Suchen

Advanced Analytics Mit Advanced Analytics die Zukunft der Produktion vorhersagen

| Autor / Redakteur: Waldemar Pelowski* / Nico Litzel

Mittlerweile gibt es eine Vielzahl von Anwendungen, um Daten zu analysieren und aufzubereiten. Das reicht vielen Unternehmen aber noch nicht, sie wollen relativ genaue Prognosen. Eine Möglichkeit bietet Advanced Analytics. Doch wie viel Potenzial steckt darin?

Firma zum Thema

Mit der Softwareplattform Zenon von Copa-Data können erfasste Daten visuell aufbereitet und analysiert werden.
Mit der Softwareplattform Zenon von Copa-Data können erfasste Daten visuell aufbereitet und analysiert werden.
(Bild: Copa-Data)

Faszinierende Möglichkeiten bietet heutzutage die Auswertung von Daten. Hoch im Kurs stehen vor allem prädiktive Technologien wie Advanced Analytics, statistische Modelle und Machine Learning (ML). Damit ist es möglich, frühzeitig Abweichungen zwischen dem Ist- und dem Sollzustand zu erkennen und – ausgehend von der Frage „Was wäre, wenn …“ – künftige Entwicklungen und Ereignisse vorherzusagen. Ob Daten zum Zustand einer Maschine oder zu den Abwanderungstendenzen von Kunden: Mit prädiktiven Technologien können Unternehmen Zusammenhänge schnell analysieren und auf die Zukunft hochrechnen. Das erhöht die Planungssicherheit und hilft, bessere Entscheidungen zu treffen.

Ergänzendes zum Thema
Definition
Was ist eigentlich Advanced Analytics?

Advanced Analytics zeigt Muster und Zusammenhänge in bestehenden Daten automatisiert auf und lernt mittels statistischer Simulationsverfahren, solche Korrelationen auf die Zukunft zu projizieren. Dadurch sind relativ genaue Vorhersagen möglich, mit denen sich Planungsprozesse beschleunigen lassen. Mithilfe von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) lernt das System dabei aus Erfahrung und kann seine Vorhersagen im Laufe der Zeit immer weiter verbessern. Auch Sensordaten von Industrie-4.0-Plattformen liefern Unternehmen wertvolle Informationen. Mit den richtigen Modellen und Daten können nicht nur auf operativer Ebene Vorhersagen getroffen werden, sondern auch auf taktischer Ebene in der Unternehmensplanung.

Mit Predictive Maintenance den perfekten Zeitpunkt abpassen

Ein typisches Anwendungsszenario ist die vorausschauende Wartung von Maschinen und Anlagen (Predictive Maintenance). Der perfekte Zeitpunkt für den nächsten Wartungstermin, der früher nur anhand von Schätzungen und Erfahrungswerten zu beantworten war, lässt sich heute genau berechnen – auf Basis von Vergangenheitsdaten und statistischen Vorhersagemodellen. Ein erheblicher Fortschritt. Denn bisher unterlagen Maschinen und Anlagen einem starren Wartungszyklus, der irgendwann einmal festgelegt worden war. Die tatsächliche Beanspruchung einer Maschine richtet sich jedoch nicht nach fixen Zeiten und Abständen, sondern nach Einsatzzweck, Alter sowie der Auslastung einer Maschine. Ein Wartungszyklus in immer gleichen Abständen wird diesen Umständen nicht gerecht und kann unnötige Kosten verursachen – etwa, weil ein Bauteil häufiger ausgewechselt wird als notwendig oder weil der Austausch zu spät erfolgt und einen Maschinenschaden verursacht, was wiederum zu Produktionsausfällen führt.

Mit bedarfsgerechter Wartung Kosten sparen

Mithilfe von Predictive Maintenance lässt sich die Wartung einer Maschine oder Anlage dagegen nach dem tatsächlichen Instandhaltungsbedarf steuern. Zu diesem Zweck werden im laufenden Betrieb kontinuierlich Daten gesammelt und analysiert. Auf Basis dieser Datensätze lernt das System ständig dazu und ermöglicht es, Live-Daten über ein Modell zu interpretieren. Damit können dann für jede Komponente oder Anlage individuelle Instandhaltungstermine definiert werden. Das ist smart und reduziert die Wartungskosten sowie die Gefahr von Ausfällen. Ersatzteile lassen sich zum richtigen Zeitpunkt in der richtigen Menge bestellen, und auch die Arbeitszeiten der Techniker sind optimal planbar. Eine zentrale Rolle spielt die jeweilige Beanspruchung der Maschine oder Anlage: Bei höherer Auslastung wird der Wartungszeitraum verringert, um einen Maschinenschaden auszuschließen. Bei einer geringeren Belastung wird der Wartungszeitpunkt entsprechend nach hinten verschoben, um unnötige Kosten und Stillstände in der Produktion zu vermeiden.

Daten visuell aufbereiten und analysieren

Ein typisches Beispiel für den Einsatz von Predictive Maintenance ist die Instandsetzung von Abfüll- und Verpackungsanlagen in der Lebensmittelindustrie. Dabei werden bestimmte Prozessparameter von Maschinen und Anlagen überwacht, um bereits im Vorfeld eventuelle Qualitätsabweichungen automatisiert zu erkennen. Die Steuerung erfolgt über die Softwareplattform Zenon von Copa-Data, mit der sich die erfassten Daten visuell aufbereiten und analysieren lassen. Dadurch werden wertvolle Informationen ersichtlich – zum Beispiel zum Verschleiß einer Flaschenbeschichtungsstation. Das frühzeitige Entdecken von Abnutzungserscheinungen ermöglicht es, die Wartungstermine entsprechend im Voraus zu planen. Möglich ist dabei auch die Klassifizierung von Ereignissen nach Schweregrad: Handelt es sich nur um eine Warnung – oder muss man tatsächlich von einer Störung ausgehen?

Mit Advanced Analytics Ressourcen-Einsatz optimieren

Neben der vorausschauenden Wartung wird Advanced Analytics auch im Ressourcen-Management sowie in der Produktionsplanung und -kontrolle eingesetzt. Zum Beispiel lässt sich aus den Daten einer Fertigungsanlage ein genaues Bild über den Ressourcenverbrauch erstellen – und zwar nicht nur für die Vergangenheit, sondern hochgerechnet bis zum Ende des Abrechnungszeitraums. Damit können Unternehmen ihre Ressourcen exakt planen und steuern.

Ein weiteres Einsatzgebiet ist die Prozessoptimierung: Um das Produktionsergebnis einer Maschine zu verbessern, gilt es zunächst zu identifizieren, wie sich einzelne Parameter jeweils auf den Herstellungsprozess auswirken. Da Advanced-Analytics-Anwendungen in der Lage sind, Korrelationen zwischen einzelnen Werten und Datenpunkten zu ermitteln, lässt sich der Prozess auf diese Weise enorm beschleunigen.

Dieser Artikel stammt von unserem Partnerportal Elektrotechnik. Verantwortliche Redakteurin: Sariana Kunze

* Waldemar Pelowski, Senior Technical Consultant Reporting Services, Copa-Data

(ID:46494084)