Mittlerweile gibt es eine Vielzahl von Anwendungen, um Daten zu analysieren und aufzubereiten. Das reicht vielen Unternehmen aber noch nicht, sie wollen relativ genaue Prognosen. Eine Möglichkeit bietet Advanced Analytics. Doch wie viel Potenzial steckt darin?
Faszinierende Möglichkeiten bietet heutzutage die Auswertung von Daten. Hoch im Kurs stehen vor allem prädiktive Technologien wie Advanced Analytics, statistische Modelle und Machine Learning (ML). Damit ist es möglich, frühzeitig Abweichungen zwischen dem Ist- und dem Sollzustand zu erkennen und – ausgehend von der Frage „Was wäre, wenn …“ – künftige Entwicklungen und Ereignisse vorherzusagen. Ob Daten zum Zustand einer Maschine oder zu den Abwanderungstendenzen von Kunden: Mit prädiktiven Technologien können Unternehmen Zusammenhänge schnell analysieren und auf die Zukunft hochrechnen. Das erhöht die Planungssicherheit und hilft, bessere Entscheidungen zu treffen.
Mit Predictive Maintenance den perfekten Zeitpunkt abpassen
Ein typisches Anwendungsszenario ist die vorausschauende Wartung von Maschinen und Anlagen (Predictive Maintenance). Der perfekte Zeitpunkt für den nächsten Wartungstermin, der früher nur anhand von Schätzungen und Erfahrungswerten zu beantworten war, lässt sich heute genau berechnen – auf Basis von Vergangenheitsdaten und statistischen Vorhersagemodellen. Ein erheblicher Fortschritt. Denn bisher unterlagen Maschinen und Anlagen einem starren Wartungszyklus, der irgendwann einmal festgelegt worden war. Die tatsächliche Beanspruchung einer Maschine richtet sich jedoch nicht nach fixen Zeiten und Abständen, sondern nach Einsatzzweck, Alter sowie der Auslastung einer Maschine. Ein Wartungszyklus in immer gleichen Abständen wird diesen Umständen nicht gerecht und kann unnötige Kosten verursachen – etwa, weil ein Bauteil häufiger ausgewechselt wird als notwendig oder weil der Austausch zu spät erfolgt und einen Maschinenschaden verursacht, was wiederum zu Produktionsausfällen führt.
Mit bedarfsgerechter Wartung Kosten sparen
Mithilfe von Predictive Maintenance lässt sich die Wartung einer Maschine oder Anlage dagegen nach dem tatsächlichen Instandhaltungsbedarf steuern. Zu diesem Zweck werden im laufenden Betrieb kontinuierlich Daten gesammelt und analysiert. Auf Basis dieser Datensätze lernt das System ständig dazu und ermöglicht es, Live-Daten über ein Modell zu interpretieren. Damit können dann für jede Komponente oder Anlage individuelle Instandhaltungstermine definiert werden. Das ist smart und reduziert die Wartungskosten sowie die Gefahr von Ausfällen. Ersatzteile lassen sich zum richtigen Zeitpunkt in der richtigen Menge bestellen, und auch die Arbeitszeiten der Techniker sind optimal planbar. Eine zentrale Rolle spielt die jeweilige Beanspruchung der Maschine oder Anlage: Bei höherer Auslastung wird der Wartungszeitraum verringert, um einen Maschinenschaden auszuschließen. Bei einer geringeren Belastung wird der Wartungszeitpunkt entsprechend nach hinten verschoben, um unnötige Kosten und Stillstände in der Produktion zu vermeiden.
Daten visuell aufbereiten und analysieren
Ein typisches Beispiel für den Einsatz von Predictive Maintenance ist die Instandsetzung von Abfüll- und Verpackungsanlagen in der Lebensmittelindustrie. Dabei werden bestimmte Prozessparameter von Maschinen und Anlagen überwacht, um bereits im Vorfeld eventuelle Qualitätsabweichungen automatisiert zu erkennen. Die Steuerung erfolgt über die Softwareplattform Zenon von Copa-Data, mit der sich die erfassten Daten visuell aufbereiten und analysieren lassen. Dadurch werden wertvolle Informationen ersichtlich – zum Beispiel zum Verschleiß einer Flaschenbeschichtungsstation. Das frühzeitige Entdecken von Abnutzungserscheinungen ermöglicht es, die Wartungstermine entsprechend im Voraus zu planen. Möglich ist dabei auch die Klassifizierung von Ereignissen nach Schweregrad: Handelt es sich nur um eine Warnung – oder muss man tatsächlich von einer Störung ausgehen?
Mit Advanced Analytics Ressourcen-Einsatz optimieren
Neben der vorausschauenden Wartung wird Advanced Analytics auch im Ressourcen-Management sowie in der Produktionsplanung und -kontrolle eingesetzt. Zum Beispiel lässt sich aus den Daten einer Fertigungsanlage ein genaues Bild über den Ressourcenverbrauch erstellen – und zwar nicht nur für die Vergangenheit, sondern hochgerechnet bis zum Ende des Abrechnungszeitraums. Damit können Unternehmen ihre Ressourcen exakt planen und steuern.
Ein weiteres Einsatzgebiet ist die Prozessoptimierung: Um das Produktionsergebnis einer Maschine zu verbessern, gilt es zunächst zu identifizieren, wie sich einzelne Parameter jeweils auf den Herstellungsprozess auswirken. Da Advanced-Analytics-Anwendungen in der Lage sind, Korrelationen zwischen einzelnen Werten und Datenpunkten zu ermitteln, lässt sich der Prozess auf diese Weise enorm beschleunigen.
Autor: Waldemar Pelowski
(c)2020
Vogel Communications Group
Bitte beachten Sie
Die Beiträge in der Rubrik "Trends und Innovationen" sind Inhalte unseres Medienpartners Vogel Communications Group GmbH & Co. KG. Sie spiegeln nicht unbedingt die Meinung von DATEV wider.
Vogel Communications Group
