Digitale Fertigungsteams mit Echtzeit-Dateninsights transformieren

Die vierte industrielle Revolution ermöglicht den Zugriff auf riesige Mengen an Echtzeitdaten aus Fertigungsprozessen – und das Potenzial, fast jede Oberfläche in einen Sensor für Datenerfassung zu verwandeln. Liefert dieser Datenreichtum das Wissen, das digitale Teams zur Optimierung ihrer Aktivitäten brauchen?

In diesem Film diskutieren Senseyes Alexander Hill und Rob Russell mit Dr. Hannah Edmonds (Manufacturing Technology Centre), Jim Davison (Make UK) und Peter Gagg (MCP Consulting Group), welche Daten Hersteller sammeln sollten und wie, wie bestehende Datensätze für neue Insights und größeren Wert repurposed werden können, und wie Prozesse wie Wartung neu gestaltet werden können, um den Bedürfnissen von Ingenieuren auf dem Shopfloor gerecht zu werden.

Transkript

Alexander Hill, Senseye: Ich würde gern sagen: „Daten da, los geht’s.“ Leider sehen wir: Viele Organisationen haben zu viele Daten. Die Herausforderung: herausfinden, was die richtigen Daten sind und was man daraus verstehen muss.

Dr. Hannah Edmonds, Manufacturing Technology Centre: Datenfülle bringt Herausforderung: Data Saturation – zu viel des Guten.

Rob Russell, Senseye: Aus PdM-Perspektive: Condition-Monitoring-Daten sammeln, um Maschinenzustand zu beurteilen. Aber genauso wichtig wie Sensorinfo: Daten mit Kontext und zum passenden Zeitpunkt erheben.

Dr. Hannah Edmonds: Condition Monitoring und Analytics ermöglichen proaktiveren Wartungsansatz. Nicht auf Fehler warten, sondern erkennen, wann sich Equipment-Zustand über Zeit verschlechtert. Instrumentieren, Daten sammeln, Betrieb überwachen, Production Insights gewinnen – um vor dem Ausfall einzugreifen.

Peter Gagg, MCP Consulting Group: Erster Gedanke aller: Sensordaten sind alles, was man für PdM braucht. Aber es gibt viele andere bestehende Datentypen im Business.

Gebäudemanagementsysteme, Equipment-Historie, PLC-Daten, MES, OEE-Systeme etc. – neben den üblichen Vibration, Temperatur, Druck, Durchfluss, Strom, Spannung. Es geht darum, alles zusammenzuführen, die Parameter zu identifizieren, die man im Predictive-Regime wirklich braucht, und zu schauen, wie sie miteinander verknüpft sind.

Jim Davison, Make UK: Es geht darum, die kritischen Parameter in Prozess, Maschine, Produkt wirklich zu verstehen. Welche Inputs beeinflussen, ob ein Teil gut/schlecht ist, ob Maschine zuverlässig und wiederholbar auf Nennleistung läuft. Das verstanden, kann man die wichtigen, einflussnehmenden Daten erfassen und so darstellen, dass sie nützlich sind.

Alexander Hill: Moderne Industrieausrüstung hat schon viele Daten, die erfasst werden – Strom, Temperatur, Druck, Zykluszeiten. Die können für Condition Monitoring genutzt werden, werden aber oft nur für Prozesssteuerung verwendet.

Wir nehmen diese Messungen, um Maschinenzustand zu verstehen. Automatisch bauen wir Modelle der Maschinen mit verfügbaren Daten. Dann helfen wir Kunden zu verstehen, worauf sie aus Maschinenperspektive achten müssen. Statt „schau dir all diese Rohdaten an“, nehmen wir sie weg, abstrahieren sie und stellen sicher, dass sie verstehen: Welche Assets – von hunderten und tausenden – brauchen Aufmerksamkeit.