Warum ist das so? Ein Grund ist vermutlich, dass viele Verantwortliche nicht ahnen, welche Möglichkeiten Industrie 4.0 ihrem Unternehmen bietet. Dabei gehören Maschinendaten zu den wertvollsten Ressourcen eines Unternehmens – wenn sie genutzt werden: zum Beispiel um Ausfallzeiten zu reduzieren, die Produktion effektiver zu gestalten oder Wartungsintervalle zu optimieren. Ein weiterer Grund für Vorbehalte ist wohl die unüberschaubare Datenflut: Nur wer weiß, welche Daten überhaupt wichtig sind, kann sie extrahieren, analysieren und verwerten. Deshalb hat connyun Industrie 4.0 von Kundenseite aus gedacht – und für Unternehmen einfacher und schneller zugänglich gemacht. Basis dafür ist die Data Science Beratung.

Das connyun Data Science Team berät Unternehmen aktiv und zeigt auf, welche Chancen sich im Umgang mit Daten bieten. Im ersten Schritt geht es den Data Science Experten darum, Vorurteile aufzulösen und für Transparenz zu sorgen. Im zweiten Schritt werden die Möglichkeiten der Zusammenarbeit konkretisiert. Die Größenordnung eines Data-Science-Projekts spielt dabei keine Rolle, denn selbst in kleinsten Datenpaketen verbergen sich wertvolle Informationen. Im dritten Schritt wird geklärt, auf welche Art Daten ausgetauscht werden und welche Ergebnisse aus den zwei bis sechs Wochen Datenanalyse zu erwarten sind. Diese ersten Einblicke sind häufig der Start für eine tiefergehende Untersuchung und Auswertung.

Data Science in der Fertigung muss pragmatisch sein und kann helfen, Produktionsprognosen zu verbessern, Ausfallzeiten von Maschinen und Zellen zu reduzieren, die Wartung effizienter zu planen und nachgelagerte Prozesse wie die Logistik besser aufeinander abzustimmen. Die Data Science Experten von connyun haben mit den folgenden Themenschwerpunkten in der Praxis am häufigsten zu tun:

Predictive Maintenance: Vorrausschauende Instandhaltung spart Kosten

Häufig werden Industriemaschinen unabhängig von der tatsächlichen Nutzung bzw. Abnutzung zu festen Zeitpunkten gewartet. Erfolgt die Wartung zu spät, kann dies zu ungeplanten Stillständen und damit zu hohen Einbußen führen. Um das zu verhindern, werden viele Maschinen häufiger gewartet als notwendig. Dadurch entstehen unnötige Kosten. Mithilfe von Datenanalyse und in enger Zusammenarbeit mit den Experten auf Kundenseite lassen sich für jede einzelne Komponente optimale Wartungszeitpunkte planen. Dies geschieht auf Grundlage der Maschinennutzung, dem gemessenen Verschleiß, dem historischen Nutzungsprofil und den aktuellen Auftragsinformationen. So schafft das connyun Data Science Team die Voraussetzung für intelligente, vorausschauende Instandhaltung – Predictive Maintenance – die nach dem Prinzip „so häufig wie nötig, so selten wie möglich“ Kosten einsparen kann.

Anomalie-Detektion: Was mit dem bloßen Auge nicht erkennbar ist

Die meisten Industrieanlagen sind heute technologisch perfektioniert und laufen fehlerarm. Doch gerade dieser hohe Grad an Perfektion hat seine Schattenseiten. Denn wenn doch ein technischer Defekt auftritt – z.B. durch einen Bediener verursacht – bleibt dieser oft lange verborgen. Je länger der Defekt unentdeckt bleibt und somit auch nicht behoben wird, desto höhere Kosten verursacht er: etwa durch höheren Verschleiß und Reparaturkosten, Ausschuss, Rückrufaktionen oder ungeplante Stillstände. Für die Bediener sind solche Defekte sehr schwer wahrnehmbar. In den Daten hingegen zeichnen sich die Anomalien deutlich ab. Die Data Science Experten von connyun identifizieren und isolieren diese Defekte mit Hilfe von maschinellem Lernen eindeutig als Abweichungen vom Normverhalten. Darauf aufbauend können sofort Verbesserungsmaßnahmen eingeleitet werden.

Planung, Materialfluss, Logistik: Es geht immer noch besser

Gemachte Erfahrungen gehören zu dem intellektuellen Grundkapital eines jeden Unternehmens. Jeder Maschinenbediener mit jahrzehntelanger Berufspraxis wird bestätigen, wie wichtig dieses erlernte Wissen ist. Um ein Vielfaches wirkungsvoller wird diese menschliche Kompetenz, wenn sie mit Daten kombiniert und unterstützt wird.

Nehmen wir als Beispiel eine „manuelle“ Produktionsplanung, die rein auf Erfahrungswerten beruht. Dabei muss der verantwortliche Fertigungsmitarbeiter seine Kapazitäten und Ressourcen sehr gut einschätzen können, um die Annahme von Aufträgen danach auszurichten: Kann er liefern oder nicht? Verschätzt er sich, schöpft er entweder seine Kapazitäten nicht voll aus oder kann eingegangene Bestellungen nicht erfüllen. Unterstützt er sein Erfahrungswissen mit objektiven Daten, erhält er eine angereicherte Planung, die in wesentlich kürzerer Zeit präzisere und verlässlichere Aussagen liefert.

Ähnliches gilt für die Planung der Logistik: Vorhersagen zur Fertigstellung von Chargen sind deutlich zuverlässiger, wenn sie mithilfe von Datenanalyse erfolgen. Umso genauer können dann Lagerung und Abtransport angepasst werden. So werden Lagerzeiten verkürzt und Wartezeiten beim Abtransport verhindert.

Alle Planungsaufgaben, die Vorhersagen, Einschätzungen und Erfahrungen beinhalten, werden schneller und genauer, wenn sie datenbasiert erfolgen. Wann muss an welcher Maschine welche Aufgaben erfüllt werden, damit alles rechtzeitig passiert und keiner warten muss? Wo muss das nächste Mal Rohmaterial aufgefüllt werden und wie viel Zeit bleibt bis dahin für andere Aufgaben? Wer hierzu präzise Aussagen macht, nutzt Kapazitäten effizienter, reduziert Maschinenstillstandzeiten und steigert die Produktivität.

Daten sind Rohstoff, Wissen ist Macht: Data Mining

Die Werkzeuge und Methoden im Bereich Data Science sind heute ausgereift, erprobt und erschwinglich. Datenanalyse in der Fertigung kann unmittelbar und einfach genutzt werden, um selbst in Spitzenzeiten weiteres Potenzial aufzudecken. Die Kunden fragen sich häufig: Wo liegen die versteckten Fehlerquellen in meiner Produktion? Wie wirken sich bestimmte Einflussgrößen auf die Produktivität aus? Warum tritt immer wieder derselbe Fehler auf? Die Data Science Experten von connyun gehen diesen Fragen auf den Grund und stellen dabei häufig fest: Die Hinweise liegen bereits vor, verbergen sich jedoch in den Daten.

Das Geheimnis erfolgreichen Data Minings ist nicht allein die Auswertung komplexer Daten. Darüber hinaus verfügt connyun über technisches Know-how und fundierte Branchenkenntnisse aus Produktion und Maschinenbau. Mit dieser Kombination kommen die Data Science Experten gemeinsam mit den Kunden zu nachvollziehbaren und hilfreichen Lösungen, die Kosten sparen, die Produktivität erhöhen und Transparenz schaffen.

connyun ist auf der automatica, Messe München, 19.–22.06.2018, in Halle B4, Stand 304.