Industrielle Leistung steigern: Überwachungsherausforderungen mit IoT & Analytics meistern

Ein Blick darauf, wie IoT und Analytics die Leistungsüberwachung industrieller Anlagen und Prozesse verbessern und optimieren können.

Viele Industrieunternehmen setzen auf Digitalisierungsbemühungen, um Betriebsabläufe zu verbessern und Effizienz zu steigern. Ein Hauptaugenmerk liegt dabei auf dem Einsatz von IoT und Analytics zur Verbesserung der Leistungsüberwachung industrieller Anlagen und Prozesse.

RTInsights sprach kürzlich mit Andreas Steidele, Senior Enterprise Sales Executive bei Siemens. Thema waren die Branchenherausforderungen bei der Leistungsüberwachung, wie Siemens MindSphere helfen kann und die Vorteile einer solchen IoT-Lösung. Hier eine Zusammenfassung des Gesprächs.

RTInsights: Welche Branchenherausforderungen gibt es bei der Leistungsüberwachung?

Steidele: Seit Jahren steht Hersteller vor der größten Herausforderung: die manuelle Dateneingabe mit papierbasierten Tools. Das am häufigsten genutzte Tool ist immer noch Excel – und das ist für Digitalisierung schlicht ungeeignet. Es entstehen menschliche Fehler und Übertragungsprobleme. Man kann nie sicher sein, dass die Daten stimmen.

Eine weitere Herausforderung ist die fehlende Standardisierung der Datenerfassungsmethoden. Wenn ein Unternehmen viele verschiedene Tools nutzt, arbeiten diese oft unterschiedlich und verwenden unterschiedliche Algorithmen zur Datenerfassung und -darstellung.

Auch die Anlagenlandschaft ist eine Herausforderung, besonders in größeren Werken, die im Laufe der Zeit viele verschiedene Anlagentypen angeschafft oder übernommen haben. Eine heterogene Landschaft mit unterschiedlicher Hard- und Software erschwert die Anbindung jedes Geräts und den Datenabruf.

Schließlich fehlt die nötige Intelligenz, um Daten aufschlussreich und verfügbar zu machen, damit Schlussfolgerungen gezogen und Wert daraus geschöpft werden kann.

RTInsights: Welche Technologien und Lösungen von Siemens adressieren diese Herausforderungen?

Steidele: Siemens bietet mit MindSphere eine Industrial-IoT-as-a-Service-Lösung, die in der Cloud gehostet wird. Sie verwaltet ein Repository für Daten, die von Anlagen und Maschinen in die Cloud gesendet werden. Die Daten liegen in einem spezifischen Datenmodell vor, definiert nach Assets und Maschinen mit Kontextinformationen.

Darauf aufbauend gibt es MindSphere-Anwendungen, die die Daten für Analysen und andere Funktionen nutzen. Im Performance Management zeigen sie die definierten KPIs und geben Aufschluss darüber, wie sich Maschinen in puncto Qualität, Leistung und Wartung verhalten.

Mehrere Anwendungen arbeiten zusammen zu einer robusten Leistungsüberwachungslösung:

• SIMATIC Notifier liefert Alarme und ermöglicht Managern, den Zustand ihrer Maschinen weltweit zu verfolgen und zu überwachen. Schwellenwerte lassen sich setzen und Zeitreihendaten in MindSphere überwachen. Manager können Workflows in der App basierend auf diesen Daten implementieren.
• SIMATIC Performance Insight bietet Maschinen- und Anlagenleistung auf einen Blick. Manager erhalten einen vollständigen Leistungsüberblick über Maschinen, Produktionslinien und globale Standorte. Leistungskennzahlen können über Zeiträume überwacht und Daten analysiert werden – etwa für ausgewählte Perioden zur Erkennung ungenutzter Leistungspotenziale.
• SIMATIC Collaboration Board bietet eine kollaborative Lösung für Produktionsprobleme. Die App ermöglicht Managern, Probleme und Lösungen standort- und teamübergreifend zu teilen, Aufgaben zuzuweisen und zu verwalten sowie den Status von Problemen und Lösungen zu verfolgen.

MindSphere integriert die Fähigkeiten dieser Anwendungen und ermöglicht End-to-End-Workflows für die Leistungsüberwachung. Ein typisches Szenario: Ein Manager erhält einen Alarm, dass etwas nicht stimmt. Er betrachtet und analysiert KPIs und andere Kennzahlen, um das Problem zu verstehen. Anschließend durchsucht er die kollaborative Datenbank, ob eine Lösung für das identifizierte Problem bereits existiert. Falls nicht, kann er verschiedene Methoden zur Problemlösung nutzen und dokumentieren, was funktionierte, damit künftig andere davon profitieren.

RTInsights: Welche Vorteile bietet eine solche IoT-Lösung?

Steidele: Mit der richtigen IoT-Lösung sind alle Assets verbunden und senden Daten in einen Cloud-Speicher. So sind die Daten nicht nur lokal, sondern global verfügbar – von überall auf der Welt abrufbar. Das ist wahrscheinlich der größte Vorteil von MindSphere. Daten stehen global zur Verfügung, um Maschinen oder Assets über IoT-Protokolle einfach anzubinden.

Darauf aufbauend lässt sich einen Schritt weitergehen: In die Analytics eintauchen, um Probleme an Maschinen zu identifizieren und zu lösen. Wenn Maschinen nicht gut laufen, sinkt der Durchsatz. Leistungsüberwachung durch MindSphere bietet ein mächtiges Werkzeug, um sicherzustellen, dass Qualität den Erwartungen entspricht, und um Maßnahmen für kontinuierliche Verbesserungen bei Leistung, Qualität etc. zu ergreifen.

Hervorzuheben ist auch, dass Leistungsüberwachung und kollaborative Fähigkeiten von MindSphere sofortige Verbesserungen bringen und der Eckpfeiler für Unternehmen sein können, die eine digitale Transformation angehen.

RTInsights: Können Sie Beispiele nennen, wie sich diese Vorteile realisieren lassen?

Steidele: Ein simples Beispiel: Wartung. Vor IoT musste bei einem Maschinenproblem die Service-Hotline angerufen werden. Ein Techniker musste ans Telefon, das Problem ermitteln, und meistens vor Ort fahren, um es zu reparieren.

Mit neuen Digitalisierungsbemühungen über IoT stehen diese Daten am Service-Standort zur Verfügung. Niemand muss mehr vor Ort fahren, um zu sehen, was los ist. Man hat virtuellen Einblick in die Maschine, ihre Parameter und ihr Verhalten – von einem anderen Standort aus. Man zieht Schlüsse und kann, falls ein Update, Software-Fix oder Hotfix nötig ist, dies remote durchführen. Oder, falls nicht remote behebbar, trifft der Servicetechniker bereits vorbereitet ein, weiß, wonach er suchen muss.

So können Service- und Wartungsarbeiten oft virtuell und schneller erledigt werden – was enorme Kosteneinsparungen bringt, da Zeit, Reiseaufwand und Arbeitsstunden gespart werden.

Ein weiteres Beispiel: Leistung. Wenn alles vor Ort war, konnte man nur Leistungsdaten einer einzelnen Maschine oder eines einzelnen Werks betrachten. Der Vergleich von Linien oder Werken anderswo war schwer, da Daten meist nicht global verfügbar waren. Schlimmer noch: Daten wurden standortabhängig unterschiedlich erfasst, jeder hatte eigene Berechnungsmethoden.

Mit Performance Monitoring über Industrial IoT lassen sich alle Standorte oder Linien gleich messen. Das ermöglicht Datenvergleich, weil es eine einzige Quelle der Wahrheit gibt. Man kann die Leistung von Linien und Werken benchmarken, Schlussfolgerungen ziehen und sehen, welches Rezept, welche Schicht am besten läuft oder wer Schulung braucht, um seine Maschinenlinie effizienter zu bedienen.