Industrie 4.0: Von Daten zum Wissen

Anbieter zum Thema

Beckhoff Automation GmbH & Co. KG

MPDV Mikrolab GmbH

Schneider Electric GmbH

IBM Deutschland GmbH

IBM Deutschland GmbH Geschäftsbereich Lotus

mehr weniger

IBM Deutschland GmbH

weniger

Die Erfolge sind messbar: Erkenntnisse, die früher mit enormem Aufwand innerhalb von rund drei Tagen gewonnen wurden, liegen heute in nur wenigen Stunden vor. Bei Auffälligkeiten wissen die Verantwortlichen zudem genau, wo sie ansetzen müssen. Das hat zum Beispiel auch dazu geführt, dass Werkzeuge sehr viel seltener ausgetauscht werden müssen. Bei der hohen Stabilität des Fertigungsprozesses kommt der 24-Stunden-Auswertezyklus zudem praktisch einer Echtzeitüberwachung gleich, Prozessanpassungen können damit frühzeitig und gezielt initiiert werden. Damit konnte unter anderem die Produktivität um 25 % gesteigert werden.

Mit modernen PMQ-Lösungen ist sowohl die konsolidierte Realisierung aus einer Hand für einen kompletten Prozess denkbar, als auch die Implementierung einzelner Lösungselemente für die komplementäre Erweiterung bestehender Infrastrukturen entlang einzelner Schritte. Dabei kann sowohl auf eine bestehende Infrastruktur aufgesetzt werden, bei der bereits Maschinen- oder Anlagendaten über eigene Standards angebunden wurden, als auch auf bestehende Datensammlungen in Form von bereinigten und gefilterten Daten in Data Warehouses zurückgegriffen werden, selbst wenn sie nur in unregelmäßigen Intervallen aus den Maschinen extrahiert werden. Im ersten Fall liegt der Fokus auf der analytischen Auswertung und Data Mining, im zweiten Fall auf einer Echtzeit-Datenextraktion, auf hoher Flexibilität und Skalierbarkeit der Analyse.

Unterbrechungsfreie Produktions- und Lieferkette

Fazit: Predictive Maintenance und Quality-Lösungen leisten einen wesentlichen Beitrag zur Unterstützung einer unterbrechungsfreien Produktions- und Lieferkette, hohen Qualitätsstandards und Kundenzufriedenheit. Moderne PMQ-Lösungen können sowohl umfassend, aber auch schrittweise entlang der Phasen Integration, Data Historian und Analytics eingeführt werden. Allerdings lassen sich auch mit dem Einsatz von PMQ-Anwendungen Fehler nicht komplett vermeiden, ebenso kann und darf der menschliche Faktor nicht fehlen. Sie dienen vielmehr dazu, das Wissen und „Bauchgefühl“ erfahrener Mitarbeiter mathematisch und statistisch zu validieren und zu unterstützen. Die finale Entscheidung und Verantwortung liegt am Ende in jedem Fall beim Menschen.

(ID:43519053)