Intelligente Software, Bild: © everythingpossible - Fotolia

Mit der richtigen Analyse gesammelter Daten lassen sich wertvolle Erkentnisse ziehen. Etwa helfen die Informationen zum Nutzerverhalten dabei, die Bedienfreundlichkeit von Produkten zu steigern. Bild: © everythingpossible - Fotolia

Die Produktion läuft auf Hochtouren. In mehreren Arbeitsschritten entstehen auf zwei Produktionslinien Gehäuse für Radiowecker, bis plötzlich eine der beiden Linien stoppt. Eine Maschine ist ausgefallen. Während sich vor der verbliebenen Produktionslinie nun langsam die Einzelteile aufstauen, wartet hinter der Produktionslinie eine Vielzahl von fast fertigen Radioweckern – ohne Gehäuse. Es ist für Unternehmen ein Horrorszenario. Im besten Fall lässt sich der Schaden rasch beheben und schlägt nur mit teurer Ausfallzeit zu Buche. Im schlimmsten Fall können Liefertermine nicht eingehalten werden und zu den fälligen Strafzahlungen kommt noch ein empfindlicher Imageverlust hinzu.
Um Geräteausfälle zu minimieren, tauschen Unternehmen und Hersteller deshalb stark beanspruchte Komponenten häufig vorsorglich während fester Wartungsintervalle aus. Das ist zwar günstiger als ein plötzlicher Ausfall, aber wenig ökonomisch. Denn die Teile sind zu dem Zeitpunkt oft noch völlig intakt. Genau hier setzt Predictive Maintenance beziehungsweise vorausschauende Wartung an. Anhand von Betriebsdaten ermittelt eine Software Auffälligkeiten und Zusammenhänge, die rechtzeitig auf einen bevorstehenden Ausfall hindeuten. So bleibt Zeit, Ersatzteile vorab zu bestellen und den Fertigungsablauf für die Wartungsarbeiten entsprechend zu koordinieren.

Die Grundlage für Predictive Maintenance und für viele andere Anwendungen sind auswertbare Produktionsdaten – und darauf basierend die Wissensentdeckung innerhalb der Daten. Beide Bereiche stellen eigentlich keine neuen Trends dar, findet Andreas Turk, Business Segment Manager Automation bei infoteam Software: „Im Bereich der industriellen Fertigung unterstützen wir bereits seit mehreren Jahren sehr erfolgreich internationale Kunden beim Umgang mit und Analysieren von Datenpools im Terabyte-Bereich.“

Insbesondere durch Industrie 4.0 und das Internet der Dinge steigt nun verstärkt das Bewusstsein dafür, dass zukunftsfähige Fertigungen und Produkte Digitalisierung und Vernetzung erfordern. Indem dieses Wissen mittlerweile in erste konkrete Maßnahmen mündet, schaffen viele Verantwortliche automatisch die Grundlage für das strukturierte Sammeln, Aufbereiten und Auswerten großer Datenmengen. Das gilt bislang aber vor allem für den Aufbau neuer Fertigungen.

Aktueller Lagerbestand, Bild: infoteam Software
Darstellung und Vergleich verschiedener Prozesse hinsichtlich ihres Warenwerts und Warenbestands am Beispiel für die IST-Analyse. Bild: infoteam Software

Ohne Basis keine verwertbaren Daten

Denn in bestehenden Fertigungen schöpfen viele Firmen das Potenzial der Datenanalyse noch nicht aus. Der Grund liegt vor allem in der langen Einsatzdauer von Industrieanlagen, bevor sie modernisiert oder ausgetauscht werden. Daher ergeben sich vielerorts noch immer alte, hemmende Datenstrukturen:

  • Die Maschinensteuerungen schreiben zwar Daten, diese werden aber nur lokal auf dem Steuerungsrechner vorgehalten.
  • Da diese Anlagen nur über beschränkte Speicherkapazitäten verfügen, existiert nur eine gewisse Anzahl der letzten Messungen, ehe die Daten zyklisch überschrieben werden. Folglich sind keine historischen Daten verfügbar.
  • Daten werden durch handerfasste Informationen erweitert, zum Beispiel an Handarbeitsplätzen.
  • Anlagenübergreifende Daten werden über Papierdokumente weitergereicht. Typische Dokumente sind Chargenbegleitscheine, Versuchsaufträge etc.

Daraus ergeben sich für die Analyse großer Bereiche, wie etwa gesamte Fertigungszyklen oder historische Messwerte, die folgenden Einschränkungen:

  • Aktuelle und historische Daten sind nicht überall verfügbar.
  • Die Daten sind fehlerhaft etwa aufgrund von ungenauer Eingabe per Hand)
  • Bedingt durch die Prozesssteuerung können Daten fehlen, etwa durch Datenverlust – zyklisches Überschreiben – oder verlorene Papierdokumente.

Ein weiterer Knackpunkt sind häufig auch die vorhandenen IT-Strukturen in den Unternehmen. So liegen Daten meist mehrfach in unterschiedlichen Anwendungen wie Excel oder Access als unstrukturierte Datensammlung vor. Selten sind die verschiedenen Systeme miteinander vernetzt, und wenn doch, dann bremsen unterschiedliche Betriebssysteme, unterschiedliche Versionen von Standardanwendungen, inkompatible Schnittstellen und Oberflächen oder eine fehlende durchgängige Benutzerführung.