Maschinendaten für intelligentere, effizientere Fertigung nutzen

Maschinendaten zur Shopfloor-Optimierung einsetzen

Automatisierte Fertigungsanlagen (CNC-Maschinen) und die Menschen, die sie bedienen, sind das schlagende Herz jedes Fertigungsbetriebs und stellen einen der größten Kapitaleinsätze für Hersteller dar. Diese Maschinen sind Hunderttausende Dollar wert und produzieren mehr Daten als jede andere Branche – doch diese Daten werden nicht erfasst oder analysiert, um Effizienz zu verbessern, trotz aller Innovationen in Robotik und Automatisierung.

Diese Maschinen produzieren hunderte Datenpunkte jede Millisekunde, und die Datenstruktur unterscheidet sich für jede Maschine. Das macht es unglaublich wichtig, Daten über alle verschiedenen Maschinen zu standardisieren. Doch das ist bei bestimmten Equipment schwierig.

Es ist nicht so einfach, via OPC-UA oder MTConnect zu standardisieren, weil nur ein Bruchteil der Maschinen diese Protokolle unterstützt. Wir haben Kunden, die JAHRE damit verbracht haben, DIY-Lösungen zu nutzen, um Daten von ihren Assets zu sammeln und in Standardmodelle zu transformieren – manuell Datenpunkt für Datenpunkt, Maschine für Maschine zu kodieren. Das resultiert oft in Jahren Custom Development und Integration, bevor erster Wert erzielt wird – eine furchtbare Fehlallokation von Ressourcen für Hersteller.

Die Insights und Aktionen, getrieben aus den Daten, bilden das Fundament für Hersteller, ihr Geschäft auszubauen und sich wettbewerbsfähig zu differenzieren. Heute befinden sich Hersteller an verschiedenen Stadien einer Reise, Daten und den Digital Thread zu nutzen, um Geschäftsprozesse zu optimieren und zu automatisieren.

Bei MachineMetrics begegnen wir vielen Herstellern, die früh in ihrer Reise entdecken, dass Daten aus ihren Werksoperationen unzureichend und unzuverlässig sind. Bei Schlüsselmeteriken wie Anlagenauslastung sind Hersteller ohne automatisierte Systeme für Erfassung transformierter/kontextualisierter Daten von Maschinenassets oft der irrigen Überzeugung, sie performten zufriedenstellend. Realität: Unser durchschnittlicher Fertigungskunde startet mit 28 % Auslastung – signifikant niedriger als wahrgenommen. Ähnlich unbefriedigende Statistiken finden sich für OEE, Stillstand und andere Key Metrics.

Die Kehrseite manueller Datenerfassung

Die zugrundeliegende Ursache der subparen, doch aufgeblasenen Leistungswahrnehmung liegt in manuell erfassten Daten. Manuelle Datenerfassung resultiert oft in ungenauen, manipulierten oder fehlenden Daten. Ein wackeliges Fundament, das bricht und knickt, wenn man versucht, Continuous Improvement und Innovation voranzutreiben.

Im Gegensatz dazu schafft präzise Echtzeitdaten, automatisch erfasst und transformiert von Maschinenassets, eine solide Basis für Insight-Gewinnung und Wertschöpfung. Natürlich leichter gesagt als getan.

Herausforderungen der Maschinendatenerfassung

Hersteller verstehen den Wert von Daten, und ein großer Grund für fehlende effiziente Datenerfassung und Datennutzung in Entscheidungsfindung ist zweifach:

• Hersteller sind technikavers oder nutzen veraltete Praktiken, was manuelle Datenerfassung und ihre Folgen zur Folge hat.
• Hersteller kämpfen mit vielen Barrieren beim Aufbau einer Kultur und Technologieinfrastruktur, die automatisierte Echtzeit-Datenerfassung erfolgreich unterstützt. Diese Herausforderungen decken wir unten ab:

Datenvielfalt

Nicht nur gibt es viele distincte Anlagentypen – Drehmaschinen, Fräsen, Spritzguss, Stanzen, Laserschneiden, Robotik usw. –, je nach verfügbaren Mechanismen zur Datenerfassung können die Datenpunkte sehr divers sein. Um effektive Tools für die Analyse dieser Daten über diese distincten Systeme bereitzustellen, müssen die Daten in ein gemeinsames Datenmodell transformiert werden. Nicht nur hat jede Maschinensteuerung ihren eigenen Mechanismus zur Datensammlung, sondern Datenpunkte können auch nach Familie, Marke und Modell der Maschine sowie Softwareversion der Steuerung variieren.

Datenvolumen

Fertigungsanlagen, besonders diskrete Fertigungsanlagen, sind sehr komplex. Eine Maschine ist ein großes System von Komponenten, die koordiniert zusammenarbeiten – resultierend in hunderten distincten Datenpunkten, die sich ständig ändern. Je nach Anwendung kann es Situationen geben, wo Datenerfassung mit 100 Hz oder 100 kHz nötig ist. Plattformen, die diese Informationen konsumieren, müssen Daten auf mehreren Systemebenen analysieren, um unnötiges Senden und Speichern zu vermeiden, wenn nur Aggregat oder berechnetes Ergebnis ausreicht. Diese Systeme müssen komplexe Verarbeitung dort durchführen können, wo sie am適切sten ist – sowohl am Edge als auch in der Cloud.

Direkte Verbindung zur CNC-Steuerung liefert großes Volumen an Maschinendaten in diversen Datenpunkten.

Datengeschwindigkeit

Während manche Systeme mit niedriger Fidelität und hoher Latenz Wert bieten, erfordern bestimmte IoT-Use-Cases deutlich mehr Echtzeitdaten für Effektivität. Edge-Technologie ist nötig, um hohe Datenvolumen zu verarbeiten, Entscheidungen in Millisekunden oder weniger zu treffen und zu handeln, um potenziell Schäden an Maschine oder Werkstück zu verhindern. Selbst Dashboards, die Transparenz in Job-Performance bieten, gewinnen enormen Wert aus niedrigen Latenzen – sie lenken sofort Aufmerksamkeit auf Prozesse, die hinterherhinken oder fehlschlagen.

Diskrete Fertigung bringt zusätzliche Komplexität. Begonnen mit der Variabilität der Maschinen in diskreten Fertigungsanlagen. Es gibt viele Maschinenhersteller, und kein Werk hat nur eine Marke. Die vielen Maschinen haben auch unterschiedliche Steuerungssysteme und Kommunikationsprotokolle. Sie sind unterschiedlichen Alters – von neu mit modernen Steuerungen bis 20–30 Jahre alt mit begrenzter Steuerungsfähigkeit. Anbindung und Datenerfassung der verschiedenen Werksassets ist ein signifikanter Aufwand, da die meisten dieser Maschinen nie für die Art holistischer, werks- oder unternehmensweiter Analytics-Lösungen designed wurden, auf die Unternehmen heute fokussieren.

Quellen von Bearbeitungsdaten

Die Schönheit eines vernetzten Betriebs: Hersteller können Daten aus zahlreichen Quellen sammeln und nutzen. Solange Daten kontextualisiert und relevant sind, hilft das Managern, tiefere Transparenz in Status und Performance des Shopfloors zu gewinnen – sogar Lücken zu füllen und Kontext zu bestehenden Daten hinzuzufügen.

Werkzeugmaschinen

Als wertvollste Quelle für Produktionsdaten liefert die Werkzeugmaschine einen Datenstrom, der von MachineMetrics kontextualisiert und für Echtzeit-Produktionsdashboards, Reporting und Notifications genutzt wird. Stakeholder werden sofort über Stillstandsereignisse benachrichtigt und sehen, wann Produktion hinter Plan zurückfällt – mit Zugriff auf Maschinendaten inkl. Maschinenstatus, Alarme, Overrides, Last, Geschwindigkeiten, Vorschübe.

Vernetzte Systeme

Um Lücken in Produktionsdaten zu füllen und zusätzliche Kontextlayer hinzuzufügen, kann es hilfreich sein, Daten zwischen verschiedenen Systemen in einer Fertigungsumgebung zu teilen – ERP, MES, CMMS, CAM usw.

MachineMetrics hat APIs, die Informationen von externen Quellen ziehen können. Diese Kombination aus Maschinen- und Operationaldaten kann gemeinsam für Insights oder Automation genutzt werden. Beispiel: Maschinendaten, die einen Ausfall anzeigen, können automatisch einen Work Order im CMMS triggern.

Bediener

Das MachineMetrics Operator Interface, das an jeder Maschine lebt, bietet ein Kommunikationswerkzeug für Bediener, um Kontext zu Maschinendaten hinzuzufügen. Das ist ein essenzieller Datenlayer, da er das „Warum“ hinter Stillständen, Alarmen, Ausschuss etc. erklärt.

Mit Tablets an jeder Maschine können Bediener wertvollen Kontext zu Maschinendaten liefern, Gründe für Stillstandsereignisse und Ausschuss dokumentieren.

Der MachineMetrics-Ansatz zur Automatisierung der Maschinendatenerfassung

In der Fertigung ist der Edge nötig, um Daten von Maschinen zu erfassen und in ein gemeinsames Datenmodell zu transformieren, damit Analytics durchgeführt werden können. Er muss diverse SPS-Protokolle unterstützen für Konnektivität über die Asset-Vielfalt auf dem Shopfloor. Er sollte auch Datenerfassung von Sensoren für einfachere Assets oder wenn keine Standardkonnektivität von der SPS verfügbar ist, unterstützen. MachineMetrics hat die meisten gängigen Industriestandardprotokolle mit ihren Nuancen entwickelt und unterstützt sowie Custom Connectors für viele verschiedene CNC-Maschinensteuerungen gebaut.

Unterstützte Standardprotokolle:

• OPC-UA
• MTConnect
• Modbus TCP
• Ethernet/IP

Custom Machine Control Connectors:

• FANUC FOCAS
• Heidenhain iTNC530 und iTNC640
• Citizen M700
• Mitsubishi M70/M80
• Brother Speedio
• HAAS Serial
• Matsuura CNC (Custom Alarme zum FANUC FOCAS Connector hinzugefügt)

Für Legacy-Maschinen reicht oft ein simpler Sensor, um Maschinenaktivität zu bestimmen und Auslastung zu reporten. Ein analoger Stromsensor wird oft genutzt, und es gibt Support für diverse Digital- und Analog-Acquisition-Geräte, inkl. Labjack. Das hat weitere Use Cases ermöglicht: Temperatur, Vibration, Druck erfassen und Relais in der Maschine anbinden.

Sowohl SPS/Steuerungs- als auch Sensorverbindungen können über das Online-Interface gewartet werden, und Daten können mit einer einfachen, speziell für IoT-Daten entwickelten Skriptsprache gefiltert, verarbeitet und transformiert werden.

Daten können im Low-Frequency-Modus gestreamt werden (bei Event-Change oder 1 Sample/Sekunde) oder im High-Frequency-Modus (1000 Samples/Sekunde) für bestimmte Steuerungen und Sensoren. High-Frequency-Support erforderte, dass MachineMetrics eigene Edge-Technologie für dieses hohe Datenverarbeitungs- und Streaming-Level entwickelte.

Um den Edge über Tausende Maschinen zu skalieren und Remote-Wartung, -Upgrade und -Support der Edge-Software zu ermöglichen, bietet die MachineMetrics Edge Platform Remote Device Management – gebaut für Remote-Konfiguration, Upgrade und Management von Edge-Geräten, die Daten an Kundensites sammeln. Support-Techniker und Kunden selbst können Issues troubleshooten, Diagnosen laufen lassen, Netzwerk konfigurieren und Firewall testen mit diesen Built-in-Tools. Ein Custom-Built CLI (Common Language Interface) bietet weitere Diagnosen und Support. Dieser CLI kann zum Upgrade von Geräten genutzt werden, aber Kunden erhalten bald die Option, Edge-Software selbst upzugraden.

MachineMetrics Edge Platform: skalierbare Lösung für Hersteller, selbst installierbar, um Daten von jedem Equipment einfach zu erfassen und actionable Machine Insights in Minuten zu ermöglichen.

Maschinendatenerfassung als Fundament für Smart Manufacturing

CNC-Maschinendatenerfassung beginnt mit Maschinenanbindung via vielfältiger Methoden – kabelgebunden und wireless.

Sobald Daten erfasst werden können, werden sie kontextualisiert und standardisiert für Echtzeit-Dashboards und Notifications sowie historische Reports für tiefere Analyse. Doch das ist erst der Anfang.

Maschinendaten repräsentieren das Fundament des Digital Threads, der unbegrenzte Use Cases zur Optimierung und Automatisierung von Geschäftsprozessen ermächtigt – damit Hersteller ihr Geschäft ausbauen und sich wettbewerbsfähig differenzieren können.

Doch der Wert von Maschinendaten kann nur effektiv genutzt werden, wenn sie automatisch erfasst und transformiert werden.

Was wir bei Kunden sehen, die dies mit Papier und manuellen Lösungen angehen: Produktionsdaten sind weit weniger effektiv – verzögert, ungenau, unkontextualisiert, nicht skalierbar über simple Use Cases hinaus. Oder schlimmer: voller Lücken oder inexistent.

Im Gegensatz dazu schafft präzise Echtzeitdaten, automatisch erfasst und transformiert von Maschinenassets, eine solide Basis für Insights und Wertschöpfung.

Performance kann über ähnliche Maschinen, Linien und Werke mit Vertrauen gebenchmarkt werden, da die zugrundeliegenden Daten präzise sind. Maschinenasset-Performance kann sogar mit ähnlichen Assets branchenweit außerhalb des Unternehmens gemessen und verglichen werden.

Am Ende gibt es nur eine Version der Wahrheit und die Maschine lügt nicht. Mit präziser Datenerfassung und -transformation, kombiniert mit Transparenz und Actionability durch Notifications und Workflow-Triggern, lässt sich eine 15- bis 20-prozentige Verbesserung der Auslastungsperformance in Monaten realisieren.

Wir können diesem Digital Thread folgen, um zu sehen, wo zusätzlicher Kontext hinzugefügt wird und wie diese Daten in anderen Prozessen und Systemen genutzt werden, um Effizienz im großen Maßstab zu treiben.

Operationale Daten

Die Quelle Ihrer Produktion umfasst sowohl Equipment als auch Menschen auf dem Shopfloor. Daten von Maschinen werden automatisch erfasst, aber wir haben noch nicht den Impact von Bedienerdaten besprochen.

Mit Tablets an jeder Maschine können Bediener Kontext zu Maschinendaten hinzufügen – für tieferes Verständnis der Anlagenperformance.

Beispiel: Bediener dokumentieren den Grund für ein Stillstandsereignis, damit Werksleiter, die Stillstände analysieren, nicht nur einen präzisen Blick auf die Stillstandsmenge haben, sondern auch die Top-Gründe. Gleiches gilt für Ausschuss.

Beispiel: Ein Bediener kategorisiert einen Stillstandsgrund als „katastrophaler Werkzeugbruch“ am Tablet-Interface.

Das gibt Management besseres Problemverständnis, um effizientere Prozesse für die gravierendsten Stillstands- und Ausschussgründe zu entwickeln.

Zudem können Maschinendaten, gepaart mit Operator-Kontext, Notifications basierend auf spezifischen Stillständen ermöglichen, die Bediener und Wartungsteams über Stillstandsereignisse alerten, damit sie das Problem so schnell wie möglich lösen.

Maschinen, Menschen und Systeme

Der Digital Thread verwebt multiple Komponenten der digitalen Fabrik. Folgen wir dem Thread, beginnen Maschinendaten, andere Systeme zu impacten, die Hersteller nutzen.

Wenn Maschinendaten automatisch erfasst werden, können sie in Systeme wie ERP, MES oder CMMS integriert werden, um Prozesse effektiver zu managen oder bessere operative Entscheidungen auf Basis kombinierter Daten zu treffen.

Einige Beispiele zur Verdeutlichung der Wichtigkeit:

Enterprise Resource Planning Systeme

Hersteller managen Jobs und Scheduling generell in ERPs, wo Infos zu Job-Standards und Zykluszeiten gespeichert sind. Doch es ist hochwahrscheinlich, dass Job-Standards und Zykluszeiten ungenau sind – was erwartete Job-Laufzeiten stark beeinflusst und Pricing verzerrt, da Shops meist basierend auf Bearbeitungszeit eines Produkts kalkulieren.

Wenn ein Hersteller Echtzeit-Maschinendaten erfasst, können Zykluszeiten im ERP aktualisiert werden, um präzisere Standards zu entwickeln und Pricing an erwartete Job-Laufzeiten anzupassen. Das gibt Fertigungsführern besseres Verständnis dafür, was der Shop stemmen kann und welchen Profit sie erwarten können.

Computerized Maintenance Management Systeme

Ein weiteres Beispiel für die Nutzung von Maschinen- und Operationaldaten in anderen Systemen: Wartung verbessern und automatisieren mit CMMS.

Es gibt viele Strategien für Equipment-Wartung, aber die meisten Hersteller setzen weiterhin auf reaktive oder kalenderbasierte Wartung (mit vom Maschinenbauer empfohlenem Zeitplan).

Reaktive Wartung resultiert in signifikanten Stillständen. Kalenderbasierte Wartung (präventive Strategie) neigt zu teuer durch unnötige Wartungsarbeiten.

Die „Goldilocks-Zone“ zwischen teurer kalenderbasierter Präventivwartung und reaktiver Wartung, die zu großen Stillständen und Reparaturkosten führt.

Indem Maschinenasset-Daten und Insights in den CMMS gewebt werden, können Hersteller Wartungsstrategie von reaktiv/kalenderbasiert zu nutzungs- oder zustandsbasiert transformieren. Ohne einen Digital Thread, der am Maschinenasset entspringt, ist der Wert, den ein Hersteller von einer CMMS-Investition erwarten kann, signifikant gemindert.

Mit verfügbaren Maschinendaten können Wartungspläne an Usage- und Condition-Daten, die von den Maschinen streamen, angepasst werden – und diese Daten können sogar Workflows triggern, die automatisch Work Orders im CMMS generieren und die richtige Person über Maschinenzustand, Stillstand, Alarm, drohenden Ausfall etc. benachrichtigen, damit sie das Problem so schnell wie möglich lösen – oder sogar vor einem Ausfall.

Der Machine Data Digital Thread: Industry 4.0 freischalten

Wenn Hersteller Lösungen ermöglichen, die ihre Produktionsdaten besser erfassen und transformieren, können sie nicht nur bessere faktenbasierte Entscheidungen treffen, sondern die Daten nutzen, um bessere Prozesse zu entwickeln und Automation auf dem Shopfloor voranzutreiben.

Maschinendaten öffnen eine ganze Welt von Use Cases und bilden das Fundament der Produktionsdaten – für tiefe Wettbewerbsvorteile.

Wir besprechen gerne, wie die MachineMetrics Industrial IoT Platform Sie unterstützen kann – egal auf welchem Stadium Ihrer Reise: ob Equipment-Monitoring für schnellere Stillstandserkennung oder High-Frequency-Data für Vorhersage und Verhinderung von Maschinenausfällen.

Kontaktieren Sie uns mit Fragen oder buchen Sie noch heute eine Demo.