Im Handel, der Finanzbranche und natürlich bei Konzernen wie Amazon, Facebook oder Google gehören Big-Data-Analysen längst zum Alltag. Produzierende Unternehmen hingegen nutzen sie bislang kaum. Das geht aus der Studie „Big-Data-Analytik: Datenbasierte Optimierung produzierender Unternehmen“ hervor. Die Forscher vom Fraunhofer IPA befragten dafür im vergangenen Jahr mehr als 150 Fach- und Führungskräfte aus der Industrie und IT-Branche.
Das Ergebnis: „Nur 14 Prozent der befragten Firmen verfolgen eine konkrete Strategie für die Einführung von Big-Data-Analytik und das, obwohl sich die Mehrzahl ein großes Potenzial davon verspricht“, sagt Dennis Bauer, einer der Autoren der Studie. „Viele erkennen den Mehrwert nicht, sorgen sich um Datensicherheit oder es fehlt an Wissen und Personal.“
Weniger Ausschuss dank Big Data
Wie sich mit einer ausgeklügelten Big-Data-Analyse die Prozessqualität steigern, der Ausschuss senken und die Instandhaltung verbessern lässt, zeigt das Beispiel Logotherm 4.0. Diese Lösung für das Zustands- und Prozessmonitoring bei Temperiersystemen in der Kunststoffverarbeitung haben die Forscher um Bauer zusammen mit der Gesellschaft Wärme Kühltechnik gwk entwickelt. In der Kunststoffverarbeitung spielt die Temperatur der Bearbeitungswerkzeuge und des Werkstoffs die entscheidende Rolle. Nur, wenn sie richtig eingestellt ist, haben die Produkte am Ende die gewünschten Oberflächen und Eigenschaften.
Im ersten Schritt banden die Forscher die Temperiersysteme von gwk an die vom Fraunhofer IPA entwickelte Cloud-Plattform Virtual Fort Knox an. Sie schafft eine gemeinsame Grundlage für Daten aus ganz verschiedenen Systemen. Damit erfasst Logotherm 4.0 die Zustands- und Prozessdaten des gesamten Maschinenparks. Das Dashboard zeigt alle eingehenden Informationen echtzeitnah an. „Das steigert die Transparenz der Produktion. Der Verantwortliche kann live die Daten jeder Maschine einsehen und muss nicht extra hin gehen“, sagt Bauer.
Vorausschauende Wartung
Damit laufen alle Daten an zentraler Stelle zusammen. Die Analyse geschieht bei Logotherm 4.0 mit einem Condition Monitoring Service, der im Hintergrund läuft. „Diese Applikation wertet die Daten aus der Maschinensteuerung aus“, so Bauer. „Fehler und Abweichungen werden auf dem Dashboard angezeigt.“ Darüber hinaus haben die Forscher einen Notification Service integriert, mit dem der Verantwortliche bei Problemen automatisiert eine Benachrichtigung zugeschickt bekommt. Missstände lassen sich dadurch schneller erkennen und beheben.
Außerdem kann der Condition Monitoring Service aus den Zustandsdaten die Lebensdauer von Pumpen, Ventilen und anderen wichtigen Komponenten präzise vorhersagen. Maschinen und Anlagen können so vorausschauend gewartet und teure Ausfälle vermieden oder wenigstens reduziert werden. Logotherm 4.0 verbessert zudem die Prozessqualität: Über das Dashboard kann der Verantwortliche Temperatur, Durchflussmenge, Druck und Leistung der Maschinen abrufen. Treten Abweichungen auf, kann er sofort nachjustieren. Der Prozess kann somit in engen Grenzen effektiv betrieben werden.
Big Data bringt große Veränderungen mit sich. In der Tat spielen Anwendungsszenarien wie diese sogenannte „Predictive Maintenance“, die vorausschauende Wartung, eine immer größere Rolle. 70 Prozent der Fach- und Führungskräfte, die die Wissenschaftler um Bauer für ihre Studie befragten, gaben an, effizienter zu produzieren, je früher Wartungen und Instandhaltungen eingeplant werden.
Das Beispiel Logotherm 4.0 zeigt also, dass die Big-Data-Analysen ein hohes Potenzial für das Produktionsumfeld bieten, gleichzeitig jedoch große Veränderungen mit sich bringen. Es gilt nämlich, die Datenzuverlässigkeit, -verfügbarkeit und -sicherheit zu gewährleisten. Schließlich müssen die anfallenden Daten langfristig gespeichert und für Analysen bereitgestellt werden. „Dazu eignen sich Cloud-Plattformen wie Virtual Fort Knox“, sagt Bauer. Ferner müssen Unternehmen geeignete Analysemethoden für die identifizierten Anwendungsszenarien erarbeiten und intuitive Analysewerkzeuge, beispielsweise Apps, bereitstellen, damit eine breite Gruppe von Mitarbeitern Big-Data-Analysen durchführen kann.
Neue Aufgaben und Geschäftsmodelle
Doch es bleibt längst nicht bei solchen rein technischen Veränderungen: „Über 93 Prozent der Befragten gehen von neuen Rahmenbedingungen, Anforderungen und Aufgaben aus“, sagt Bauer. Besonders betroffen sind die Mitarbeiter. Knapp 99 Prozent sind überzeugt, dass sich deren notwendige Qualifikation mit der fortschreitenden Digitalisierung ändert. „Das Personal muss immer stärker mit digitalen Werkzeugen arbeiten. Kenntnisse in Mathematik, Statistik und IT sowie die Verknüpfung mit Domänenwissen werden wichtiger“, so Bauer weiter. Es braucht also geeignete Weiterbildungskonzepte, um die Mitarbeiter auf ihre neuen Aufgaben vorzubereiten. Das lässt sich auch bei den Vorreiterunternehmen aus dem Silicon Valley erkennen, die immer mehr Data Scientists beschäftigen.
Veränderungen ergeben sich auch bei der Zusammenarbeit und Vernetzung mit anderen Unternehmen. Denn der Austausch und die Auswertung heterogener Daten über die gesamte Wertschöpfungskette hinweg ermöglicht es, Kooperationen zu intensivieren und den Schwerpunkt auf die eigenen Kernkompetenzen zu legen.
Beim Geschäftsmodell wird deutlich, dass sich Unternehmen zunehmend zu Serviceanbietern entwickeln. „Mit Big-Data-Anwendungen können sie Bedarfe und Kapazitäten besser organisieren und ihre Dienstleitungen gezielter ausrichten“, sagt Bauer. Unternehmen können sich somit auf ein bestimmtes Produktionsverfahren spezialisieren oder, wie im Beispiel Air-as-a-Service des unterfränkischen Kompressoren-Herstellers Kaeser, den Wandel vom Produktanbieter hin zum Full-Service-Dienstleister vollziehen.
Anlaufstellen für digitalisierungswillige Unternehmen
Abschließend zeigt die Studie „Big-Data-Analytik: Datenbasierte Optimierung produzierender Unternehmen“, welche Unterstützungsangebote es für Firmen gibt, die künftig Big-Data-Analysen anwenden möchten. Den Bereich Personalentwicklung decken zum Beispiel die Fraunhofer-Allianz Big Data oder das Future Work Lab ab, das das Fraunhofer IPA zusammen mit dem Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO in Stuttgart unterhält.
Analytik-Apps finden die Unternehmen im Smart Data Innovation Lab, im Smart Data Solution Center Baden-Württemberg oder am Fraunhofer IPA. Die Geschäftsmodelle sind Schwerpunkt der Nationalen Kontakt- und Koordinierungsstelle Industrie-4.0-Testumgebungen für kleine und mittlere Unternehmen. Das Applikationszentrum Industrie 4.0, das das Fraunhofer IPA zusammen mit der Universität Stuttgart betreibt, berät Unternehmensvertreter in punkto Anwendungsszenarien und Vernetzung. Im Applikationszentrum Industrie 4.0 gibt es im Übrigen auch einen Demonstrator von Logotherm 4.0 zu sehen. Er eignet sich in seiner derzeitigen Ausprägung für alle Unternehmen, die Temperiersysteme bei der Kunststoffverarbeitung einsetzen. Im Prinzip lässt sich das Zustands- und Prozessmonitoring aber auch für alle anderen Branchen realisieren. „Firmen können ihren Kunden damit einen digitalen Mehrwert-Service anbieten und ihre Geschäftsmodelle neu gestalten“, sagt Bauer. Big Data heißt eben Veränderung.
Fraunhofer‐Institut für Produktionstechnik und
Automatisierung IPA
www.ipa.fraunhofer.de
Mehr zum Thema Industrie 4.0
Hier finden Sie mehr über:
