IIoT – Cloud-Services So erzielen KMU mit ihren Daten echten Mehrwert

Anbieter zum Thema

PHOENIX CONTACT Deutschland GmbH

Klinkhammer Intralogistics GmbH

EVO Informationssysteme GmbH

All for One Group SE

Für datengetriebene Entscheidungen benötigen Unternehmen keine großen Investitionen in Hard- oder Software. Ein einfacher Cloud-Ansatz reicht aus, um Maschinendaten zu sammeln, auszuwerten – und die richtigen Schlüsse daraus zu ziehen.

Das leicht abgenutzte Schlagwort „Big Data“ versprach um 2013 die effiziente Verarbeitung von unüberschaubaren, komplexen und sich schnell ändernden Datenmengen. Der Ansatz sollte Zusammenhänge und Kausalketten in sämtlichen Lebensbereichen sichtbar und vorhersagbar machen. Unternehmen erhofften sich Wettbewerbsvorteile und neue Geschäftsmodelle.

Eingelöst wurde von diesen Versprechungen nicht alles. Größere Datenmengen bedeuteten nicht unbedingt qualitativ bessere Daten. Und deren Interpretation ist selten trivial. Manche Vision war wohl etwas hochgegriffen, vieles zu teuer oder technisch nicht umsetzbar. Zudem muss sich ein Team mit der Thematik auseinandersetzen, das es in vielen kleinen und mittelgroßen Unternehmen (KMU) nicht gibt.

Bildergalerie

Von dem Buzzword Big Data ist aber die gute Grundidee geblieben: Mit digitalen Technologien verwertbares Wissen aus Daten filtern, die ansonsten nicht verwendet würden.

Gefilterte Echtzeitinformationen an einem zentralen Ort bereitstellen

Das Thema intelligente Datennutzung ist 2021 lebendiger denn je. Es geht jedoch weniger um die Erschließung und Untersuchung möglichst hoher Datenberge und zahlreicher Quellen. Stattdessen konzentriert sich insbesondere der Mittelstand auf Datenprojekte, die bei überschaubarem Aufwand einen echten Mehrwert generieren.

Ein offensichtliches Potenzial haben dabei Prozessdaten aus dem Maschinen- und Anlagenbetrieb. Jede Industriemaschine erzeugt im täglichen Betrieb Daten, die sich vielfach verwenden lassen: zur Optimierung der Konfiguration, zu Einsparzwecken bei Energie und Rohstoffen, zur Qualitätssteigerung der Produkte oder auch zur Wartungsvorhersage.

In vielen Fällen bleiben die Daten aber lokal in der Maschine, werden dort am Display angezeigt und lediglich vom einzelnen Maschinenbediener interpretiert und genutzt. Es entscheidet also das individuelle Know-how und die Erfahrung. Andere Unternehmen sammeln die Daten zwar, werten sie allerdings nicht systematisch und kontinuierlich aus, weil der Aufwand zu hoch erscheint.

Was fehlt, sind gefilterte Echtzeitinformationen an zentraler Stelle, die dabei helfen, die Produktion zu überwachen, die den Betrieb und die Wartung erleichtern sowie die Ausfallzeiten reduzieren. Datenanalysten, die sich um eine Visualisierung kümmern würden oder datengetriebene Entscheidungen vorbereiten, sucht man in den meisten KMU ebenfalls vergebens. Der Weg von der Anbindung der Maschinen und Anlagen über die Datenspeicherung und Visualisierung zur Analyse und Prognose scheint lang und unbequem. Erst recht bis hin zu automatisierten Reaktionen auf Ereignisse im Shopfloor.

Digitaler Materialzwilling

Projekt digitalisiert Daten zu Kupferwerkstoffen

Einfacher Einstieg mit geringen Ressourcen

Wie schaffen kleine und mittlere Unternehmen somit eine zentrale Sicht auf ihre Prozessdaten und ein standortübergreifendes Remote-Monitoring? Und wie können sie im Anschluss das Datenpotenzial einsetzen und von den Möglichkeiten des Industrial Internet of Things (IIoT) profitieren?

Das lässt sich am Beispiel von Zeitreihendaten (Time Series Data) verdeutlichen. Dabei handelt es sich um eine sortierte Sammlung von Messdaten, die in jedem Unternehmen entstehen, das Maschinen betreibt – unabhängig von der Branche –, und die in regelmäßigen Intervallen ermittelt werden.

Für eine permanente Datenübertragung müssen zunächst die Maschinen vernetzt werden – am besten mit einer Industrial IoT-Cloud. Eine Cloud-Lösung bietet sich besonders für KMU an, die über keine eigene Infrastruktur oder ein eigenes IT-Team für das Thema verfügen. Stattdessen kaufen sie exakt die Leistungen als Software-as-a-Service (SaaS) ein, die sie benötigen – und auch nur für den gewünschten Zeitraum. Das erlaubt den Einstieg mit geringen Ressourcen und ohne komplexe Systemintegration.

Digitalisierung im "Industrial Brownfield"

IIoT: Heterogene Fertigungsumgebungen erfolgreich verbinden

Passende Hardware mit Verbindung zur Cloud

Komplettanbieter wie Phoenix Contact liefern dazu die Hardware-Komponenten (SPS, Gateways, Energiemessgeräte), die die Konnektivität zu einer Datenanalyse-Cloud ermöglichen. Diese Hardware ist dann in der Lage, eine direkte Verbindung zur Cloud herzustellen und die anfallenden Daten zu übertragen. Produkte wie Gateways können auch vor bereits bestehende Hardware geschaltet werden, um diese Aufgabe zu übernehmen.

Im Fall von Phoenix Contact verbinden sich PLC-Next-Steuerung und EM Pro-Energiemessgeräte mit der Industrial-IoT-Plattform Proficloud.io und ihren standardisierten und skalierbaren Smart Services.

Zurück zu den Zeitreihendaten: Diese fließen im Time Series Data Service zusammen. Dieser Smart Service gestattet den Zugriff, die Aufzeichnung und Verfolgung von Prozessdaten sowie eine auf die jeweiligen Anwendungen angepasste Alerting-Funktion über unterschiedliche Kanäle, zum Beispiel via Email. Das ist die Basis für datengetriebene Entscheidungen und für eine Transparenz, die Betrieb und Wartung spürbar verbessern kann.

Industrielle cloudbasierte Smart Services für kleine und mittelständische Unternehmen

Bei der Phoenix Contact Smart Business GmbH handelt es sich um das Kompetenzzentrum von Phoenix Contact für industrielle cloudbasierte Smart Services und Data Analytics. Ein Team in Bad Pyrmont und Berlin entwickelt standardisierte und skalierbare Software-as-a-Service-Lösungen für KMU.

Cloud-basierte Smart Services auf der Grundlage von IIoT-Technologien ermöglichen:

• den Überblick über den Status von Geräten und Anlagen – von jedem Ort, zu jeder Zeit,

• Prognosen, Optimierung und Steuerung, um Betriebs- und Wartungsprozesse zu verwalten,

• durch Remote Monitoring Ausfallzeiten zu reduzieren und redundante/manuelle Arbeitsabläufe zu verbessern.

Fundierte Entwicklung optimaler Workflows

Selbst ohne spezielles IT-Wissen des Anwenders sind die webbasierten Dashboards des Time Series Data Service simpel zu konfigurieren. Dieser stellt die aufgenommenen Parameter übersichtlich in individuellen Diagrammen dar, beispielsweise als Balkendiagramme, Live-Werte oder einfache Listenansichten.

Das können Motortemperaturen sein, Drehzahlen, Durchflussraten, Energieverbräuche oder Ausschussquoten. Eben alles, was die angekoppelten Maschinen erfassen und was relevant erscheint.

Werden individuell definierte Grenzwerte überschritten – steigt beispielsweise die Temperatur eines Servos über 90 °C –, informiert der Time Series Data Service automatisch die vorher festgelegten Servicemitarbeiter über Email oder andere Kanäle. Das Team kann damit schneller auf aufkommende Störungen reagieren.

Auf mittlere Sicht kann aus diesem Reagieren eine proaktive Vorgehensweise werden: Denn die Datenauswertungen machen den Betrieb und die Wartung vorhersehbarer – der Einstieg in einen Predictive-Maintenance-Ansatz. Besonders hilfreich ist hier der Vergleich über die Zeit, zwischen (baugleichen) Maschinen und Produktionsstandorten, um Datenreihen zu sammeln und daraus die bestmöglichen Workflows zu entwickeln. Für tiefergehende Analysen können über einen Datenexport weitere Tools gefüttert werden.

Die Anwender von Proficloud.io und den Smart Services behalten ihre Datenhoheit und können sich zudem auf umfassenden Datenschutz und Datensicherheit verlassen. Dafür sorgen DSGVO-konforme Server in Frankfurt und eine TLS-Verschlüsselung zwischen Proficloud.io und den Unternehmen, die lediglich Zugriff auf ihre eigenen Daten haben.

Künstliche Intelligenz in der Mobilitätsbranche

Welche neuen Möglichkeiten ortsbezogene KI für die Logistik eröffnet

Zwei Vorgehensweisen für die Umsetzung

Für die Einführung eines Analyse-Tools wie den Time Series Data Service gibt es grundsätzlich zwei Wege:

Entweder bestimmt das Unternehmen einen Datenverantwortlichen, der das Projekt für alle Fachbereiche koordiniert und umsetzt.

Oder, was oft empfehlenswert ist, es wird ein kleiner Testballon gestartet: Ein ausgewählter Fachbereich verbindet zunächst einzelne Maschinen mit der Cloud und beginnt in Eigeninitiative, Daten und Erfahrungen auszuwerten. Mit der Zeit skaliert das Team die Zahl der Metriken – also der in die Cloud übertragenen Variablen, beispielsweise Druck, Temperatur oder Rotationsgeschwindigkeit – und der angeschlossenen Maschinen ganz nach seinem Bedarf. Getreu dem Motto: „Think big, start small“.

Dieser Beitrag ist ursprünglich auf unserem Partnerportal Industry of Things erschienen.

* Robert Bieber, Manager, Phoenix Contact Smart Business, Berlin

(ID:47723730)