Industrial Analytics: Der Treiber der IIoT-Revolution

Das industrielle Internet der Dinge (Industrial Internet of Things, IIoT) zielt darauf ab, industrielle Anlagen und Maschinen - also die Dinge - mit Unternehmensinformationssystemen, Geschäftsprozessen und Menschen, zu verbinden. Die fortschrittliche Analytik ist das Herzstück dieser nächsten Generation der Integration und liefert, wenn sie auf Maschinen- und Prozessdaten angewendet wird, neue Erkenntnisse, um die Entscheidungsfindung erheblich zu optimieren. Außerdem können dadurch intelligente Abläufe ermöglicht werden, die zu transformativen Geschäftsergebnissen und neuem gesellschaftlichen Wert führen.

Als junge Disziplin, die Fortschritte in Mathematik, Informatik und Ingenieurwesen im Kontext von Informationstechnologien (IT) und Betriebstechnologien (OT = Operations Technology) kombiniert, spielt die industrielle Analytik eine entscheidende Rolle für den Erfolg jedes IIoT-Systems. In industriellen Umgebungen hat diese Analytik einzigartige Anforderungen, Merkmale und Herausforderungen und erfordert daher besondere Überlegungen bei ihrer Umsetzung.

Das Industrial Internet of Things

Das industrial Internet of Things (IIoT) ist eine natürliche Erweiterung der industriellen und der Internet-Revolution.

Das IIoT wird in den kommenden Jahrzehnten eine wichtige Triebkraft für das Wirtschaftswachstum sein, und zwar in einem höheren Tempo als frühere Revolutionen. Jetzt findet eine vierte industrielle Revolution, die digitale Revolution statt, die die Grenzen zwischen der physischen, digitalen und biologischen Sphäre verwischt. Um diese digitale Revolution zu beschleunigen, treibt das Industry IoT Consortium (IIC) die Technologie des IIoT in einer Vielzahl von Anwendungsbereichen voran. Das industrielle Internet der Dinge integriert die industriellen Anlagen und Maschinen in die Informationssysteme der Unternehmen, die Geschäftsprozesse und die Menschen, die sie benutzen. Mit diesen Verbindungen zu den industriellen Anlagen und Maschinen ermöglichen neue Technologien die Anwendung fortschrittlicher Analysen auf Maschinen- und Betriebsprozessdaten, um Einblicke in die Abläufe zu gewinnen, sie intelligent zu optimieren, um die Produktivität zu steigern, die Qualität zu erhöhen, den Energie- und Materialverbrauch zu senken, die Flexibilität zu erhöhen und letztendlich neue Geschäftswerte zu schaffen. Gleichzeitig wird die Verpflichtung zu Sicherheit, Zuverlässigkeit, Datenschutz und Umweltschutz als soziale Werte beibehalten.

Der Wert von industrial Analytics

Analytik kann allgemein als eine Disziplin definiert werden, die Daten durch systematische Analyse in Informationen umwandelt. Industrielle Analytik ist der Einsatz von Analytik in IIoT-Systemen.

Um den Wert der industriellen Analytik zu verstehen, betrachten wir diesen beispielhaften Anwendungsfall. In einem industriellen Umfeld sind Maschinenausfälle eine der Hauptursachen für ungeplante Ausfallzeiten und Kosten. Dies führt zu Milliarden von Euro, die durch ungeplante Ausfälle von Anlagen und unnötige Wartungsarbeiten verloren gehen. Derzeit verwenden die meisten Unternehmen geplante Wartungspläne für die Wartung. Das bedeutet, dass Maschinen auch dann gewartet werden, wenn sie nicht in Betrieb sind. Das kostet Zeit und Ressourcen und erfordert unnötige Unterbrechungen, die die Zuverlässigkeit der Anlagen verringern können. Andererseits werden kritische Probleme aufgrund unzureichender Diagnosen oft übersehen, was zu ungeplanten Ausfallzeiten und oft kostspieligen Reparaturen führt. Sowohl die Über- als auch die Unterwartung von Anlagen tragen zu höheren Betriebskosten bei.

Um diese Probleme anzugehen, muss die Instandhaltung auf Prognosen umgestellt werden, die die Wartung nur auf der Grundlage der Lebensdauereigenschaften der Komponenten und ihrer Nutzung und nicht ausschließlich auf der Grundlage des Zeitplans planen. Als Nächstes muss die Praxis zur Vorhersage übergehen, bei der Analysen auf Sensor- und Maschinenbetriebsdaten angewendet werden, um die Wahrscheinlichkeit bestimmter Ausfälle in einem bestimmten Zeitraum vorherzusagen. Mit diesen Informationen kann die Maschinenwartung optimal geplant und durchgeführt werden, um unerwartete Betriebsunterbrechungen zu vermeiden und die Kosten zu senken.

Die Datenanalyse spielt eine entscheidende Rolle, da sie wichtige Erkenntnisse für die Entscheidungsfindung und den optimalen Einsatz von Ressourcen in industriellen Anwendungen liefert. Diese Fähigkeiten wiederum führen zu einer Steigerung der Effizienz von Arbeit und Kapital.

Analytik in der Industrie

Die Analytik als Disziplin der angewandten Mathematik wird seit Jahrzehnten von vielen Unternehmen eingesetzt, vor allem als Geschäftsanalyse im Finanzwesen, im Bankwesen und im E-Commerce.

In der Industrie wird die Analytik derzeit eingesetzt, um potenzielle Fehler in Anlagen zu erkennen und zu beheben, die Betriebszeit zu verbessern und die Reparaturkosten zu senken. Dies wird als "Zustandsüberwachung" bezeichnet. Mit der rasanten Entwicklung der Informations- und Kommunikationstechnologie (IKT), die zum Teil durch Standards und Innovationen in der Sensor- und Computertechnologie unterstützt wird, ist es nun möglich, fortschrittliche Analysen auf eine große Anzahl von Maschinen weltweit auszuweiten. Fortschritte bei den Analysealgorithmen und -techniken, einschließlich des maschinellen Lernens, werden genutzt, um große Datenmengen zu analysieren, die von industriellen Kontrollsystemen erfasst werden. Durch die Nutzung der aus den Maschinendaten gewonnenen Erkenntnisse zur Steuerung intelligenter Betriebs- und Geschäftsprozesse ermöglicht industrial Analytics die Konvergenz von Analytik in der OT- und IT-Welt.

Überlegungen zum Design

Die Überlegung, wo die industrielle Analyse stattfinden soll, hängt von verschiedenen Faktoren ab wie dem Umfang der abgeleiteten Informationen, der Art und Weise wie auf sie reagiert werden kann, der Reaktionszeit und Zuverlässigkeit, der Bandbreite der gesammelten Daten und der Kapazität der vorhandenen Infrastruktur. Es kann sinnvoll sein, die Analysen an verschiedenen Ebenen der Systemarchitektur durchzuführen, um die besten Ergebnisse zu erzielen und die Anforderungen des industriellen Umfelds zu erfüllen. Es ist wichtig, die Anforderungen des Systems und die Einschränkungen, die sich daraus ergeben, sorgfältig zu berücksichtigen, bevor Entscheidungen über die Durchführung von Analysen getroffen werden.
Folgende Aspekte und Anforderungen an das System sollten unbedingt beachtet werden:

Geschäftswert schaffen

Ein Unternehmen muss den Durchsatz erhöhen, die Kosten senken und den Bestand reduzieren, um höhere Gewinnspannen zu erzielen. Der Umsatz treibt den Produktionsdurchsatz an, darf aber nicht die Produktionskapazität des Unternehmens übersteigen, da sonst die termingerechte Lieferung gefährdet und die Kunden enttäuscht werden.

Ein Ansatz besteht darin, Leistungsengpässe im Gesamtbetrieb kontinuierlich zu ermitteln und sie nach und nach zu beseitigen, um die Anforderungen der Umsatz- und Gewinnziele zu erfüllen. Dieser Prozess muss auf zuverlässigen Informationen über den Bedarf, die Produktion, den Bestand und die betrieblichen Abläufe beruhen. Das IIoT und insbesondere die industrielle Analytik ermöglichen es Daten von Maschinen zu sammeln und Prozesse effizienter zu optimieren.

Unternehmen, die sich diese analytischen Technologien zunutze machen, werden die anderen in ihrer Fähigkeit, Produkte und Dienstleistungen schnell und sicher zu produzieren und die Qualität bei voller Verantwortlichkeit für ihre Prozesse aufrechtzuerhalten, weit hinter sich lassen.

Erste Schritte mit Industrial Analytics

Industrielle Analysen werden eingesetzt, um Betriebs- und Verhaltensmuster von Maschinen zu identifizieren und zu erkennen, um schnelle und genaue Vorhersagen zu treffen und um an den Punkten, an denen Entscheidungen zu treffen sind, mit Zuversicht zu handeln.

Analysen lassen sich im Allgemeinen in drei Hauptkategorien einteilen:

• Deskriptive Analysen gewinnen Erkenntnisse aus historischen oder aktuellen Datenströmen, z. B. für Status- und Nutzungsüberwachungs-Dashboards, Berichterstellung, Erkennung und Diagnose von Anomalien, Modellerstellung oder -training usw.
• Die prädiktive Analyse ermittelt erwartete Verhaltensweisen oder Ergebnisse auf der Grundlage von Vorhersagemodellen, die auf statistischen und maschinellen Lernverfahren beruhen, z. B. Vorhersage von Kapazitätsbedarf und -nutzung, Material- und Energieverbrauch sowie Vorhersage von Komponenten- und Systemverschleiß und Fehlern.
• Die präskriptive Analyse findet die optimale Lösung, indem sie auf der Grundlage erster Prinzipien, empirischer Modelle und unter Verwendung prädiktiver Analysen, die die Kausalität von Konstruktions- und Ausführungsentscheidungen berücksichtigen, ermittelt, was wahrscheinlich passieren wird. Ein Beispiel für präskriptive Analytik ist die On-Demand-Produktion auf der Grundlage eines soliden geometrischen Montagemodells, um den optimalen Satz an Fertigungsprozessen zu finden, mit dem das Endprodukt erreicht werden kann, wobei alle möglichen Optionen und Fähigkeiten berücksichtigt werden.

Die Analyseergebnisse können automatisch auf die Maschinen und Systeme angewendet oder zur Unterstützung menschlicher Entscheidungen durch visuelle Analysen verwendet werden, um das menschliche Verständnis zu verbessern und Vertrauen in eine Entscheidung zu schaffen.

Die industrielle Analytik steht als Motor der IIoT-Transformation vor besonderen Herausforderungen, da die Ergebnisse den Betrieb und die Sicherheit von Dingen in der physischen Welt verändern können. Diese Auswirkungen können unerwünscht oder schädlich sein und unbeabsichtigt die Sicherheit von Menschen beeinträchtigen oder Eigentum und die Umwelt schädigen. Da bei der industriellen Analytik häufig Daten von verschiedenen Sensoren und Maschinen interpretiert werden, die sich möglicherweise widersprechen, müssen wir die verschiedenen Informationsströme verstehen und zusammenführen, um zu einer korrekten Schlussfolgerung zu gelangen.

Industrial Analytics Funktionen

All diese Funktionen werden die betriebliche Effizienz der Produktion und der Abläufe verbessern und gleichzeitig die Belastung der menschlichen Bediener verringern. Andererseits ist die Analytik keine Zauberei, sie erfordert eine Kombination aus der Beschaffung der richtigen Daten zum richtigen Zeitpunkt und der Anwendung der richtigen Analysealgorithmen und -modelle, die durch das notwendige technische Fachwissen sowohl der Maschinenhersteller und Systemintegratoren als auch der Anlagenbetreiber selbst geleitet werden. Es ist wichtig zu erkennen, dass dies ein Prozess des ständigen Lernens und der Verbesserung ist, wie bei allen intelligenten Prozessen.

Wenn industrial Analytics allerdings genutzt wird und das volle Potenzial ausgeschöpft wird, können damit enorme Werte und Vorteile für das Unternehmen entstehen.

Wenn auch Sie die Anwendung von industrial Analytics in Ihrem IIoT in Betracht ziehen, dann kontaktieren Sie uns jetzt für ein unverbindliches Beratungsgespräch.