Wie Big Data die Industrie 4.0 antreibt

Technologie

Technologie

Datum 21.09.2018
Lesezeit 6 Min.

Wie Big Data die Industrie 4.0 antreibt

Wo steht der nächste Großauftrag bevor? Welche Maschinen könnten in Kürze ausfallen und benötigen eine zusätzliche Wartung? Kommen meine Produkte rechtzeitig beim Kunden an – und falls nicht, was sind die Gründe? Solche und ähnliche Fragen beantwortet die Industrie 4.0 mit Big-Data-Analyseverfahren. Wir zeigen Ihnen, was mit der intelligenten Auswertung riesiger Datenmengen alles möglich ist und wie die Abläufe im Hintergrund funktionieren.

Immer mehr Geräte und Sensoren werden im Bereich der modernen Industrie miteinander vernetzt und intelligent verknüpft. Die dabei entstehenden, riesigen Datenmengen („Big Data”) müssen geeignet analysiert, ausgewertet und in Handlungsempfehlungen umgesetzt werden. Wir zeigen Ihnen, wie Big-Data-Auswertungen funktionieren und warum sie zentraler Bestandteil der Industrie von morgen sind.

 

Die Bedeutung von Big Data in der Industrie 4.0

Dadurch, dass immer mehr Geräte und deren Bestandteile intelligent miteinander verknüpft werden, entstehen innerhalb kürzester Zeit riesige Datenmengen. Diese auszuwerten und in Handlungsempfehlungen umzuwandeln, ist Aufgabe von Big-Data-Analyseverfahren. Die Kombination von Big Data und deren Auswertung innerhalb der Industrie 4.0 wird dabei auch als Industry Analytics bezeichnet.

Daten sind bekanntermaßen wertlos, wenn sie nicht genutzt werden: Insoweit sind spezielle Analyseverfahren für die Auswertung riesiger Datenmengen nicht nur eine Notwendigkeit aufgrund der Vielzahl von vernetzten Geräten und Sensoren – es entstehen auch völlig neue Möglichkeiten zur Steigerung der Unternehmenseffizienz. Big Data bildet sozusagen die Grundlage für eine intelligente, automatisierte Beurteilung von betrieblichen Abläufen, die sonst gar nicht sinnvoll erfassbar wären.

Viele Unternehmen nutzen diese neuen Möglichkeiten der Auswertung bereits, um beispielsweise

  • mögliche Maschinenausfälle vorherzusagen und rechtzeitig einzugreifen („Predictive Maintenance”).
  • Leerlaufzeiten in der Produktion aufgrund fehlenden Nachschubs schon im Ansatz zu verhindern.
  • regelmäßige Spitzenzeiten zu ermitteln und die Kapazitäten rechtzeitig anzupassen.
  • Verzögerungen in der Logistikkette aufzuspüren und zielgerichtet zu beseitigen oder Anpassungen vorzunehmen.
  • externe Parameter wie Wirtschaftsdaten und Marktveränderungen in die Auswertung einzubeziehen und so mögliche (neue) Aufträge vorherzusagen.

Industry Analytics funktioniert heute fast überall: Dadurch, dass dank Narrowband-IoT-Technologie selbst entlegene Standorte schnell und unkompliziert in betriebsinterne Monitoring-Systeme eingebunden werden können, entgeht Ihnen kein wichtiger Parameter Ihrer Wertschöpfungskette mehr.

 

Wie Sie Ihre Produktionsdaten besser nutzen können

Grundlage und Voraussetzung für die Anwendung von Industry-Analytics-Verfahren ist zunächst die Bestückung Ihrer Maschinen, Fahrzeuge und anderer relevanter Produktionsgeräte mit IoT-Komponenten. Eventuell sind hierzu technische Anpassungen an den vorhandenen Sensoren nötig, die aber in den meisten Fällen minimal sind.

Anschließend werden die gewonnenen Daten an eine zentrale Datenbank übertragen und dort in einem festgelegten Format gespeichert. Hierbei und somit bei der Planung einer Big-Data-Infrastruktur spielen auf Basis des Gartner-Modells zu Big Data gleich mehrere Faktoren eine Rolle:

  • Volume: Welche Datenmenge muss insgesamt vorrätig gehalten werden?
  • Variety: Wie vielfältig und verschieden sind die Daten, die gespeichert werden?
  • Velocity: Wie schnell werden die Daten erzeugt und übertragen?
  • Validity: Wie zuverlässig und genau sind die ermittelten Daten?
  • Value: Welchen Wert haben die einzelnen Daten für den Produktions- oder Wertschöpfungsprozess?

Die erzeugten Daten zunächst zu speichern und in ausführliche Berichte zu überführen, ist nicht unbedingt neu. Spannend wird es an der Stelle, an der selbst minimale Veränderungen in den Daten erfasst und mit statistischen Methoden oder mithilfe künstlicher Intelligenz ausgewertet werden.

Dabei kommen häufig sogenannte Data-Mining-Algorithmen zum Einsatz. Sie sind in der Lage, wiederkehrende Muster in beliebigen Daten aufzuspüren und zu visualisieren. Im Gegensatz zu der früher üblichen abteilungsweisen Auswertung von einzelnen, begrenzten Datensätzen bietet der Einsatz von Industry Analytics ein umfassendes Gesamtbild Ihrer betrieblichen Abläufe. Sie erhalten mit den neuen Methoden wichtige Hinweise zu Handlungs- oder Optimierungsbedarf. Dank statistischer Verfahren und Vorhersagemodellen gelingt dies teils sogar, bevor überhaupt negative Auswirkungen auf Ihren Gesamtbetrieb entstehen (können).

 

Ausklappbare Informationsgrafik
Vom reaktiven zum präventiven Konzept der Datenauswertung: Das Reifegradmodell zeigt, wie weit die Industrie 4.0 im Unternehmen Einzug gehalten hat.
Bild: Eigenkreation / Mayato

 

Wie die vorstehende Grafik verdeutlicht, gibt es verschiedene „Reifegrade”, was einen Industriebetrieb angeht. Ursprünglich haben viele Betriebe lediglich reagiert, wenn es Schwierigkeiten im Produktionsprozess wie beispielsweise Ausfälle von Maschinen gab. Bei moderneren Ansätzen werden Betriebszeiten von Maschinen zumindest protokolliert und diese gemäß festgelegter Wartungsintervalle einer Inspektion unterzogen. Jedoch werden hierbei möglicherweise Ersatzteile verbaut, obwohl dies gar nicht zwingend nötig wäre.

Gleiches gilt für die Durchlaufzeiten von Werkstücken vom Rohstoff bis zum Produkt. Sind diese zu lang, wird nach den Ursachen geforscht und diese behoben. Hierdurch werden bestehende Probleme zwar schneller angegangen – der Ansatz legt jedoch ebenfalls wenig Augenmerk auf die Problemvermeidung im Vorfeld.

Anders bei der Industrie 4.0: Hier können Sie auf Basis von historischen Daten, statistischen Methoden und Verfahren der künstlichen Intelligenz Ausfälle rechtzeitig vorhersagen, so dass ein Eingreifen bereits im Vorfeld möglich und dann auch notwendig ist.

 

Mögliche Einsatzbereiche von Big-Data-Analyseverfahren

Die Einsatzmöglichkeiten von derartigen Analyseverfahren sind sehr vielfältig. Da sämtliche denkbare Messgrößen nicht nur erfasst, sondern miteinander in Verbindung gesetzt werden können, entsteht eine ganze Reihe an möglichen Einsatzbereichen für Industry-Analytics-Verfahren:

  • In der Automobilindustrie und bei deren Zulieferern: Erkennen Sie rechtzeitig, wenn Maschinen auszufallen drohen, um die Just-in-Time-Produktion weiter zu optimieren.
  • Im medizinischen Bereich: Lassen Sie Ihre Patienten wichtige Gesundheitsparameter wie Blutdruck, Blutzucker oder Herzrhythmus einfach zu Hause messen. Werten Sie anschließend die erhobenen Daten zentral und unter Einhaltung der Datenschutzgesetze aus, um individuelle und bessere Behandlungspläne zu erstellen.
  • Im Energiemanagement: Lesen Sie Thermostate und andere Energieverbrauchs-Messstellen per Fernwartung aus und sparen Sie so Aufwand für Besuche vor Ort. So erkennen Sie auch vor dem Hintergrund der Energieeinsparverordnung unnötig hohe Verbräuche.

Weitere spannende Einsatzfelder für IoT und Big Data, auch im Narrowband-Bereich, finden Sie in unseren separaten Artikeln zu diesen Themen. Außerdem zeigt das Bundesministerium für Wirtschaft und Energie Ihnen auf einer interaktiven Übersichtskarte mehr als 360 Beispiele für den praktischen Einsatz der Industrie 4.0 (Stand: September 2018).

 

Video: YouTube / Vodafone Deutschland

 

Zusammenfassung

  • Mit Big-Data-Analyseverfahren können Sie riesige Datenmengen nach Mustern durchsuchen lassen und so Vorhersagemodelle entwickeln.
  • Erkennen Sie schon im Vorfeld, wann und wo Ausfälle drohen, und handeln Sie rechtzeitig.
  • Identifizieren und erschließen Sie wertvolles Potenzial zur Effizienzsteigerung in Ihrer Wertschöpfungskette.
  • Unternehmen der Industrie 4.0 wandeln sich konsequent vom reaktiven zum präventiven Vorgehensmodell.

 

Welche Geräte, Maschinen oder Fahrzeuge haben Sie bereits intelligent vernetzt? Wo sehen Sie Chancen und Herausforderungen im industriellen Wandel des 21. Jahrhunderts? Wir freuen uns auf Ihren Kommentar.

 

Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Facebook Twitter WhatsApp LinkedIn Xing E-Mail