Datengesteuerte Fertigung ist da

Was ist datengesteuerte Fertigung?

Wichtige Entscheidungen, die sich auf den Herstellungsprozess auswirken, sollten immer auf Fakten beruhen, nicht auf Vermutungen, Wünschen, Theorien oder Meinungen. Die aufkommende Technologie von heute hilft, indem sie es sowohl den Menschen als auch den Geräten ermöglicht, die Fakten zu sammeln und zu verarbeiten, die sie benötigen, um bessere Ergebnisse zu erzielen.

Der beschleunigte Einsatz von kostengünstigen Sensoren und deren Anbindung an das Internet hat viel Hype um die Zukunft der Fertigung ausgelöst. Das Internet der Dinge (IoT) und seine Anwendung von Big Data und Analytics haben zur Schaffung der nächsten Generation der Fertigung geführt. Dies beinhaltet die Verwendung von Daten zur Kostensenkung durch eine neue Vertriebs- und Betriebsplanung, eine drastisch gesteigerte Produktivität, eine Optimierung der Lieferkette und des Vertriebs sowie neue Arten von After-Sales-Services.

Datengesteuerte Fertigung ist eindeutig die nächste Welle von Fertigungsabläufen, um effiziente und reaktionsschnelle Produktionssysteme voranzutreiben. Hersteller sind endlich besser in der Lage, Daten sinnvoll und produktiv in ihre täglichen Entscheidungen einfließen zu lassen.

Vorteile der datengesteuerten Fertigung

VERBESSERTE SICHT

Die datengesteuerte Fertigung kann sicherstellen, dass die Betriebsleiter in der Fertigung ein tieferes Verständnis der Leistung basierend auf diesen im gesamten Unternehmen gesammelten Datenmetriken haben. Genaue Daten können den notwendigen Einblick nicht nur in die Leistung einzelner Anlagen, sondern auch in den gesamten Fertigungsbetrieb geben. Dies hilft Entscheidungsträgern, sich auf Bereiche zu konzentrieren, in denen sich Chancen ergeben, darunter schlechte Arbeitsschichten, wiederkehrende Maschinenstillstände oder andere Produktionsengpässe.

IOT-TECHNOLOGIEN UND ANALYTIK

Mit großen Datensätzen in der Werkstatt haben Hersteller die Möglichkeit, maschinelle Lernalgorithmen auszuführen, die komplexe Probleme lösen können. Durch künstliche Intelligenz und maschinelles Lernen wie diese können Hersteller fortschrittliche Verfahren wie die vorausschauende Wartung anwenden. Mithilfe dieser Verarbeitungsfunktionen oder des Zugriffs auf Daten können sie auf detaillierte Formen der datenbasierten Entscheidungsfindung zugreifen.

AUTOMATISIERUNG

Automatisierung existiert in zwei Kategorien, die den datengesteuerten Ansatz verwenden. Die erste ist die automatisierte Sammlung von Daten, bei der bestimmte Geräte Daten mithilfe von Software sammeln, um sie zu verarbeiten. Dies erfordert keinerlei manuelle Eingriffe. Die zweite Komponente der Automatisierung ist die Verwendung von Daten zur automatisierten Entscheidungsfindung. Mithilfe von Predictive Analytics verwenden Hersteller zunächst Daten, um zu verstehen, was passiert ist oder gerade passiert, aber schließlich reifen sie, um zu verstehen, was passieren kann, und haben die Möglichkeit, selbstständig Maßnahmen zu ergreifen.

REDUZIERUNG DER BETRIEBSKOSTEN

Daten zusammen mit Lean Manufacturing bieten Herstellern die Möglichkeit, Produktionsprozesse zu rationalisieren und Verschwendung zu minimieren. Ohne diese Echtzeitdaten ist es schwierig, Produktionsverbesserungen genau zu messen und sicherzustellen, dass Änderungen zu Kosteneinsparungen geführt haben.

Herausforderungen der datengesteuerten Fertigung

SILED DATENFRAGMENTE UND TRADITIONELLE LEGACY SYSTEME:

Unterschiedliche Betriebssysteme, die nicht miteinander verbunden sind, zwischen verschiedenen Abteilungen und fehlende gemeinsame Dokumentation und Kommunikation können eine große Herausforderung sein. Es kann schwierig sein, diese Daten über verschiedene Systeme hinweg zu aggregieren, was auch bedeuten kann, dass die gesammelten Daten einen geringeren Wert haben. Eine IoT-gesteuerte Plattform, die mehrere Ebenen herkömmlicher Systeme verbinden kann und diese Legacy-Geräte online bringt, kann hier eine großartige Lösung sein .

MÖGLICHE SICHERHEITSGEFAHREN:

Wenn komplexere Geräte verbunden werden, besteht eine größere Wahrscheinlichkeit möglicher Schwachstellen für eine Daten- oder Sicherheitsverletzung. Da die Sicherheit auf Maschinenebene zuvor noch nicht berücksichtigt wurde, fehlen möglicherweise strenge Datenschutzstandards oder entwickelte Protokolle.

SICHERE DATENSPEICHERUNG:

Angesichts des erhöhten Datenvolumens, das aufgrund mehrerer verbundener Geräte und Systeme verbunden wird, die ein datengesteuerter Hersteller ermöglicht, stellt dies eine Herausforderung für die Datenspeicherung dar. All dieser wachsende Datenstrom benötigt ein zentrales Repository, das gesammelt und verarbeitet werden muss, was kostenintensiv sein kann, wenn der Benutzer Daten vor Ort speichern möchte.

VERSCHIEBUNG VON DER ZEITGETRIEBENEN ZU DER EREIGNISGETRIEBENEN FERTIGUNG:

Heutzutage arbeiten die meisten Fertigungsunternehmen nach dem zeitgesteuerten Fertigungsmodell. Alle Inputs werden dem ERP-System zugeführt, das die Rohstoffe in der gewünschten Form und Zeit in fertige Produkte umwandelt. Aber wenn die datengesteuerte Fertigung zur Norm wird, werden Maschinen dem ereignisgesteuerten Fertigungsstil folgen, was eine Verschiebung dieses Modells und der Produktionsperspektive für die Hersteller bedeutet.

Warum sind Daten ein einzigartiges Gut für Hersteller?

Daten sind eines der wichtigsten Assets für alle Unternehmen. Es ist klar, dass ein datengesteuerter Fertigungsansatz nicht nur vage „Verbesserungen“ hervorbringt, sondern auch den Durchsatz erheblich verbessert und zum Endergebnis beiträgt.

PepsiCo entdeckte dies, nachdem eine Analysesoftware implementiert wurde, um zu verfolgen, wie es Sodaaromen verteilt. Die Daten zeigten, wie das Problem des Versands so vieler Produkte behoben werden kann, dass sie vor der Verwendung abgelaufen sind. Nach der Anpassung des Saldos reduzierte PepsiCo die Sendungen und damit den Abfall.

Amazon ist ein weiteres überzeugendes Argument dafür, was Daten für Lieferketten leisten können. Das Unternehmen hat stark in die Automatisierung investiert, um seine Fulfillment-Center in zusammenhängende Ökosysteme zu verwandeln. Dank der datengesteuerten Fertigungsinnovationen hat Amazon die Planungskosten für die Lieferkette gesenkt und ein jährliches Gewinnwachstum erzielt.

Bei diesen Zahlen würde man annehmen, dass Hersteller fließend mit Daten umgehen wollen. Die digitale Transformation scheitert jedoch oft an mangelnder Zustimmung an der Spitze. Führungskräfte sehen fortschrittliche Technologien oft als Risiko. Es besteht auch die Befürchtung, dass neuere Technologien Arbeitnehmer ersetzen werden. Daher betrachten sich nur 31 % der Unternehmen als wirklich datengesteuerte Fertigung, gegenüber 37 % vor zwei Jahren.

Diese Ängste sind unbegründet. Wenn Fabriken Daten zur Verbesserung von Prozessen und künstliche Intelligenz zur Steigerung der Effizienz nutzen, werden diese Fabriken wettbewerbsfähiger. Untersuchungen haben ergeben, dass Hersteller 907 Milliarden US-Dollar (5 % des Umsatzes) für die Verbesserung der Konnektivität bereitgestellt haben und 72 % erwarten, dass sie bis 2020 „digital fortgeschritten“ sein werden. Daher ist die Nutzung von Daten unerlässlich, um relevant zu bleiben.

Dabei müssen die Hersteller mehrere Hürden nehmen. In erster Linie braucht das Unternehmen den richtigen Technologie-Stack und die Mitarbeiter, die ihn verwalten. Darüber hinaus muss der Zugang zu Daten verbessert werden, damit Entscheidungsträger (nicht nur die IT) über die genauesten Informationen verfügen. Schließlich müssen alle eingesetzten Technologien dynamisch genug sein, um bei Bedarf neue Arten von Daten und Analysen zu integrieren.

Herausforderungen in der datengesteuerten Fertigung

1. Die Integration mit Legacy-Systemen

Obwohl die industrielle Automatisierung ein evolutionärer Prozess ist und die Einführung fortschrittlicher Technologien spannend ist, ist es auch wichtig, einen Weg zu finden, sie neben etablierten und bewährten Legacy-Systemen zum Laufen zu bringen. Eine moderne Fabrik hat mehrere Systemebenen. Es kann zu einer Herausforderung werden, wenn der ursprüngliche Entwickler der selbstgebauten Legacy-Systeme mit knapper Dokumentation nicht vollständig mit den New-Age-Systemen verbunden werden kann. Es ist wichtig zu verstehen, dass es nicht darum geht, mit einem leeren Blatt Papier zu beginnen, sondern sich effizient in die vorhandene Konstruktions- und Fertigungsumgebung zu integrieren.

2. Herausforderungen der Systemsicherheit:

Verteilte Kontrollsysteme, die über das Internet verbunden sind, können bestehende Systeme dem unbefugten Zugriff von Angreifern aussetzen. Da immer mehr IoT-Geräte über Gateways verbunden werden, eröffnet dies auch Möglichkeiten, die Kontrolle und den Zugriff von überall zu ermöglichen. Die meisten der herkömmlichen Gateways für Fertigungssysteme müssten gegen die neuen Sicherheitsherausforderungen von IT-Diensten stark gehärtet werden. Dies bedeutet, dass genügend Rechenleistung hinzugefügt wird, um Netzwerk- und Sicherheitsaufgaben zu erledigen.

3. Über den reinen Datenaustausch hinaus hin zum Datenaustausch

Die Schaffung eines einheitlichen Datenmodells und die gemeinsame Integration aller unabhängigen Systeme in den Fertigungsprozess kann eine Herausforderung sein. Diese Daten müssen nahtlos in jede Geschäftseinheit abgebildet und an diese weitergegeben werden, um die Verschwendung von Ressourcen und Materialien zu minimieren. Der Einsatz von IoT-gesteuerten Sensoren, die potenzielle Fehler in allen Geräten erkennen können, kann eine Möglichkeit sein, Fehler beim Datenaustausch zu minimieren.

4. Ungenaue oder unvollständige Daten

Wenn vorhandene Fertigungsdaten selbst unvollständig oder ungenau sind, kann dies die Entscheidungsfindung beeinträchtigen, insbesondere bei kritischen Projekten, bei denen Daten das Rückgrat für den Erfolg sind. Dies bedeutet auch, dass viel Zeit, Mühe und Ressourcen aufgewendet werden, um die Daa-Aufzeichnungen zu vervollständigen oder sicherzustellen, dass sie sachlich und authentisch sind.

Wie kann datengesteuerte Fertigung helfen?

Laut Forrester datengesteuerte Unternehmen verzeichnen ein jährliches Wachstum von 30 %, sind profitabel und gewinnen und binden neue Kunden.

1. UNERWARTETE EINSICHTEN FÜR ENTSCHEIDUNGSFÄLLE ABLEGEN :

Die Entwicklung unerwarteter datengesteuerter Erkenntnisse mithilfe von Advanced Analytics kann weitere Möglichkeiten aufdecken, um schnelle und genaue Entscheidungen zu treffen. Mit den richtigen Daten können sich Hersteller auf die wichtigsten Probleme und Chancen konzentrieren. Ein klares Verständnis dafür, ob Hersteller die richtigen Dinge messen, indem sie KPIs für Probleme festlegen, kann helfen, diese leicht zu lösen

2. TIEFE EINBLICKE IN HERSTELLUNGSPROZESSE :

Advanced Analytics kann Herstellern helfen, ungeahnte Möglichkeiten zur Steigerung der Produktionsausbeute aufzudecken. Oftmals gehen sie davon aus, dass alle möglichen Prozessverbesserungen implementiert wurden, und können anhand von Daten tiefere Verbesserungsaussichten ergründen. Mit diesen datengetriebenen Erkenntnissen können auch Lösungen für schon länger bestehende Probleme gefunden werden, die den Betriebsumfang mit vorhandenen Ressourcen weiter erhöhen.

3. KOSTENEINSPARUNGEN:

Ein produzierendes Unternehmen, das Echtzeit-, Produktionsdaten sowie ausgeklügelte statistische Auswertungen verwendet, kann einfach die einst isolierten Datensätze nehmen, die Daten aggregieren und dann analysieren, um kritische Erkenntnisse zu gewinnen. Dies kann einen großen Beitrag zur Reduzierung des Betriebs leisten Kosten bei gleichzeitiger Beschleunigung der Ergebnisse.

4. MARKTRENDS VORHERSAGEN:

Der datengesteuerte Hersteller kann Analyseplattformen für eine verbesserte Vorhersage von Anpassungsanforderungen nutzen. Dies geschieht, indem schwankende Muster und Trends im Kundenverhalten identifiziert werden. Die Datenanalyse ermöglicht eine granulare Ansicht der Herstellungsprozesse, die intelligentere und genauere Produktionsentscheidungen ermöglicht, die durch prädiktive Analysen geleitet werden.

Künstliche Intelligenz für die datengesteuerte Fertigung

Da die meisten datengesteuerten Fertigungsprozesse ein hohes Maß an Genauigkeit, ständige Verbesserungen der Produktionsqualität und höchste Qualität der Wartungsprozesse erfordern, findet Künstliche Intelligenz (KI) ihren Weg, diese Ergebnisse für diese Branche einfach zu liefern.

Durch den Einsatz von KI wird die Fertigung datenorientierter, was den Herstellern die Möglichkeit gibt, sowohl die Produktivität als auch den Gewinn zu steigern. Es hilft ihnen auch, mit seinen vielen KI-gesteuerten analytischen Anwendungen, einschließlich intelligenter Wartung, Qualität 4.0, prädiktiver Intelligenz, Mensch-Roboter-Kollaboration usw., den Weg zu weisen, um weiter zu wachsen.

5 Schritte zur Implementierung einer datengesteuerten Fertigung

Hersteller werden erst nach einer systematischen Transformation datengetrieben. Folgen Sie diesen Schritten:

1. UNTERSUCHEN SIE ZEITENFÄLLE.

Lead time, more than any other variable, reveals where true problems exist in the supply chain. Look for bottleneck operations, then investigate how and why they happen and what impact they have. Optimizing manufacturing operations management requires many things to be fine-tuned, but eliminating persistent delays and lost time is the priority.

2. DRAW ON EXISTING DATA.

Even if manufacturers need to collect more data from more sources to gain true insights, they already have data they can begin analyzing. It could be financial, operational, or physical — all of it contains insights that might be relevant to process engineers and continuous improvement experts. Working with available data helps companies cultivate their capabilities for the “big” data coming later.

3. USE AI TO SEARCH FOR INSIGHTS.

Collecting data is the first challenge; finding the insights within that data is the second. AI can aid this effort because it’s smarter and faster than humans. Analytics-driven by AI have been shown to improve order-to-delivery cycle times by 425% and supply chain efficiency by 260%. Compared to the alternatives, AI in supply chain makes it easy to begin leveraging analytics effectively.

4. EXPOSE THE UNKNOWNS.

The majority of details related to operations are unknown, even at the world’s leading factories. Data should be collected from sources that can illuminate these unknowns. Installing connected sensors is an ideal way to learn about previously opaque processes.

5. KEEP THINGS IN PERSPECTIVE.

As manufacturers become more fluent with data, it’s tempting to become as tech-driven as possible. However, fully automated manufacturing is only an asset for some companies, namely those with predictable demand. In companies where demand is dynamic, automation is less of an asset. Every technology should be evaluated based on whether it delivers actual business value rather than just advanced capabilities.

People mistakenly think manufacturing is data-driven because logically it absolutely should be. Decision-makers are discovering this at the exact same time that technologies like IoT and Big Data solutions are finally making it possible. It’s an incredible opportunity, but soon it will become an industrywide obligation.

Towards data-driven bottleneck elimination technology

ThroughPut’s Supply Chain planning software ELI is an AI-Powered Bottleneck Elimination Engine that analyzes your existing industrial data in real-time. ELI continuously detetects, identifies, prescribes and prevents your shifting operational bottlenecks to save millions in delays, inefficiencies &lost revenue. YOu finally can breakthrough bottlenecks that clog productivity, growth and profitability using data-driven decisions.

Click here to start your free trial with ELI today and start benefiting from the power of “data” for your factory operations.