Big Data-Architekturen – die sicheren Häuser in der Fertigung

Das notwendige Erfahrungswissen zur Einschätzung von Fertigungsprogrammen kann aus historischen Planungs- und Betriebsdaten extrahiert werden. Ein weiteres Beispiel ist die Intelligente Instandhaltung (Smart Mainte-
nance): Die Planung von Instandhaltungsvorgängen wird unter Berücksichtigung verschiedener Prozess-, Planungs- und Maschineninformationen optimal gestaltet. Dies übertrifft teilweise die Fähigkeiten eines menschlichen Planers, wenn Ausfälle vorhergesagt und so schon vorab in die Planung einfließen können. So können Ersatzteile frühzeitig beschafft und Routine- sowie Reparaturaufgaben zeitlich optimal geplant werden.

Grundlage für diese Optimierungen ist die Verfügbarkeit aktueller und historischer Datenbestände aus der Fertigung. Diese sollten nach Möglichkeit system- und datenquellenübergreifend vorliegen. So müssen vielfältige Informationen zusammengebracht werden, beispielsweise bisherige Ausfälle aus Instandhaltungslogbüchern, Sensor- und Betriebsdaten aus der Maschinensteuerung oder historische Priorisierungs-Entscheidungen aus Instandhaltungsplänen.

Herausforderungen einer modernen Produktions-IT

Die typische Fertigung ist heute gekennzeichnet von einer heterogenen IT-Systemlandschaft. Eine mögliche Strukturierung bietet die Automatisierungspyramide wie in Bild 1 dargestellt [1]. Auf oberster Ebene stehen ERP-Systeme, diese stellen Stammdaten zu Ressourcen, Rohstoffen und Produkten bereit. Ergänzt wird es durch spezialisierte Teilsysteme, beispielsweise für die Lagerwirtschaft oder Qualitätssicherung. Betriebs- und Maschinendaten werden in einem MES gesammelt, das – anders als ERP-Systeme – nicht in allen Unternehmen verbreitet ist.

Die Einführung eines MES geht meist mit umfangreichen Änderungen in Hardware, Software und Prozessen einher und ist daher mit großem Aufwand verbunden. Der Fokus liegt hier auf einer Prozessüberwachung und -steuerung mittels übergeordneter Kenngrößen (KPI).

Big Data-Anwendungen greifen auf Datenmengen zurück, die über KPI-relevante Größen hinausgehen: Maschinendaten, die nicht direkt mit der Prozesssteuerung zusammenhängen oder Sensordaten aus dem Umfeld. Diese Daten liegen auf der Prozessleitebene (SCADA) oder Steuerungs-/Feldebene vor, werden aber in einem MES nicht umfassend aufgenommen und gespeichert. Die Herausforderungen in der Big Data-Verarbeitung werden durch vier „V“ beschrieben. Dies sind vor allem die große Gesamtmenge aller historischer Daten (Volume)
und die Geschwindigkeit von mehreren tausend Datenpunkten pro Sekunde (Velocity). Weiterhin muss neben den Maschinendaten gleichzeitig Zugriff auf vielfältige Informationen wie beispielsweise aus der Fertigungsplanung oder der Qualitätssicherung gewährleistet werden (Variety). Zuletzt muss die Qualität der gesicherten Daten sichergestellt sein (Veracity). All diese Anforderungen können typische IT-Systeme aus der Produktion nicht erfüllen. Es besteht ein zunehmender Bedarf an Big-Data-Architekturen in der Produktion, die Hand in Hand mit der bestehenden Produktions-IT zu einer fortschrittlichen Prozessautomatisierung führen.

Zum Weiterlesen klicken Sie hier

Das könnte Sie auch interessieren

Zukunftsträchtige Technologien Fünf Arten der Prozessoptimierung mit Augmented Reality

Die Verschmelzung von digitaler Welt und Realität ist mehr als eine Spielerei und wird durch digitale Technologien wie Augmented Reality greifbar. Immer mehr Unternehmen wollen Prozesse und Abläufe mit 3D-Modellen, Holografien und Datenbrillen hinsichtlich Kosten- und Zeitersparnis optimieren – sei es bei der Entwicklung neuer Produkte, neuer Geschäftsmodelle oder beim Anlernen neuer Fachkräfte.

Prozesse intelligent automatisieren Mit künstlicher Intelligenz und Robotic Process Automation zum Erfolg

Obwohl Robotic Process Automation (RPA) seit Jahren existiert, ist das Thema aktueller denn je. Für zahlreiche Branchen weltweit hat sich die Technologie als effektiv erwiesen, wann immer es um die Automatisierung manueller, repetitiver und zeitintensiver Prozesse geht. Die Kombination mit künstlicher Intelligenz (KI) zur Automatisierung kognitiver Prozesse macht das Gebiet zunehmend noch attraktiver.

Mit digitalen Zwillingen resilient gegen Krisen Zentralisierter Informationsaustausch für den Erfolg

Krieg, Klimawandel, Pandemie: Nie zuvor waren Unternehmen so vielen Krisen ausgesetzt wie heute, mit oft negativen Folgen für die Bilanz. Dabei können vorausschauende Maßnahmen, resiliente Prozesse und Frühwarnsysteme die Handlungsfähigkeit unterstützen. Ein digitaler Zwilling erprobt und testet in einer virtuellen Umgebung Geschäftsprozesse in Krisenszenarien und erkennt dadurch Probleme frühzeitig.

Die Pandemie als Innovationstreiber  Virtual und Augmented Reality in der Industrie

Plötzlich ging es schnell: Die COVID-19-Pandemie zwang Unternehmen aller Branchen regelrecht zu einer beschleunigten digitalen Transformation. Die Situation mag sich mittlerweile normalisiert haben, doch wenn Unternehmen aus dieser Zeit die richtigen Lehren ziehen, können sie auch in Zukunft neue Technologien schneller und erfolgreicher einsetzen, wie bei Virtual- und Augmented-Reality-Projekten.

Dark Factory – Utopie oder Vision? Die Rolle von Robotern in der menschenleeren Fabrik

„Maschinen und Künstliche Intelligenz werden Fabriken und Produktionsabläufe eines Tages steuern und den Menschen überflüssig machen.“ Derartige Utopien beflügeln Fantasien und Ängste von Führungskräften und Mitarbeitern. Aber ist die „Dark Factory“, die im Wesentlichen eine Fertigung ohne Menschen vorsieht, überhaupt eine realistische und erstrebenswerte Zukunftsvision, wie gerne behauptet wird?

Technologie gegen den Arbeitskräftemangel Robotik und Wearables erfolgreich einsetzen

Eine Fabrik ohne Menschen – die „Dark Factory“ – wird es auf absehbare Zeit nicht geben. Dennoch nehmen die Forderungen nach mehr Robotik wieder zu. Kündigungswellen, der Fachkräftemangel sowie die Nachwehen der Pandemie befeuern dieses Ansinnen. Und es ist durchaus sinnvoll – nur kommt es auf das richtige Maß an. Vor allem aber sollte die Zusammenarbeit zwischen Mensch und Maschine verbessert werden.