Dieser Artikel umfasst folgende Themen:
Die 2019 Digital Manufacturing Conference, die vom The Welding Institute (TWI) in Großbritannien veranstaltet wurde, hielt Rundtischgespräche über die Erfassung von Daten aus der Fertigung. Die Debatte hob die Schwierigkeiten hervor, denen sich Fabrikbesitzer gegenübersehen, wenn sie entscheiden, wie sie die erfassten Datensätzen nutzen.
Das Forum zu den umsetzbaren Datensätzen ist zu einem der bestimmenden Problemkreise der Industrie 4.0 geworden, mit denen die Akteure im Industriesektor konfrontiert sind. Diese Herausforderungen lassen sich in drei Hauptabschnitte einteilen:
Jede Initiative zur digitalen Transformation beginnt mit der Erfassung von Daten aus dem Fertigungsbereich oder dem Betrieb. Im Laufe der Zeit wird den meisten Fabrikbesitzern klar, dass die Datenerfassung nur der erste Schritt zur Optimierung eines bestimmten Prozesses ist. Genauso wichtig ist die Notwendigkeit, eine Industrie 4.0-Strategie zur Implementierung zu definieren.
Der schiere Umfang der Datensätze, die in einem durchschnittlichen Fertigungsbereich erfasst werden, hat sich für Erstanwender von Datenerfassungsinstrumenten als abschreckend erwiesen. In einigen Fällen lassen die Fabrikbesitzer ihre Datenerfassungslösungen wie das industrielle Internet der Dinge (IIoT) einfach für einige Monate im Hintergrund laufen, bevor sie entscheiden, was mit all diesen Daten geschehen soll. Letztendlich übersehen viele einfach die Daten und konzentrieren sich auf die konventionellen Methoden, die seit Jahrzehnten zur Steuerung industrieller Prozesse angewandt werden.
Die Flut von Daten aus digitalen Technologien, die in der Fertigung eingesetzt werden, kann durch die Erstellung klarer, umsetzbarer Pläne oder Strategien für den Umgang mit den erfassten Daten gemildert werden. Die 8 wichtigsten Geschäftsmodelle oder Konzepte von Industrie 4.0 bieten eine solide Grundlage für die Nutzung von Daten aus dem Fertigungsbereich. Die beliebtesten Anwendungen von Datenerfassungsstrategien konzentrieren sich auf die vorausschauende Instandhaltung, die datengesteuerte Optimierung der Anlagenleistung und die Optimierung der Maschinenauslastung.
Für vorausschauende Instandhaltungsstrategien spielen historische Maschinen- oder Gerätedaten eine wichtige Rolle, um die Ursache von Ausfällen oder die Geräteleistung zu verstehen und einen Wartungsplan zu erstellen. Für die vorausschauende Instandhaltung kann daher keine Datenmenge, die in der Fertigung erfasst wird, als überwältigend angesehen werden, da sie den Kontext zu jedem unerwarteten Geräteausfall in der Fabrikhalle liefert.
Datengesteuerte Strategien zur Optimierung der Anlagenleistung stützen sich auf verschiedene Gruppen von Datensätzen, zu denen Maschinenauslastungsdaten, Durchsatzdaten, Bestandsdaten und Materialhandhabungsdaten gehören. Die Erfassung der genannten Datensätze aus diesen verschiedenen Prozessen führt zu der Notwendigkeit, große Datenmengen zu analysieren. In diesem Szenario wird ein erfahrener Datenanalytiker benötigt, um die erfassten Daten zu analysieren und die miteinander verbundenen Prozesse zu optimieren, die zur Maximierung der Effizienz des Betriebs einer gesamten Anlage erforderlich sind. Es wird empfohlen, für die Analyse von Daten aus komplexen Prozessen externe Experten hinzuzuziehen.
Die Kosten für die Speicherung, Verwaltung und Analyse der Datensätze, die mit der digitalen Technologie erfasst werden, können anhand der Datenmenge geschätzt werden, die von Industrieanlagen gesammelt wird. Wenn historische Daten über Monate oder Jahre erfasst und gespeichert werden sollen, sind flexible Speicher- und Rechenressourcen erforderlich, um diese Aufgabe zu erfüllen. Laut McKinsey Digital überschreiten 45% der IT-Projekte die empfohlenen oder vorgeschlagenen Budgets.
Die erfassten Daten müssen gespeichert und ordnungsgemäß analysiert werden, um das Beste aus ihnen herauszuholen, und beide Prozesse kosten Geld. Die durchschnittlichen Kosten für die Speicherung von einem Terabyte Daten betragen 3.351 $ pro Jahr und eine durchschnittliche Industriefabrik produziert etwa 347,56 TB pro Jahr. Diese zusätzlichen Betriebskosten für die einfache Speicherung von Fabrikdaten werden von vielen Industrieunternehmen als teuer angesehen.
Die Kosten für die Datenspeicherung berücksichtigen weder die Löhne eines Voll- oder Teilzeit-Datenanalysten noch die Kosten für die Einrichtung und Konfiguration von Datenerfassungstools. Zusammenfassend lässt sich sagen, dass ein Hauptproblem der Industrie 4.0 die Kosten für die Erfassung, Speicherung, Verwaltung und Analyse großer Datensätze sind.
Laut Cisco ist die fehlende interne Abstimmung ein Hauptgrund dafür, dass IT- und damit auch IoT-Implementierungen scheitern. Ohne eine vorhandene Implementierungsstrategie können die analysierten Daten zur Optimierung einzelner Ausrüstungsteile verwendet werden, ohne das Gesamtbild zu erfassen. Bei Industrieanlagen bezieht sich das Gesamtbild auf die gesamte Produktionslinie und ihre miteinander verbundenen Prozesse.
Um die Vorteile digitaler Transformationstechnologien und der damit verbundenen Datenerfassungsfähigkeiten nutzen zu können, muss vor dem Markteintritt eine Strategie entwickelt werden, um entweder eine IIoT-Lösung oder eine beliebige digitale Transformationshardware/-software zu erwerben. Die erarbeitete Strategie wird den Prozess des Lösungskaufs und die Fähigkeit zur Nutzung der erfassten Daten beeinflussen.