Zukunft Industrien

Performance unchained – Produktionsoptimierung durch die richtigen Entscheidungen zur richtigen Zeit

In Zeiten der Digitalisierung und der Industrie 4.0 stehen eine flexiblere Produktion und individualisierte Produkte sowie eine stärkere Integration von Kunden und Zulieferern im Mittelpunkt. Die zunehmende Vernetzung der Produktion, Digitalisierung der Arbeitsschritte, die Schaffung digitaler Abbilder (Digital Twin von Produktionsanlagen, Produkten und Prozessen), sowie zunehmende Sensorik, Automation und Integration entlang der Wertschöpfungskette schaffen die Grundlage zur Erneuerung der Geschäftsprozesse.

In den letzten Jahren wurden die Themen und Ansätze im Bereich Industrie 4.0 und Industrial Internet of Things deutlich konkretisiert. Viele Pilotierungen zur Sammlung und Auswertung von operativen und heterogenen Produktionsdaten wurden gestartet und häufig mit positiven Erkenntnissen für einen singulären Fachbereich abgeschlossen. Dennoch zeigt sich, dass viele solcher Anwendungsszenarien den Innovationstrichter nicht vollständig durchlaufen und zu einer produktiven und skalierbaren Umsetzung im Unternehmen finden.

Um das große Potential der Vernetzung und Datenanalysen im Produktionskontext allumfänglicher erkunden zu könnten, ist es notwendig, den Fokus nicht auf einzelne Produktionsschritte zu lenken, sondern den größeren Kontext und die Abhängigkeiten z.B. zwischen der Produktqualität, der Leistungsfähigkeit der Fertigung und der Anlagenverfügbarkeit zu betrachten. Erst daraus kann sich ein Verständnis über das Potential der Produktionsoptimierung ableiten lassen.

Nutzen Sie die Leistungsfähigkeit bis zum Potential aus

Erst durch den vollumfänglichen Einblick in die Fertigung lassen sich Produktionsabläufe gesamtheitlich optimieren. Die zentrale Fragestellung für fertigende Unternehmen lautet: Wie kann der Durchsatz mit den geforderten Qualitätsanforderungen und mit weniger Kosten und Ressourcen erhöht werden? Entsprechende Key Performance Indicators (KPIs) wie die Gesamtanlageneffektivität (engl. OEE) bilden die aktuellen Fähigkeiten einer Anlage, Linie oder eines Werkes zur Erbringung des anvisierten Durchsatzes ab.

Produktionsoptimierung-OEE

Zur Maximierung der OEE gilt es potentielle Ineffizienzen in der Produktion zu beobachten, um Schwachstellen zu identifizieren und abstellen zu können. Zu den hauptsächlichen Indikatoren gelten die Verfügbarkeit der Produktionsmittel, die Produktqualität sowie die Performance der Produktionsprozesse.

Maximieren Sie den Wert Ihrer Daten aus der Produktion

Es gilt also feingranulare Daten zu sammeln. Dabei gilt: Je feingranularer, desto aufschlussreicher, um auf Werkzeug-, Komponenten- oder Modul-Ebene bereits Erkenntnisse über mögliche Ineffizienzen (Verfügbarkeit, Qualität, Performance) ziehen zu können. Diese Erkenntnisse lassen sich dann auf höhere Ebenen (Station, Linie, Werk, Unternehmen) zusammenfassen. Dies ermöglicht das rechtzeitige und zielgerechte Eingreifen.

Produktionsoptimierung

Um die Effektivität einer Produktion kontinuierlich transparent machen zu können und daraus mit Hilfe erweiterter Datenanalyse-Methoden Empfehlungen und Entscheidungen ableiten zu können, sehen wir nach Etablierung der Konnektivität die folgenden drei Schritte:

1) Gesamtheitlicher Überblick über Produktivitätskennzahlen

2) Entdeckung und Ermittlung des Einflusses von sub-optimal operierenden Ressourcen

3) Vermeidung von Ineffizienzen durch rechtzeitige Handlungsempfehlungen

Spüren Sie punktuelle Leistungsverluste, Ineffizienzen und Ausschuss im Prozess auf

Für den ersten Schritt werden die Produktions-, Qualitäts- und Prozessdaten von Werkzeugen, Komponenten, Maschinen und Anlagen gesammelt und integriert. Ein standardisiertes Industriedatenmodell, z.B. basierend auf ISA-88 für die Prozessindustrie bzw. ISA-95 für die diskrete Fertigung erfasst die Produktionsmittel sowie deren Zusammenhang bzgl. der Produktionsplanung und -abläufe.

Die Vereinheitlichung, Integration und Harmonisierung der heterogenen Daten aus verschiedenen IT und OT Systemen dient der Transparenz auf allen Ebenen: Auswertungen zur Ermittlung des aktuellen Zustands sowie der Vergleich von Soll- und Ist-Werten zur Berechnung von KPIs werden möglich. Anlagenbediener und Produktionsmanager erhalten somit einen aktuellen Überblick über Effektivität und Effizienz im Prozess.

Aus den Erkenntnissen aus Datenanalysen werden konkrete Handlungsempfehlungen abgeleitet

Im zweiten Schritt werden auf Basis von historischen Daten Schwachstellen und Verluste im Produktionsprozess sichtbar gemacht. Die Abnahme der Gesamtanlageneffektivität OEE wird vordringlich durch

  • erhöhten Ausschuss (abnehmende Produktqualität),
  • abnehmende Performanz (z.B. Abweichung von Zyklen- und Taktzeiten) und
  • sinkende Anlagenverfügbarkeit (Wartungs- und Instandhaltungsmaßnahmen, Ausfälle) verursacht.

Hierzu kommen vorausschauende Analysen zur Vorhersage von allgemeinen Abweichungen und Anomalien im Produktionsprozess und Qualitätsmängeln, aber auch von nötigen Instandhaltungsmaßnahmen zum Einsatz. Die holistische Sichtweise auf die Daten im Kontext der Produktion erlaubt auch die Erfassung des Kontexts. Häufig haben Erkenntnisse über die Veränderung der analysierten Produktqualität Einfluss auf die Instandhaltung und umgekehrt. Daher ist es bei der Produktionsoptimierung notwendig, den gesamten Kontext der Daten und Prozesse zu betrachten.

Nutzen Sie das Fachwissen Ihrer erfahrensten Bediener

Im dritten Schritt werden die Erkenntnisse aus Analysen verwendet, um mit Hilfe der Vorhersagen und mathematischer Optimierung konkrete Handlungsempfehlungen abzuleiten.

Optimale Werte für beeinflussbare Parameter in der Produktion (z.B. Vorlauftemperatur, Drehgeschwindigkeit usw.) werden aufgrund historischer Daten automatisch berechnet und vorgeschlagen, um auf die aktuelle Umgebung (wie Wetter, Materialqualität) angepasst reagieren zu können. Anlagenbediener profitieren damit vom Wissen der erfahrensten Kollegen und können optimale Einstellungen mit Hilfe künstlicher Intelligenz anwenden.

Produktionsoptimierung-Dashboard

Ziel dieser Optimierung für ein produzierendes Unternehmen ist es, z.B. Ressourcen wie Energie einzusparen und gleichzeitig einen hohen Durchsatz zu erzielen. Gerade hier ergeben sich große Vorteile durch die gesamtheitliche Betrachtung: Die Optimierung einer Zielgröße steht meist im direkten Zusammenhang mit den anderen.

IBM Maximo Production Optimization

IBM Maximo Production Optimization ist eine Watson IoT Industrielösung für die Produktion in der Prozess- und diskreten Fertigungsindustrie zur Optimierung der Gesamtanlageneffektivität OEE. Diese Lösung integriert die Produktionsdaten mit Hilfe der Watson IoT Platform sowie Standard-Industriedatenmodellen auf Basis Graph-basierter Datenbanktechnologie und verwendet vorgefertigte Vorhersagemodelle für verschiedene Anwendungsfälle, um Probleme bei Anlagen, Prozessen und Produktivität aufdecken und vermeiden zu können.

Hier finden Sie Fallstudien von Sandvik, Oncor, der US Army und KONE.

Besuchen Sie uns in Halle 7, Stand C16 auf der Hannover Messe und erfahren Sie aus erster Hand, wie Sie Industrial Intelligence für Ihr Unternehmen nutzen können.

Add Comment
No Comments

Leave a Reply

Your email address will not be published.Required fields are marked *

More Zukunft Industrien Stories

Wieso CeBIT? Weil es großartig ist…

In den Wochen vor Beginn der CeBIT werden wir häufig nach den Schwerpunkten und Highlights der Veranstaltung gefragt. Wenn wir dann mit dem Gesprächspartner tiefer einsteigen (was ich hier auch gleich gern noch mache), kommt nahezu zwangsläufig irgendwann die Frage, warum es denn eigentlich noch Messen gibt in Zeiten des Internets – und nun kommen […]

Das A und O für AI ist IA: Artificial Intelligence baut auf Informationsarchitektur

Henry Ford fuhr in den 1890er Jahren das erste Automobil durch die Straßen von Detroit. Es vergingen jedoch weitere 30 Jahre, bis sein Unternehmen die Produktion rationalisierte und Autos für den Massenmarkt liefern konnte. Die naheliegende Erkenntnis: Manchmal hat Technik eine lange Tragezeit, bevor wir sie in großem Stil nutzen können. Allerdings gibt es noch […]

Der Lieferketten-Prozessoptimierer

Bereits seit Jahrzehnten arbeitet IBM eng mit zahlreichen Lieferanten und Zulieferern zusammen, die alle dafür sorgen, dass der neueste IBM-Server der Marke IBM Systems Z rechtzeitig beim Kunden landet oder eine Terminbestellung pünktlich im neu gegründeten Rechenzentrum angeliefert wird. Auf Basis dieser vielfältigen Erfahrungen, die mit den dazu gehörigen Lieferprozessen einhergehen, haben wir ein Watson-basiertes […]