konfigurierte Datenerfassung und -verarbeitung ermöglicht es EMANS, Produktions- und Logistikgeräte autonom, kontinuierlich und nahtlos zu synchronisieren. So kann die Fabrik ihren Produktionsplan einhalten, da sie die Materialtransportbedürfnisse, die in ihren Fertigungsprozessen durch ein intelligentes Betriebsmanagementsystem sichergestellt werden, präzise und termingerecht erfüllt.

Durch die Nutzung der Datenwerte konnte das Unternehmen die Intralogistik mit Gabelstaplern mit der agileren Form von Milk Run 4.0 (oder Dynamic Milk Run) aufrüsten.

Das Ergebnis für das Tier-1-Unternehmen in der Automobilindustrie war eine flexible Fertigungsplanung und präzise Überwachung der Produktionslinien sowie eine Steigerung der gesamten Produktionsleistung um 23%, eine Reduzierung der Stillstandszeiten der Fahrzeuge um 30% und eine Minimierung der Stillstandszeiten an den Produktionslinien aufgrund von Materialmangel.

Daten können Unternehmen, die nicht nur auf Big Data Analytik basieren, durch die Demokratisierung von Daten für alle Managementebenen intelligenter machen.

Dies beschleunigt Entscheidungsprozesse und liefert tiefere Einblicke sowie Simulationen und prädiktive Modellierung und überbrückt gleichzeitig den Shopfloor und das Topfloor. Als Smart Industry´s  Lebenselixier bieten Daten auch Wert in Herstellungs- und Lieferkettenprozessen, die für ein intelligentes Betriebsmanagement und innovative Lösungen zur weiteren Steigerung der Gesamtleistung von Unternehmen entscheidend sind.