Homogenisierung von Maschinendaten

Andrea Gillhuber,

Demokratisierung der Maschinendaten

Seit der mittelständische Spritzgießbetrieb Peiler & Klein mit Hilfe der Siemens MindSphere den Weg zur Smart Factory eingeschlagen hat, sprudeln die Industrie-4.0-Ideen nur so. Grundlage dafür ist eine Homogenisierung der Maschinendaten durch die Elastic-Gear-Architektur des Nürnberger Systemhauses Data Ahead. 

Im Industrial Internet of Things geht es erst einmal darum, die Daten zu homogenisieren. © Shutterstock – GarryKillian

Mit rund 100 Mitarbeitern fertigt Peiler & Klein Kunststofftechnik im fränkischen Höchstadt an der Aisch seit 1994 technische Spritzgussteile für die Automobil-, Elektrotechnik-, Haustechnik-, Kosmetik- und Luftfahrtindustrie – unter anderem für Siemens. So werden im Jahr rund 17 Millionen Kunststoffteile an das Elektronikwerk Amberg und das benachbarte Gerätewerk des Konzerns geliefert.

Um seine Rolle als Top-Lieferant auch in Zukunft zu sichern, machte sich Geschäftsführer Christian Werner bereits 2015 auf den Weg in Richtung Smart Factory. Die erforderliche Grundlage war bei dem Mittelständler dank des hochmodernen Maschinenparks bereits vorhanden. Die Rohdaten aus den rund 70 Spritzgussmaschinen mussten also „nur“ noch bereitgestellt und ausgewertet werden.

Doch um den unternehmensübergreifenden Datenaustausch sicher zu gewährleisten und den Kunden jederzeit eine hohe Transparenz durch den Echtzeitzugriff auf wichtige Qualitäts- und Produktionsdaten bieten zu können, braucht es vor allem zwei Dinge: eine zuverlässige Anbindung an das Industrial Internet of Things (IIoT) sowie eine gezielte Verwertung der von den Maschinen bereitgestellten Daten. „Laut einer Studie sind aktuell weniger als fünf Prozent der Anlagen und Maschinen in den Unternehmen in der Lage, Daten so zur Verfügung zu stellen, dass sie sinnvoll genutzt werden können“, verweist Jürgen Kramer, Vertriebsleiter in der Siemens-Division Digital Factory, auf die Herausforderung.

Anzeige

Analysewerkzeuge aus der Cloud

Die Verwandlung von Big Data in smarte Daten leistet etwa die Siemens-Plattform MindSphere, die Maschinendaten mithilfe eines breiten Spektrums von Apps in der Cloud analysiert. Diese Informationen tragen dann dazu bei, die Verfügbarkeit zu erhöhen sowie Produktivität und Effizienz einzelner Maschinen, ganzer Anlagen, Systeme und verteilter Maschinenparks zu verbessern. „Aber solchen neuen Funktionen und Services fehlt meist der direkte Zugriff auf die Rohdaten im Shopfloor“, weiß Ulrich Grauvogel vom Nürnberger Systemhaus Data Ahead.

Christian Werner (rechts), CEO von Peiler & Klein, zeigt die Wirkung der Elastic-Gear-Rohdatenarchitektur auf Simatic Panel-IPCs. © Siemens

Das Problem: Die in den Betrieben vorhandenen Systeme für das Enterprise Resource Planning (ERP) oder Manufacturing Execution (MES) halten häufig mit der Volatilität des digitalen Wandels nicht Schritt. Auch, weil proprietäre Middleware und dedizierte Schnittstellen und Gateways eine transparente Bereitstellung und Auswertung von Fertigungsdaten erschweren. „Bevor sich Unternehmen ins Industrie-4.0-Thema stürzen, sollten sie deshalb zunächst einmal ihre Industrie-2.0-Hausaufgaben machen und alle teilnehmenden Datenquellen homogenisieren“, empfiehlt Grauvogel.

Besonderen Wert legt er dabei auf die Feststellung, dass „Homogenisierung“ nicht mit „Formatierung“ oder „Standardisierung“ gleichzusetzen sei. Elastic Gear, die Architektur der Nürnberger für das schnelle Finden und Nutzen von Daten, schließt die Lücke und leistet die Homogenisierung sämtlicher Datenformate und -quellen, ohne dass Rohdaten verloren gehen.

Und mit der Hifive-App von Elastic Gear lassen sich sämtliche Anforderungen der MindSphere zur Verarbeitung von Massendaten erfüllen. Auch Christian Werner, Geschäftsführer von Peiler & Klein, stieß auf der Suche nach Hilfe auf das Nürnberger Systemhaus, das sich als „Hybrid-IIoT-Partner“ von Siemens im MindSphere-Ökosystem engagiert. Wie der fränkische Zulieferer setzt auch der Dienstleister auf eine konsequente Demokratisierung sämtlicher Daten.

„Maschinendaten sichtbar zu machen, ohne vorher zu definieren, wie und durch wen sie im Endeffekt ausgewertet werden sollen, war und ist der Leitgedanke und ein wichtiger Erfolgsfaktor in allen unseren Projekten“, unterstreicht Grauvogel.

Mehr Ideen für Optimierungen

Inzwischen homogenisiert Elastic Gear bei Peiler & Klein sämtliche verteilte Datenquellen, etwa an Trocknungsöfen und Granulatwaage oder den Sensoren an den Spritzgießmaschinen selbst. Mit Hilfe von Simatic Panel PCs, die einen Industrierechner mit einer Bedienfront integrieren, ist eine Visualisierung direkt an der Anlage möglich. So können die Fertigungsprozesse direkt auf Shopfloor-Ebene selbst im Team und in Echtzeit analysiert werden. Gleichzeitig hält sich der Installationsaufwand in Grenzen: Die Hardware-Komponenten werden lediglich als „Huckepackgerät“ an die jeweilige Fertigungsmaschine angedockt, ohne einen Eingriff in die jeweilige Prozesssteuerung vornehmen zu müssen.

Steffen Duempelmann (rechts) zeigt anhand eines Spritzgussteils der Simantic S7-1500 den Weg zu einem digitalen Zwilling am Computertomographen. © Siemens

Durch die Visualisierung der Daten direkt an der Maschine sprudelten die Ideen, und Anwendungen wie etwa die Anzeige der Overall Equipment Effectiveness (OEE), das Loadbalancing zwischen einzelnen Maschinen, eine umfassende Werkzeugüberwachung, Verfolgbarkeit (Traceability) und der Einsatz von digitalen Zwillingen wurden durch die Fertigungsmitarbeiter selbst vorangetrieben.

Mit Anbindung an die MindSphere sind nun endlich auch die dortigen leistungsstarken Analysetools zugänglich. An weiteren spannenden Einsatzmöglichkeiten zur Erschließung immer neuer Optimierungspotenziale herrscht kein Mangel. „Fast täglich werden Lösungen gefunden, nach denen gar nicht aktiv gesucht wurde“, berichtet Werner. Der Appetit komme hier beim Essen.

Die 5 V im industriellen Big-Data-Einsatz

Ulrich Grauvogel, CMO von Data Ahead © Data Ahead

Bei der Bereitstellung von Maschinendaten über das Industrial Internet of Things (IIoT) sind fünf Faktoren zu berücksichtigen. Dies sind nach den englischsprachigen Begriffen die folgenden 5 V: Variety (Vielfalt), Velocity (Geschwindigkeit), Visibility (Sichtbarkeit), Volatility (Flüchtigkeit) und Volume (Menge). Ulrich Grauvogel, CMO von Data Ahead, beschreibt sie hier im Einzelnen.

1. Die Vielfalt der Formate und Quellen für die Speicherung von Daten im industriellen Umfeld ist unübersehbar: Neben strukturierten Informationen wie etwa Stammdaten fließen zunehmend auch semistrukturierte (z. B. E-Mails) und unstrukturierte Daten – wie etwa Posts aus dem Social Web – in die Datenverarbeitung ein. Gleichzeitig gilt es, Unternehmens- und Fremddaten sowie maschinelle und durch Menschen erzeugte Informationen miteinander zu harmonisieren, ohne sie unter Informationsverlust in bestimmte Formate zu pressen.
2. Die Geschwindigkeit ist im IIoT mit seiner enorm wachsenden Anzahl beteiligter Geräte ein wesentlicher Faktor. Denn bei verketteten Abhängigkeiten steigen die Antwortzeiten exponentiell über der Zahl der beteiligten Instanzen. Als Richtwert für eine zeitliche Obergrenze gilt die „magische Sekunde“. Diesen Zeitraum ist auch ein Mensch bis zur Antwort eines Automaten bereit zu warten.
3. Eine Sichtbarkeit von rohen Maschinendaten ist keine Selbstverständlichkeit: Bei der Hälfte der weltweit gespeicherten Unternehmensdaten handelt es sich um „Dark Data“, deren Inhalt und Geschäftswert noch unbekannt sind. Umso wichtiger ist es, beides sicht-, korellier- und nutzbar zu machen, ohne auf proprietäre Viewer oder Dashboardentwicklungen angewiesen zu sein.
4. Durch ihre Flüchtigkeit unterscheiden Kunden- und Geschäftsprozessdaten sich deutlich von maschinellen Rohdaten. Diese verfallen oft bereits kurz nach der Verarbeitung und stehen künftigen Services nicht mehr zur Verfügung. Gute Architekturen dagegen halten Vergangenheitswerte auch nach Jahren noch in uneingeschränkter Rohqualität ad hoc verfügbar.
5. Die Menge der verfügbaren Daten steigt im Zeitalter der Digitalisierung weiter exponentiell an. Herkömmliche Datenbanksysteme stoßen dadurch schnell an ihre Grenzen. Gefragt sind deshalb Multi-Node-Technologien und Cloud-Plattformen, die frei skalierbar mitwachsen.

Bernhard Müller-Hildebrand, freier Journalist aus Düsseldorf /ag

Anzeige

Das könnte Sie auch interessieren

Anzeige

MES

Die wichtigsten Aufgabenfelder

Mittelständische Fertigungsunternehmen haben oft mit mehr Komplexität zu kämpfen als man denkt. Die Vorteile, die einem produzierenden Unternehmen jedoch durch den Einsatz einer Standard-MES-Lösung entstehen, reichen von der Optimierung der...

mehr...
Anzeige

Schutzelemente: 100% Rezyklat

Wir machen das. Ressourcenschonender.

Initiative PÖPPELMANN blue®: GPN 608 und GPN 610 – 100% Rezyklat, unveränderte Leistungsfähigkeit.

Hannover Messe: Halle 4, Stand F10 und Halle 21, Stand B13.

mehr...
Anzeige

OEE-Monitor

Schleierlos

stellt sich die Fertigung durch den OEE-Monitor dar. Das Software-Tool dient zur Ermittlung der Effizienz von Maschinen und Anlagen und der Overall Equipment Effectiveness (OEE).Der OEE-Wert ist eine der aussagekräftigsten Kennziffern für die...

mehr...
Anzeige

Highlight der Woche

Effizienz von Werkzeughilfsmitteln und Vorrichtungen durch den 3D-Druck steigern
Dieses White Paper, zeigt ihnen, dass es oft einen besseren und schnelleren Weg gibt, Werkzeughilfsmittel und Vorrichtungen herzustellen, wodurch Kosten gesenkt und die Effizienz erhöht werden kann.

Zum Highlight der Woche...

Webservices

Mobile Datenerfassung vereinfacht

Die neuen Deleco-Webservices von Delta Barth integrieren die mobile Datenerfassung. Webservices sind die technologische Weiterentwicklung von dateibasierten Schnittstellen und agieren als Austauschzentrale zwischen zwei Software-Systemen.

mehr...

Newsletter bestellen

Immer auf dem Laufenden mit dem SCOPE Newsletter

Aktuelle Unternehmensnachrichten, Produktnews und Innovationen kostenfrei in Ihrer Mailbox.

AGB und Datenschutz gelesen und bestätigt.
Zur Startseite