My Web Development Blog

Gesamtanlageneffektivität (OEE) besser nutzen dank Datenvisualisierung

2020-07-29T08:30:54Z

In der produzierenden Industrie gehen die Experten mit einer Vielzahl von Kennzahlen um. Eine der wichtigsten davon ist die sogenannte OEE, die der Beschreibung der Gesamtanlageneffektivität dient. Wer diese einsetzt, kann die ungeplanten Verluste einer ganzen Anlage einfacher erfassen.

Was ist die Overall Equipment Effectiveness (OEE)?

Die Overall Equipment Effectiveness (OEE) ist eine Kennzahl für die Erfassung der Gesamtanlageneffektivität (GAE). Das Japan Institute of Plant Maintenance hat diese Kennzahl entwickelt, basierend auf der Total Productive Maintenance (TPM). TPM ist ein grundlegendes Programm für die Erzielung von Verbesserungen in allen Bereichen eines produzierenden Unternehmens.
Anhand der Gesamtanlageneffektivität lässt sich die Wertschöpfung einer Anlage messen. Der Wertebereich der Kennzahl liegt zwischen 0 und 1 bzw. zwischen 0 und 100 Prozent.

Wie setzt sich die OEE zusammen?

Die Gesamtanlageneffektivität setzt sich aus den drei Faktoren Verfügbarkeit, Leistung und Qualität zusammen:

Der Verfügbarkeits- oder Nutzungsfaktor setzt die Zeit bis zum Fehlerauftritt ins Verhältnis zur Zeit des Funktionsausfalls. Die Berechnung erfolgt anhand dieser Formel:

Verfügbarkeitsfaktor = Laufzeit / (Laufzeit + Stillstandszeit)

Für den Stillstand der Maschine oder Anlage kommen verschiedene Ursachen infrage. Dazu gehören das Warten auf die Instandhaltung oder Qualitätsfreigaben. Möglich ist auch, dass kurzfristig nicht genug Material oder Personal für den Produktionsprozess zur Verfügung steht oder dass ein Fertigungsauftrag fehlt. Weiterhin sind Störungen aufgrund eines Stromausfalls oder Unfalls möglich. Es können sich Schäden an der Maschine ergeben oder es kommt zu Betriebsunterbrechungen.

Der Leistungs- oder Effizienzfaktor erfasst in einer Maßzahl Verluste, die durch die Abweichung von der in der ursprünglichen Planung vorgesehenen Stückzeit entstehen. Es handelt sich also um das Verhältnis von Istleistung (= produzierte Menge) zu Sollleistung (= Planmenge). Die Berechnung erfolgt anhand dieser Formel:

Leistungsfaktor = Istleistung / Solleistung

Schwierigkeiten bei der Errechnung ergeben sich vor allem in Hinblick auf die Sollzeit. Hier liegen nicht immer Angaben des Maschinenherstellers vor. Zur Berechnung ziehen die Betriebe häufig die sogenannte bestdemonstrierte Stückzeit heran. Dabei blickt der Anwender auf die Produktionsgeschwindigkeiten der Vergangenheit und legt die höchste Geschwindigkeit als Sollwert fest.

Der Qualitätsfaktor wiederum misst den Verlust, der sich durch defekte und zu überarbeitende Teile ergibt. Zu den Qualitätsverlusten gehören zum Beispiel der Ausschuss und Nacharbeiten. Die Berechnung erfolgt anhand dieser Formel:

Qualitätsfaktor = (Anzahl produzierter Teile - Ausschuss - Nacharbeit) / Anzahl produzierter Teile

Für die Berechnung der Gesamtformel genügt es, die drei Faktoren miteinander und dann mit 100% zu multiplizieren:

OEE (GAE) = Verfügbarkeitsfaktor x Leistungsfaktor x Qualitätsfaktor x 100%

Weiterhin lassen sich die Effektivität und die Effizienz berechnen. Die Effektivität gibt die Wirksamkeit an und ist damit ein Maß für die Erreichung des vordefinierten Ziels. Der Anwender weiß, wie nahe er dem Ziel gekommen ist. Der dafür erforderliche Aufwand bleibt außen vor. Die Berechnung der Effektivität ergibt sich aus dem Verhältnis von Ergebnis zu Ziel. Die Effizienz wiederum gibt die Wirtschaftlichkeit des Verfahrens an. Sie errechnet sich als das Verhältnis von Ergebnis zu Aufwand.

Warum ist die Kennzahl so wichtig?

Die Gesamtanlageneffektivität trägt dazu bei, dass das Management anders auf den Wertschöpfungsanteil einer Anlage blickt. Sie macht den Wertschöpfungsanteil der Anlagen transparent und sie verhält sich robust gegenüber strukturellen Änderungen in der Produktion. Es ist einfach möglich, hinsichtlich der GAE-Steigerung Ziele vorzugeben. Der Erfolg ist dann gut messbar.

Wann ist ein guter Wert für die GAE erreicht?

Erreicht eine Anlage eine GAE von 85 Prozent, handelt es sich bereits um ein sehr gutes Ergebnis. Das ist jedoch bis zu einem gewissen Grad vom Anlagentyp bzw. dem verwendeten Produktionsmechanismus abhängig. Ein Extrembeispiel wäre eine Vollkonti-Anlage: hier wären 90 Prozent sogar nur eine sinnvolle Untergrenze. Sollte es sich um ein sehr schwer zu handhabendes Produktionsverfahren handeln, liegt die Obergrenze vielleicht bei 60 Prozent.

Viele Faktoren beeinflussen den GAE und erschweren damit allgemeine Aussagen darüber, was ein guter Wert ist. Bei mehreren Anlagen, die per Pufferung miteinander verkettet sind, fällt die Ermittlung zum Beispiel besonders schwer. Das Unternehmen muss anfänglich investieren, um eine unverfälschte Gewinnung von Daten für die spätere Berechnung der Kennzahl sicherstellen zu können. Zudem ist Aufwand für die Schulung der Mitarbeiter erforderlich.

Wie gelingt die Interpretation der GAE?

Eine isolierte Betrachtung der Kennzahl ist nicht zielführend, wenn Sie zu einer aussagekräftigen Interpretation gelangen möchten. Ohne weitreichende Kenntnisse, in Bezug auf die Vorgänge in der Fabrik, ist eine Interpretation kaum möglich. Das bedeutet auch, dass es sich hierbei um eine betriebsspezifische Kennzahl handelt. Erkenntnisse aus einer Fabrik sind nur in seltenen Fällen problemlos auf Fälle in anderen Fabriken übertragbar. Ist hingegen eine identische Datenbasis gegeben, lassen sich einzelne Maschinen, Abteilungen oder sogar ganze Werke eines Unternehmens hervorragend miteinander vergleichen.

Wer eine Steigerung der GAE erreichen möchte, muss sich die drei Bestandteile dieser Kennzahl genauer ansehen. Hier sind drei Fragen wesentlich:

Warum konnten wir nicht zu 100 Prozent der Betriebszeit produzieren?
Warum konnten wir nicht 100 Prozent der geplanten Geschwindigkeit fahren?
Warum haben wir nicht 100 Prozent der Teile in der gewünschten oder erforderlichen Qualität gefertigt?

Die Erfassung der Abweichungen erfolgt entweder manuell oder systemgestützt. Der Einsatz von Software, wie z. B. der IIoT-Software da³vid, bietet hier entscheidende Vorteile und sorgt für eine Vereinheitlichung und Verbesserung der Datenbasis. Immer mehr Unternehmen gehen daher für ihre Analyse der Kennzahl dazu über, sich auf Software zu verlassen, damit sie die Verlust-Quellen genauer erfassen und eine bessere Optimierung durchführen können.

Der Einsatz eines KPI-Dashboards bietet dabei entscheidende Vorteile. Es handelt sich hierbei um eine zentrale Sammelstelle für viele wichtige KPI und damit nicht nur die GAE. Die Informationsaufbereitung erfolgt in visuell ansprechender und übersichtlicher Form. Damit gelingt es gerade bei der anspruchsvollen GAE einfacher, zu einer schlüssigen Interpretation zu gelangen und diese auch zu präsentieren.

Mehr Transparenz in die Dokumentation Ihrer Produktionsabläufe bringen

2020-12-07T13:02:05Z

Stellen Sie sich folgende Situation vor:

Produktionsleiter Meyer steht vor der Herausforderung, dass er die geplante Stückzahl in der Hochsaison nicht erzielt. Er vermutet, dass kurze Stillstände, meist nur von wenigen Minuten, eine der Hauptursachen dafür sind. Längere Stillstände - etwa, wenn eine Reparatur notwendig ist - werden zwar zu ihm eskaliert, von den kurzen Stillständen erfährt er in der Regel aber nicht. Diese werden in seinem Werk nicht automatisch erfasst, sondern manuell dokumentiert.

Er wünscht sich mehr Transparenz bei der Dokumentation der Produktionsabläufe und sucht nach einer Lösung:

Die Herausforderung: Daten erfassen

☑ Wie lange steht eine bestimmte Maschine still?
☑ Wie ist das Verhältnis von kurzen zu längeren Ausfällen und was sind die häufigsten Gründe für einen Stillstand?

Um an die gewünschten Daten zu kommen, müssen diese entweder automatisch erfasst werden oder die manuelle Erfassung der kurzen Stillstände muss so einfach gestaltet sein, dass die Produktionsmitarbeiter diese während des Betriebs ohne Mehrarbeit eingeben können.

Als zentrale Stelle zum Sammeln, Archivieren und Visualisieren der Informationen ist eine Softwarelösung lohnend. Mithilfe einer solchen Lösung kann Produktionsleiter Meyer die benötigten Informationen zentral an einem Ort erfassen und in Echtzeit betrachten. Die zentral gesammelten Daten und die vielfältigen Visualisierungen helfen ihm dabei die Unregelmäßigkeiten direkt zu erkennen.

Transparenz schaffen mit zentral verfügbaren Daten

Durch die automatische Dokumentation aller Stillstände kann der Arbeitsschritt der manuellen Eingabe eingespart werden. Parallel dazu erhält Produktionsleiter Meyer nun die von ihm gewünschte Transparenz, da alle für ihn relevanten Informationen an einem Ort gesammelt werden. Er ist jetzt in der Lage die Ursache für die kurzen Stillstände leichter zu ermitteln und diese zukünftig sogar vorausschauend zu beheben.

Wie wird ein solches Digitalisierungsprojekt aufgeplant und welche Schritte sind relevant?

Oftmals ist es schwer herauszufinden, wo genau man anfangen soll und welche Schritte erforderlich sind, um ein solches Digitalisierungsprojekt aufzugleisen.

Jedes Unternehmen und jede Produktion haben ihre Besonderheiten. Jedoch gibt es grundlegende Fragen, die man sich stellen sollte, um Licht ins Dunkle zu bringen.

Um Ihnen eine bessere Orientierung zu geben, haben wir Ihnen die wichtigsten Fragen in einer Übersicht aufgelistet und in diese 6 relevanten Bereiche unterteilt:

☑ Zielformulierung
☑ Status Quo: Dokumentation der Stillstände
☑ Maschinenpark
☑ IT
☑ Datenerfassung
☑ Auswahlkriterien eines Softwareanbieters für Datenerfassung und - visualisierung

Transparenz am laufenden Band: Wie Sie Ihre Produktion transparenter machen

2021-01-29T08:33:16Z

Wissen Sie, was gerade in Ihrer Abfülllinie passiert?

Unser fiktiver Braumeister Peters hat in seiner Brauerei die Herausforderung, dass er den Überblick über seine Abfülllinie verloren hat. Mithilfe eines Digitalisierungsprojekts konnte er diese Herausforderung deutlich minimieren:

Herausforderung: Wunsch nach mehr Transparenz bei Überwachung der Abfülllinie

Braumeister Peters stellt fest, dass er in seiner Brauerei weit weniger gute Flaschen produziert, als eigentlich möglich wäre. Die genaue Ursache dafür kennt er nicht. Er weiß nur, dass die Störungsquelle im Abfüllvorgang liegen muss. Alle Informationen, die während der Abfüllung ermittelt werden, sind für ihn schwer zugänglich. Diese Prozesse werden größtenteils zwar bereits mittels Bilderkennung kontrolliert, aber nicht automatisiert erfasst und sind für ihn auch von nirgendwo abrufbar. Er wünscht sich in seiner Brauerei mehr Transparenz bei der Überwachung seiner Abfülllinie und eine effizientere - bestenfalls automatisierte - Erfassung der für ihn relevanten Daten. Er möchte gerne alle für ihn relevanten Signale der verschiedenen Maschinen an der Abfülllinie sammeln, um folgende Fragen in Zukunft beantworten zu können:

☑ Was passiert gerade in meiner Abfülllinie?
☑ Wo liegt die Störquelle bei meiner Abfülllinie?

Wunsch: Bestehenden Maschinenpark unter allen Umständen behalten

Braumeister Peters dabei möchte seine Bestandsmaschinen unter keinen Umständen austauschen müssen. Sein bestehender Maschinenpark soll – mit möglichst geringem Mehraufwand – an den neusten Stand der Technik angepasst werden. Ein sogenannter Retrofit seiner Maschinen mittels zusätzlicher Hardware passt zu den Anforderungen von Braumeister Peters.

Für das automatische Erfassen der gewünschten Daten benötigen die Maschinen von Braumeister Peters zusätzliche Hardware. Der Einsatz eines IIoT-Gateways, wie z. B. unser sidaGateway mit integrierter IIoT-Software da³vid, ist dafür eine passende Lösung. Das IIoT-Gateway sammelt dabei die Signale der Bilderkennung der einzelnen Bereiche von Braumeister Peters Abfülllinie. Mithilfe der integrierten Software-Lösung können er und seine Mitarbeiter die Daten auch direkt in der Cloud sammeln, langfristig speichern und sie, wie gewünscht, alle zusammen in einem Dashboard visualisieren.

Lösung: Retrofit und Überwachung der Abfülllinie aus einer Quelle

Braumeister Peters hat eine Lösung gefunden, mit der er beide Anforderungen erfüllt. Ein Retrofit seiner Maschinen mithilfe eines IIoT-Gateways passt seine Anlagen mit wenig Mehraufwand an den neusten Stand der Technik an. Zusätzlich kann er seine Abfülllinie jetzt von nur einer Quelle aus überwachen und die relevanten Daten visualisieren und für sich nutzbar machen. Mit den gesammelten Informationen ist es ihm gelungen die Störquelle zu lokalisieren und in seiner Brauerei für eine effizientere Produktion und eine bessere OEE zu sorgen.

Wie hat Braumeister Peters seine Lösung gefunden?

In unserem Beispiel hat Braumeister Peters scheinbar problemlos eine Lösung gefunden und ein Digitalisierungsprojekt in seiner Produktion realisiert. In Wahrheit kann die Planung eines solchen Projektes oftmals Herausforderungen mit sich ziehen, da unklar ist, wie und wo angefangen werden soll.

Wir haben fünf Schritte zusammengetragen, die Sie als Hilfestellung zu Rate ziehen können, um ein solches Digitalisierungsprojekt zu planen. In wenigen Schritten blicken Sie einmal in alle Bereiche Ihrer Produktion und bündeln alle relevanten Informationen, um schnell mit der Optimierung Ihrer Produktion beginnen zu können.

Mit Kaizen die Produktivität in Ihrer Produktion steigern

2021-02-04T08:40:48Z

In jedem produzierendem Unternehmen stellt die Produktion den Kernprozess des unternehmerischen Handelns dar. Eine Kombination unterschiedlicher Produktionsfaktoren dient dem übergeordneten Ziel, marktfähige Güter oder Dienstleistungen herzustellen. Für eine Sicherstellung der Wettbewerbsfähigkeit ist die Steigerung der Produktivität eine kontinuierliche Aufgabe der Unternehmensführung. Hierfür stehen diverse Strategien zur Verfügung.

Die klassische oder traditionelle Strategie besteht darin, das betriebliche Leistungsergebnis (Input) bei reduziertem Ressourceneinsatz (Output) konstant zu halten. Oder umgekehrt den Output bei gleichbleibendem Input zu erhöhen. Diese Vorgehensweise funktioniert – allerdings lässt sie das bisherige Fertigungskonzept mit all seinen Defiziten unverändert. Andere Strategien setzen auf Produktivitätssteigerung durch kontinuierliche Überprüfung und Optimierung der Geschäftsprozesse.

Wir stellen in loser Folge unterschiedliche Konzepte zur Produktivitätssteigerung vor und beginnen mit einer Management-Philosophie, die das Denken in vielen Unternehmen revolutioniert hat: Kaizen.

Kaizen – Der „Wandel zum Besseren“

Die aus Japan stammende Kaizen-Philosophie wurde nach dem zweiten Weltkrieg von Toyota als Managementkonzept entwickelt und erstmals im Jahre 1986 im Westen bekannt. Masaaki Imai, der „Erfinder“ des Kaizens, machte in seinem Buch „Kaizen: Der Schlüssel zum Erfolg der Japaner im Wettbewerb“ das Konzept der kontinuierlichen Verbesserung bekannt. Das Prinzip lässt sich in einem Satz zusammenfassen:

Es soll kein Tag ohne irgendeine Verbesserung im Unternehmen vergehen!

Kaizen ist dabei weder eine Methode noch ein Werkzeug, sondern vielmehr eine Denkweise, die von allen Mitarbeitern im Unternehmen verinnerlicht werden soll. Wer Kaizen ausführt, ist fest davon überzeugt, dass es immer etwas zu optimieren, zu vereinfachen oder zu verbessern gibt. Aus vielen kleinen Veränderungen, die sich Tag für Tag ansammeln, werden für das Unternehmen große Erfolge erzielt.

Was sind die Leitprinzipien von Kaizen?

Kaizen beruht auf Leitprinzipien, die die gewünschte kontinuierliche Verbesserung sicherstellen sollen. So steht die Integration aller Mitarbeiter in die Kaizen-Philosophie im Fokus, genauso wie Teamarbeit und das Ergreifen von Maßnahmen, die der Korrektur der Grundursachen von Problemen dienen. Auch soll die aktuelle Situation erfasst und analysiert werden. Schließlich sollen gute Prozesse dafür sorgen, dass gute Ergebnisse geliefert werden.

Was ist das Ziel von Kaizen?

Kaizen hat mehrere Zielsetzungen, die den Erfolg eines Unternehmens sicherstellen sollen. Eines der wichtigsten Ziele ist es dabei, von Anfang an Qualität zu gewährleisten. Damit dies gelingt, ist eine Standardisierung von Arbeitsaufgaben und das korrekte Befolgen selbst gesetzter Standards unumgänglich. Die Verschwendung von Zeit und Material muss vermieden werden und jeder Mitarbeiter sollte dazu befähigt sein, Schwachstellen eigenständig zu erkennen – und in der Folge zu beseitigen.

Die fünf Grundpfeiler von Kaizen

Das Kaizen-Prinzip lässt sich in fünf grundlegende Handlungsorientierungen aufteilen:

Prozessorientierung
Kundenorientierung
Qualitätsorientierung
Kritikorientierung
Standardisierung

Prozessorientierung: Für Kaizen stehen nicht die Ergebnisse, sondern Prozesse im Mittelpunkt. Dieser zentrale Punkt bedeutet vor allem, ablaufende Prozesse innerhalb eines Unternehmens genau zu dokumentieren und dadurch die Standards zu verbessern.

Kundenorientierung: Kaizen teilt Kunden in interne und externe Kunden auf. Interne Kunden sind dabei Kolleginnen und Kollegen, externe Kunden sind die Endverbraucher oder Anwender. Durch Teamarbeit und eine gemeinsame Lösung von Problemen unter Einbeziehung aller Fachbereiche soll jeder einzelne Mitarbeiter tieferes Verständnis für Prozessabläufe und den Bedarf der „internen Kunden“ entwickeln. Das Ziel: Eine kontinuierliche Verbesserung der Qualität.

Qualitätsorientierung: Jedes einzelne Produkt erhält eigene Qualitätsstandards. Das Unternehmen führt zusätzlich ständige Kontrollen der Qualität durch. Umfangreiche und leistungsstarke Messverfahren, wie sie insbesondere im Zuge der digitalen Transformation im Rahmen der Industrie 4.0 ermöglicht werden, stellen eine dauerhaft hohe Qualität der produzierten Güter sicher.

Kritikorientierung: Kritik an bestehenden Methoden und Maßnahmen ist bei Kaizen nicht nur erlaubt, sondern wird ausdrücklich gewünscht. Jeder Mitarbeiter eines Unternehmens ist dazu angehalten, Verbesserungsvorschläge einzureichen. Diese Vorschläge werden geprüft und bei Eignung in die Prozesse des Unternehmens integriert.

Standardisierung: Sobald eine Verbesserung eines Prozesses umgesetzt wird und sich als geeignet erweist, wird die Verbesserung als neuer Standard festgelegt und in Produktionsabläufe integriert. Erst wenn die Standardisierung vollständig abgeschlossen ist, beginnt der Ablauf erneut.

Ost vs. West: Warum Kaizen nicht problemlos auf westliche Unternehmen übertragbar ist

Kaizen setzt voraus, dass Verbesserungen aus dem gesamten Unternehmen kommen, jeder einzelne Mitarbeiter also seinen Teil dazu beiträgt. In der japanischen Gesellschaft ist das Kaizen-Prinzip tief verankert. Das dauerhafte Streben nach Perfektion und ein nahezu unerschütterliches Arbeitsethos, dauerhafte Veränderungen und Verbesserungen in allen Bereichen des Lebens – Japaner leben Kaizen von klein auf. Kaizen ist in Japan keine Managementmethode, sondern eine Lebensphilosophie. Im Westen sieht das kulturell bedingt etwas anders aus. Zwar stehen bei uns auch die Menschen im Mittelpunkt – allerdings sind zumeist nicht alle Mitarbeiter in einen Produktionsprozess eingebunden. Während in Japan Prozesse von „unten nach oben“ gelebt werden, stößt im Westen das Management eines Unternehmens Prozesse an, die „unten“ – in der Produktion – gelebt werden. Für Masaaki Imai, dem Begründer von Kaizen, liegen die Unterschiede in der Denkweise der Menschen. Während Japaner prozessorientiert denken, steht in westlichen Gesellschaften ein innovations- und ergebnisorientiertes Denken im Fokus. Das führt dazu, das Kaizen im Westen häufig als Technik verstanden wird, die sich „mal eben“ in nur wenigen Stunden lernen lässt. Der ganzheitliche Ansatz von Kaizen wird dadurch allerdings weder verstanden noch praktiziert.

Bei der Einführung von Kaizen ist vor allem die Führungsetage gefragt

Viele Anregungen von Kaizen können trotz der fundamentalen, kulturellen Unterschiede auch bei uns im Westen überaus erfolgreich wirken. Dafür ist aber unbedingt ein Umdenken der Chefetage nötig. Auch die Unternehmensspitze ist gefordert, jeden Tag etwas besser zu machen als den Tag zuvor – und vor allem müssen aus Mitarbeitern Mitdenker werden! Das setzt voraus, dass Aufgaben deutlich anders erledigt werden, als es das Management gewohnt ist. Drei Dinge sind es, die die Einführung von Kaizen fordert: Disziplin, Geduld und Zeit.

Die digitale Transformation: Die optimale Möglichkeit, Kaizen in ein Unternehmen zu integrieren!

Die digitale Revolution schreitet unaufhaltsam voran. Die intelligente Vernetzung von Menschen und Maschinen steigert nicht nur die „Overall Equipment Efficiency (OEE)“, also die Gesamtanlageneffektivität, sondern sorgt mit völlig neuen Möglichkeiten wie dem digitalen „Condition Monitoring“ eingesetzter Maschinen für kontinuierlich erhöhte Prozesssicherheit. Auch die vorausschauende Instandhaltung, auch Predictive Maintenance genannt, sorgt für dauerhaft hohe Qualität der gefertigten Güter bei gleichzeitig minimierten Stillstandzeiten der Maschinen. Durch digitale Möglichkeiten - wie z. B. unserer IIoT-Software da³vid - wird es jedem einzelnen Mitarbeiter ermöglicht, Einblicke in Produktionsabläufe zu erhalten – und so Teil des „Großen Ganzen“ zu werden.

Kaizen als Unternehmensphilosophie – im digitalen Zeitalter sicherlich auch für westliche Unternehmen eine probate und vor allem umsetzbare Möglichkeit, die eigene Wettbewerbsfähigkeit für die Zukunft zu sichern.

Topic: Produktivität in der Produktion steigern

Release v1.7.0: Die neue Alarmierung in da³vid

2021-02-11T10:55:33Z

Anfang Februar 2021 wurde das da³vid-Release v1.7.0 fertiggestellt. Dieses enthält neben einer Vielzahl von Bugfixes und Fehlerbehebungen einige spannende neue Funktionen.

Was gibt es Neues?

Das Stichwort für Release v1.7.0 ist: Alarmierung. Bisher gab es in da³vid einen Alarm-Typen, bei dem Benutzer oder Benutzergruppen direkt benachrichtigt wurden, wenn sich der Wert einer Bedingung verändert (z. B. wenn der Wasserstand in einem Becken zu hoch ist). Mit Release v1.7.0 kommt das neue Alarmierungsmodul:

Das neue Modul bringt neben zwei neuen Alarm-Typen (Zeitgesteuerter-Alarm/ Instandhaltungsalarm und Inkrementgesteuerter-Alarm) folgende neue Anwendungsmöglichkeiten:

☑ Einen Konfigurationswizard, der das Anlegen kinderleicht macht
☑ Tags, um die Alarme zu kategorisieren
☑ Eine Konfigurationsübersicht: Hier können Sie Alarme aktivieren und deaktivieren
☑ Stillstandszeiten, damit Sie festlegen können, wann der Alarm nicht auslösen soll
☑ Quittierung von Alarmen, um zu Bestätigen, dass der Grund für den Alarm behoben wurde

Darüber hinaus gibt es folgende Neuerungen:

☑ Dem Dashboard-Editor wurde ein Bild-Widget hinzugefügt, in dem Sie Bilder und Grafiken der gängigen Formate (z.B. JPEG) direkt anzeigen können.
☑ Die Lade-Performance des Dashboardings wurde - speziell für die Darstellung von Graphen - verbessert.
☑ Die Verwaltungsansicht für Administratoren wurde visuell und funktional überarbeitet und vereinheitlicht.

Wir möchten im Detail auf vier Funktionen des neuen Alarmierungsmoduls eingehen: Die zwei neuen Alarm-Typen: Instandhaltungsalarm / Zeitgesteuerter-Alarm und Inkrementgesteuerter-Alarm, Stillstandszeiten und die Quittierung von Alarmen:

1. Zeitgesteuerter-Alarm: Regeln einstellen

Was ist, wenn die Ursache eines Alarms nicht in einer Wertänderung begründet ist? Angenommen, eine Maschine in Ihrer Produktion benötigt alle acht Wochen eine generelle Wartung oder einen Filterwechsel. Für diese Fälle brauchen Sie festgelegte Zeitintervalle, in denen Sie benachrichtigt werden. Der neue Alarm-Typ Instandhaltungsalarm / Zeitgesteuerter-Alarm ist in der Anwendung besonders für die Wartung und für Aufgaben, die regelmäßig erledigt werden müssen, geeignet.

Sie erstellen in dem neuen Konfigurationswizard Schritt für Schritt eine Regel, die festlegt, dass alle acht Wochen ein Alarm für die anstehende Wartung oder das Anstehen des Filterwechsels ausgelöst wird.

Wie stelle ich diesen Alarm im Wizard ein?

Sie wählen im Wizard zuerst den gewünschten Alarm-Typ aus (hier: Instandhaltungsalarm / Zeitgesteuerter-Alarm) und die Station. In den Einstellungen legen Sie fest, in welchem Zeitintervall und zu welcher Uhrzeit der Alarm ausgelöst werden soll. Schließlich verfassen Sie eine Nachricht, die angezeigt wird, wenn Sie eine Benachrichtigung zum Alarm erhalten und wählen aus, wer den Alarm empfangen soll (Empfänger). Die Funktionen Stillstandzeiten und Quittierung werden in separaten Punkten erklärt.

Zusatz: Neu in Release v1.7.0. sind Tags, die Sie unter dem Punkt Station hinzufügen können. Tags können als Kategorisierung verwendet werden, um eine bessere Übersicht Ihrer Alarme zu erzielen (z. B.: Wartung als Tag). Tags können auch für den Alarm-Typ Inkrementgesteuerter-Alarm angelegt werden.

2. Inkrementgesteuerter-Alarm: Schrittweise Erhöhung

Bei diesem Alarm-Typ wird das Auslösen eines Alarmes an eine schrittweise Erhöhung eines Zahlenwertes gekoppelt. Angenommen, Sie möchten die Betriebsstunden einer Anlage oder einer Maschine im Auge behalten, um Verschleißteile zeitnah austauschen zu können. Hierfür sollte bei einer Erhöhung um 1000 Betriebsstunden ein Alarm ausgelöst werden, der meldet, dass ein bestimmtes Teil ausgetauscht werden muss. Diesen Alarm kann man für alle Arten von Bedingungen erstellen, die Zahlen beinhalten.

Dieser Alarm-Typ wird Ihnen mit einem Restbetrag als geplant angezeigt. Diese Funktion ist besonders nützlich, damit Sie doppelte Stillstandszeiten Ihrer Maschinen vermeiden können. Sehen Sie z. B., dass sich eine geplante Wartung einer Maschine mit dem Austausch eines Verschleißteils (welcher durch den Inkrementgesteuerten-Alarm als geplant angezeigt wird) überschneidet, können Sie beide Arbeiten miteinander verbinden. Somit warten Sie Ihre Maschine und tauschen zeitgleich das Verschleißteil aus und die Maschine muss dabei statt zweimal nur einmal stillstehen.

Eine Übersicht Ihrer geplanten/ausgelösten Alarme könnte so aussehen. Dafür fügen Sie einem Dashboard im Dashboard-Editor das Widget Alarme-Übersicht hinzu:

Wie stelle ich diesen Alarm im Wizard ein?

Wählen Sie anfangs den Alarm-Typ Inkrementgesteuerter-Alarm aus. Die weiteren Schritte sind quasi identisch mit dem Zeitgesteuerten-Alarm. Achten Sie darauf, dass Sie bei diesem Alarm-Typ nur eine Bedingung auswählen können, die Zahlen beinhaltet, wie z. B. Betriebsstunden.

3. Stillstandszeiten definieren: Wann soll ein Alarm nicht ausgelöst werden?

Mit diesem neuen Feature definieren Sie eine Stillstandszeit für Alarme. Das bedeutet, dass in dem angegebenen Zeitraum keine Alarme für die ausgewählte Station ausgelöst werden. Sollte der oben festgelegte Filterwechsel beispielsweise in den Zeitraum einer generellen Anlagenwartung fallen, kann der betroffene Alarm für diesen Zeitraum ausgesetzt werden.

Fügen Sie hierfür den gewünschten Zeitraum im Wizard hinzu. Es ist möglich mehrere Zeiträume gleichzeitig zu definieren.

4. Quittierung: Muss der Alarm quittiert werden?

Bei manchen Alarmen weiß man, dass Sie quittiert werden müssen. Es kann z. B. vorkommen, dass ein Alarm für eine anstehende Wartung in Ihrem Betrieb immer von Mitarbeiter X bestätigt werden muss.

Diese Bedingung können Sie jetzt auch in da³vid festlegen: Dafür wählen Sie im Wizard beim Schritt Quittierung Alarm muss quittiert werden aus und folgen den Schritten. Sie können hier einstellen, dass der Alarm für die anstehende Wartung immer bei Mitarbeiter X anschlägt und von ihm quittiert werden muss. Passiert dies nicht, erhält Mitarbeiter X erneut eine Benachrichtigung. Die Quittierung kann so festgelegt werden, dass sie entweder durch einzelne oder mehrere Benutzer gemeinsam erfolgen muss.

Benötigt der Alarm keine Quittierung, wählen Sie Keine Quittierung benötigt aus.

Schichtübergabe in der Produktion: Das (digitale) Schichtbuch und seine Entwicklung

2021-02-17T13:06:05Z

Störungen und Anlagenausfälle lassen sich nicht vollständig vermeiden. Daher ist es wichtig diese Ereignisse genau und zeitsparend für die Übergabe an die nächste Schicht, aber auch für die externe Kommunikation mit Versicherungen, Kunden oder Maschinenherstellern zu dokumentieren. Schichtbücher sind zentrale Kommunikations- und Dokumentationsmittel für Produktions-unternehmen und helfen, den Schichtbetrieb effizient zu gestalten.

Die Schichtübergabe - neue Herausforderungen durch Corona

[Bildnachweis: "Schichtübergabe und Kooperation" aus Ausgabe Nr. 2 |2015 Organisations Entwicklung Link: https://abo.zoe-online.org/de/profiles/df3fc04acb22/editions/a7ce58c2e616c29cf6d9]

In “normalen” Zeiten führen die Schichtleiter mit ihren Teams eine Übergabe in einer Viertelstunde durch. Als Schutzmaßnahme für die Gesundheit ihrer Mitarbeiter haben Unternehmen die Kontakte zwischen den Kollegen so weit wie möglich reduziert. Dies stellt für Produktionsunternehmen eine besondere Herausforderung dar, da die Fertigung nach wie vor in den Werken stattfindet und nicht ins Homeoffice verlagert werden kann. Gleichzeitig haben Produktionsmitarbeiter teilweise keine Zugänge zu den IT-Systemen ihrer Arbeitgeber oder konnten zumindest bisher nicht von zu Hause darauf zugreifen.

In der Schichtplanung wurden Schichten und Gruppen so aufgeteilt, dass sich Mitarbeiter möglichst nicht begegnen. Eine Überlappung der Schichten wird aus Sicherheitsgründen vermieden. In dieser neuen Normalität finden Übergaben von einer Schicht zur nächsten immer seltener oder nur eingeschränkt persönlich statt - sie werden kontaktlos organisiert.

Was die Schichtplanung angeht, so wurde die Belegschaft meistens so auf verschiedene Schichten aufgeteilt, dass diese zeitlich streng voneinander getrennt sind und eine Vermischung der Gruppen - etwa durch Urlaub oder Tauschen von Schichten - so weit wie möglich verhindert wird. Überlappende Schichten sind aus Sicherheitsgründen tabu und werden es wahrscheinlich auch bleiben. Was durch Corona angestoßen wurde, wird zur “Neuen Normalität”: So kann es sein, dass die Übergabe von einer Schicht zur nächsten zukünftig kaum noch persönlich in Form eines Übergabegesprächs stattfinden, sondern zunehmend kontakt- und berührungslos organisiert wird.

Damit erhält das Schichtbuch oder auch das Anlagenlogbuch eine größere Bedeutung als zuvor: da der persönliche Austausch nicht mehr möglich ist, müssen sämtliche Schichtereignisse detailliert und lückenlos festgehalten werden. Nur so erhalten die Mitarbeiter nachfolgender Schichten alle Informationen, die sie für einen effizienten Betrieb benötigen.

Das klassische Schichtbuch aus Papier

[Bildnachweis: Zoonar/HooKson - lizenziert für embedded data GmbH]

In der Vergangenheit wurden Schichtbücher oft in Papierform geführt, was verschiedene Vor- und Nachteile mit sich bringt:

Vorteile	Nachteile
☑ Schichtführer schreibt üblicherweise nur ☑ Kurze und prägnante Zusammenfassungen der einzelnen Produktionseinheiten ☑ Übersichtlich, da eine Seite pro Schicht ☑ Jederzeit verfügbar ☑ Individuelle Einträge ☑ Kein Trainingsbedarf: Buch nur öffnen und lesen ☑ System muss nicht gepflegt werden, keine weiteren Kosten	☑ Schichtbuch nur an einer zentralen Stelle ☑ Keine Fernabfrage möglich ☑ Keine Struktur im Aufbau / Formblätter ☑ fehlende Suchfunktion ☑ Keine Verlinkung oder Möglichkeit Arbeiten für die Zukunft vernünftig zu planen ☑ Einträge üblicherweise nur von den Schichtleitern, nicht jeder Mitarbeiter involviert ☑ Keine Hilfe bei Vorbereitung von Audits oder Meetings mit Vorgesetzten ☑ Detaillierte Produktionserfassung bzw. Zusammenfassung extrem aufwändig ☑ Lesbarkeit der Schrift des Einzelnen

Vorteile

Nachteile

☑ Schichtführer schreibt üblicherweise nur
☑ Kurze und prägnante Zusammenfassungen der einzelnen Produktionseinheiten
☑ Übersichtlich, da eine Seite pro Schicht
☑ Jederzeit verfügbar
☑ Individuelle Einträge
☑ Kein Trainingsbedarf: Buch nur öffnen und lesen
☑ System muss nicht gepflegt werden, keine weiteren Kosten

☑ Schichtbuch nur an einer zentralen Stelle
☑ Keine Fernabfrage möglich
☑ Keine Struktur im Aufbau / Formblätter
☑ fehlende Suchfunktion
☑ Keine Verlinkung oder Möglichkeit Arbeiten für die Zukunft vernünftig zu planen
☑ Einträge üblicherweise nur von den Schichtleitern, nicht jeder Mitarbeiter involviert
☑ Keine Hilfe bei Vorbereitung von Audits oder Meetings mit Vorgesetzten
☑ Detaillierte Produktionserfassung bzw. Zusammenfassung extrem aufwändig
☑ Lesbarkeit der Schrift des Einzelnen

Erste Schritte in der Digitalisierung des Schichtbuchs

Seit Computer in die Produktion Einzug gehalten haben, wurden Sie zur Erfassung und Auswertung von Informationen genutzt. Die meisten Unternehmen setzen zunächst Tabellenkalkulationen ein, um schnell und einfach zu einer ersten Lösung zu kommen. Eine solche Lösung ist bereits eine Verbesserung gegenüber dem Papier-Schichtbuch. Informationen sind digital verfügbar und unabhängig vom Schriftbild einzelner Mitarbeiter.

[Bildnachweis: Kollage mit Bildern von J.-M. Boucheix, M. Coiron (https://journals.openedition.org/activites/1963) / Ingenieurbüro F. Beyer (http://ib-fb.de / https://ketelhutcomputersysteme.de / https://www.software-excel.de]

Auch wenn etwa auf Tabellenkalkulationen basierende Lösungen ein möglicher erster Schritt sind, weisen sie dennoch einige Nachteile auf:

☑ Die Dateien sind nur lokal am Eingaberechner verfügbar oder müssen über ein Netzlaufwerk bereitgestellt werden
☑ Eine mobile Nutzung auf Smartphones und Tablets durch mehrere Benutzer gleichzeitig ist nicht möglich
☑ Es gibt kein Benutzermanagement
☑ Einträge können im Nachhinein verändert werden
☑ Auswertungen über längere Zeiträume und größere Datenmengen kaum möglich (“Excel ist keine Datenbank”, siehe auch SafeSoftware: Why Excel is Not a Database)

Moderne digitale Schichtbücher

Die meisten neueren Softwaresysteme werden als Webapplikation umgesetzt, die im Browser läuft und beim Hosting als SaaS (Software-as-a-Service) nicht vom Kunden aktualisiert werden muss. Hier bildet Schichtbuchsoftware keine Ausnahme.

Folgende Funktionen werden dabei meistens - in unterschiedlichster Ausprägung - angeboten:

☑ Erfassung von Ereignissen in einem standardisierten, durchsuchbaren Format
☑ Kategorisierung und Priorisierung, etwa durch Tags
☑ Dashboards, um einen Überblick über alle wichtigen Informationen zu bekommen
☑ Integration in BDE-Software und/oder Erfassung von Prozess- und Maschinendaten
☑ Individuelle Konfigurationsmöglichkeiten, um die Informationen darzustellen die Ihnen am wichtigsten sind
☑ Dateianhänge, z. B. PDF-Dateien, zu Einträgen wie etwa Verfahrensanweisungen oder Wartungshandbücher
☑ Recherchefunktionen, Berichte und Auswertungen über erstellte Einträge mit Exportmöglichkeiten als PDF oder CSV
☑ Maschinen- oder werksübergreifende Darstellung und Analyse
☑ Lesebestätigungen und/oder Quittierungen
☑ Benutzer- und Berechtigungsmanagement
☑ Anbindung an andere Softwaresysteme über standardisierte Schnittstellen, etwa REST

Digitales Schichtbuch in da³vid

In unser IIoT-Software da³vid finden Sie ab sofort das neue Schichtbuch-Modul. Dieses Modul macht handgeschriebene Schichtprotokolle überflüssig und sorgt für eine unternehmensweit einheitliche Erfassung von Ereignissen, Anweisungen und Dokumenten. Durch den Ursprung von da³vid in der Erfassung von Prozess- und Maschinendaten können diese in den Schichtbuch-Einträgen verwendet werden und Sie erhalten auf einen Blick alle Informationen, etwa zur Auslastung der jeweiligen Anlage oder den letzten Messwerten (Stückzahlen, Sensordaten, etc.).

Die Software läuft als Webapplikation im Browser und wird als Software-as-a-Service (SaaS) zur Verfügung gestellt - eine Installation ist nicht erforderlich! Natürlich hosten wir in Deutschland in einem ISO / IEC 27001-zertifizierten Rechenzentrum.

Wie man in der Produktion eine Weltklasse-OEE erreicht

2021-02-25T12:58:09Z

Die Overall Equipment Effectiveness (OEE) ist eine wichtige Kennzahl in der produzierenden Industrie. Sie setzt sich aus dem Verhältnis von voll produktiver Zeit zu geplanter Produktionszeit zusammen und beschreibt dabei die Gesamtanlageneffektivität. Eine detaillierte Erklärung zum Begriff OEE finden Sie in unserem Artikel Gesamtanlageneffektivität (OEE) besser nutzen dank Datenvisualisierung. Die OEE wird als das Produkt der drei Faktoren berechnet, aus denen sie sich zusammensetzt:

OEE = Verfügbarkeit × Leistung × Qualität

Diese Art der Berechnung macht das Erreichen eines hohen OEE-Wertes zu einer ziemlichen Herausforderung. Wenn z. B. alle drei Faktoren 90 % betragen, liegt die resultierende OEE nur bei
73 %. In der Praxis sind die allgemein akzeptierten Weltklasse-Ziele für jeden Faktor recht unterschiedlich. Folgende Zahlen gelten für die diskrete Fertigung (für die Prozessindustrie gelten andere Werte)

☑ Verfügbarkeit: 90%
☑ Leistung: 95%
☑ Qualität: 99%
☑ OEE: 85%

Woher kommt der Begriff Weltklasse-OEE (engl. World-Class OEE)?

Der Begriff Weltklasse-OEE wurde durch Seiichi Nakajima vom Japanischen Institut für Instandhaltung (JIPM - Japanese Institute of Plant Maintenance) geprägt. Er gilt als “Vater von TPM”. Total Productive Maintenance (TPM) entwickelte er in Japan ab 1969 erstmalig bei der Nippon Denso Co., einer Tochter von Toyota Motors. Inspiriert dazu wurde er durch seine Reisen, auf denen er etwa in den USA verschiedene Wartungsmethoden studierte. Etwas mehr über Seiichi Nakajima kann man im Artikel Uptime: Remembering The Father of TPM des “Efficient Plant”-Magazins erfahren, der auch einige seiner Zitate enthält.

In seinem Buch “Introduction to TPM: Total Productive Maintenance” erklärt er auch den Nutzen von OEE und der Vermeidung der sechs relevantesten Effizienzverluste (Six Big Losses). Seiichi definierte die darin oben genannten Zahlen, basierend auf seiner praktischen Erfahrung, als Mindestwerte, nach denen Unternehmen streben sollten. Er wies auch darauf hin, dass die erfolgreichsten japanischen Produktionsunternehmen OEE-Werte von über 85 % aufwiesen. Diese Zahlen sind interessant und als erste Einordnung nützlich. Doch ist zu beachten, dass sie aus einer bestimmten Zeit (1970er), von einem bestimmten Ort (Japan) und einer bestimmten Branche (Automobilfertigung) kommen.

Problematik mit dem Begriff Weltklasse-OEE

Es gibt eine grundsätzliche Schwierigkeit bei der Verwendung von OEE in Ihrem Unternehmen - egal ob es sich um Produkte, Maschinen, Linien oder Abteilungen handelt: solange nicht alle Bedingungen exakt gleich sind, können die Zahlen nicht zum Vergleich herangezogen werden. Die Wahrscheinlichkeit, dass jede einzelne Linie das gleiche Produkt unter den gleichen Bedingungen herstellt, ist extrem gering. Verschiedene Faktoren tragen zu unterschiedlichen Zahlen bei. Warum also die Weltklasse-OEE als universelle Benchmark verwenden?

Wenn man bedenkt, dass die OEE aus dem oben genannten Grund unterschiedlich ist, ist sie auch für jedes Unternehmen, jede Branche und jedes Land unterschiedlich. Eine Kennzahl, die in Japan in der Automobilindustrie etabliert wurde, kann bei einem Kunststoffhersteller in Deutschland eine andere Gewichtung mit anderen optimalen Werten haben.

Wenn Ihre Leistung 100 % beträgt, die Verfügbarkeit 100 % beträgt, aber die Qualität des produzierten Produkts 85 % beträgt, gelten Sie dann als Weltklasse? Was ist, wenn Sie eine Verfügbarkeit von 85 % haben, aber nie eine vorbeugende Wartung an den Maschinen durchführen, um diese “Weltklasse”-Metrik von 85 % zu erreichen, gelten Sie dann als Weltklasse?

Angenommen in Werk A haben wir einen OEE-Wert von 70 %. In einem anderen Werk B haben wir eine “Weltklasse”-Bewertung von 90 %. Es scheint offensichtlich zu sein, dass Werk B besser produziert. Ein genauerer Blick zeigt jedoch, dass das nicht immer der Fall ist.

Werk B: Ein Hauptziel muss erreicht werden

Das Management von Werk B übt starken Druck aus, ein Weltklasse-Ziel von 85 % oder 90 % OEE zu erreichen. Das Erreichen dieser hohen Zahl ist das Hauptziel für dieses Werk. Boni und Anreize wurden an das Erreichen oder Übertreffen dieses Ziels geknüpft, Investoren oder Vorstandsmitglieder erwarten eine hohe Zahl und die Karriere der Werksleitung hängt davon ab. Das Ergebnis sind hoher Stress und Sorgen unter Arbeitern und Managern.

Bei genauerer Betrachtung stellt sich heraus, dass der Standort unzählige Stunden damit verbrachte, zu analysieren und zu begründen, welche Dinge sich auf seine OEE-Berechnung auswirken sollten und welche nicht. Um den Prozentsatz hoch zu halten, beschloss die Werksleitung, dass Besprechungen, Umrüstungen, Personalengpässe und andere Aktivitäten als Nicht-Produktionszeit behandelt werden sollten. Gleichzeitig entschied man sich, zur Berechnung der OEE die empirisch gemessenen Zykluszeiten zu verwenden, anstatt die optimalen Zykluszeiten der Anlagen. Dadurch wurde die OEE noch weiter künstlich aufgebläht.

Mit diesem Vorgehen hat sich Werk B in einen Teufelskreis begeben: Sie rechtfertigen die hohe Zahl, indem sie wichtige Werksprozesse und Aktivitäten ignorieren. Statt die Schwierigkeiten auf dem Weg zu lösen, wurden sie ignoriert, um bessere Kennzahlen zu erreichen.

Werk A: Verbesserung anstreben und messen

Werk A mit einer OEE von 70%, hat eine andere Perspektive. Die Führungskräfte dieses Unternehmens haben verstanden, dass der Schlüssel zu echtem Erfolg darin liegt, die Schwierigkeiten in Echtzeit zu erkennen und sich auf sie zu konzentrieren, wenn sie auftreten. Sie setzen sich Ziele, die auf Verbesserungen und der Anzahl der gelösten Herausforderungen basieren. Es wurde im vergangenen Jahr eine Verbesserung der OEE um 10 Prozentpunkte von 60% auf 70% erzielt. Nicht die Zahl an sich ist das endgültige Ziel, sondern die Verbesserung.

Im Gegensatz zu Werk B wählt Werk A einen aggressiven Ansatz, um Verbesserungen zu erreichen. Sie betrachten jede Sekunde, in der die Linie oder der Prozess nicht läuft, als verlorene Chance. Dazu gehören Besprechungen, Schulungen, Einrichten, Umrüsten, vorbeugende Wartung usw. Werk A versteht, dass das Anhalten der Linie für eine Teambesprechung oder vorbeugende Wartung verlorene Zeit für die Produktion ist. Die Mitarbeiter konzentrieren sich auf Verbesserungen, um die für die vorbeugende Instandhaltung benötigte Zeit zu verringern. Sie führen effiziente und effektive Teambesprechungen in einer angemessenen Zeit durch.

Indem sie Boni und Anreize auf das Aufdecken und Lösen von Problemen ausrichten, sind die Mitarbeiter von Werk A stets bemüht, Schwachstellen im System aufzudecken oder Möglichkeiten zur Verbesserung des Systems vorzuschlagen.

Problembehebung und Verbesserung als Schwerpunkt setzen

Über viele Jahre hinweg hat sich OEE zu einer Schlüsselkennzahl für die Messung von Produktivität bei Herstellern entwickelt. Durch die Festlegung der OEE als einzige Erfolgsmetrik werden die OEE-Zahlen in unangemessene und künstliche Höhen getrieben. Die Hersteller versuchen, “Weltklasse”-Prozentzahlen auf Kosten der tatsächlichen Gesamteffizienz der Anlage zu erreichen. Bei dem Versuch perfekt auszusehen konzentrieren sie sich nur auf das, was funktioniert - Bereiche, die verbessert werden müssen, werden dabei manchmal ausgeblendet.

Dies führt zu einem Kreislauf von Ineffizienzen. Der Druck, hohe, sich ständig verbessernde OEE-Zahlen zu erreichen, motiviert Betriebsleiter und Mitarbeiter dazu, die Ergebnisse übermäßig aufzublähen oder nur positive Daten zu melden. Wenn die Mitarbeiter jedoch nur motiviert sind, hohe OEE-Prozentsätze zu erreichen, verbessern sie nicht unbedingt den Betrieb. Sie könnten dazu neigen, sich zu rechtfertigen, indem sie nicht alle Produktionsausfälle ordnungsgemäß melden oder die Ausfallzeiten der Produktionslinie außer Acht lassen. Es gibt keine Verantwortlichkeit für das Lösen von Problemen.

Stattdessen müssen sich die Hersteller darauf konzentrieren, Herausforderungen schnell zu finden und zu lösen. Indem sie sich auf die Verbesserung konzentrieren, befähigen Sie die Mitarbeiter, nach Ineffizienzen in der Produktion zu suchen und Korrekturen vorzunehmen.

Mit einer Denkweise, die ständig nach Verbesserungen strebt, kann die Werksleitung den Fokus auf Genauigkeit und Transparenz legen, was zu zuverlässigeren Daten führt. Diese verbesserten Daten ermöglichen es den Managern, Probleme wirklich zu lösen, indem sie Stillstandszeiten reduzieren, vorbeugende Wartungsmaßnahmen planen und notwendige Investitionsausgaben rechtfertigen.

Realistische Ziele und sinnvolle KPIs

In einer von SageClarity zusammen mit epicor durchgeführten Studie wurden über 100 Unternehmen aus verschiedenen Branchen untersucht, um herauszufinden in welchen Bereichen ihre OEE liegt:

[Grafik angelehnt an: https://sageclarity.com/articles-oee-benchmark-study/]

Der von Seiichi Nakajima geprägte OEE-Wert von 85% als Weltklasse-OEE bestätigt sich somit, die oberen 1% übertreffen diesen sogar noch deutlich.

Wenn es darum geht sein Werk realistisch einzuschätzen, sollte man den durchschnittlichen OEE von 66.4% berücksichtigen und Steigerungen nicht durch Rechentricks (s. Beispiel Werk B), sondern durch echte Verbesserungen erzielen.

Die Studie nennt dazu vier KPIs, auf die man ein besonderes Augenmerk legen sollte, da diese von den OEE-Besten am intensivsten verfolgt werden:

KPI	Definition
Unmarkierte Ausfälle	Prozentsatz der nicht gekennzeichneten Ausfallzeiten
SKU-Anomalien	SKUs (Artikelnummern), die eine Produktionsrate von +/- 10% der idealen Produktionsrate für die SKU aufweisen.
Anzahl Kurzstopps	Anzahl kurzer Stopps pro Stunde (Stopp mit einer Dauer von 10 Minuten oder weniger)
Verfügbarkeit	Betriebszeit über geplante Zeit

Zuletzt noch einige konkrete Handlungsempfehlungen, je nachdem wo Sie heute mit der OEE stehen:

☑ Wenn die OEE > 70% ist:
-> Konzentrieren Sie sich auf die Reduzierung von Kurzstopps, was mit einer besseren Verfügbarkeit korrelieren kann. Die Verfügbarkeit ist der KPI, der sich in diesem Bereich am stärksten auf die OEE auswirkt.

☑ Wenn die OEE zwischen 50 - 70% liegt:
-> Konzentrieren Sie sich auf Maßnahmen zur Verringerung/Beseitigung von Anlagenausfällen, die mit ungeplanten größeren Ausfallzeiten korrelieren. Dies ist ein weiterer KPI, der die OEE beeinflusst.

☑ Wenn die OEE zwischen 30 und 50% liegt:
-> Konzentrieren Sie sich auf die Kennzeichnung von Stillstandsereignissen unabhängig von der Dauer, um Erkenntnisse zur Verbesserung zu gewinnen.
-> Konzentrieren Sie sich außerdem auf die Reduzierung von Anlagenausfällen. Diese können zu erheblichen Ausfallzeiten führen, die sich auf die Verfügbarkeit und damit auf die OEE auswirken.

Das Erfassen dieser KPIs kann manuell oder systemgestützt erfolgen. Der Einsatz von Software, wie
z. B. der IIoT-Software da³vid, bietet hier entscheidende Vorteile und sorgt für eine bessere Übersicht über Ihre Daten. da³vid hilft Ihnen dabei Maschinendaten zu erfassen, zu visualisieren und auszuwerten und das auf einfache und übersichtliche Weise.

Mit der Wertstromanalyse die Produktivität in Ihrer Produktion steigern

2021-03-03T14:18:48Z

Produzierende Unternehmen stehen in einer dauerhaften Wettbewerbssituation. Um auf dem Markt erfolgreich zu bestehen, ist eine kontinuierliche Optimierung der Leistung unumgänglich. Je weiter die digitale Transformation voranschreitet, desto mehr rücken moderne Methoden der Optimierung, beispielsweise im Rahmen des Lean Management, in den Fokus unternehmerischer Tätigkeiten.

In unserer Reihe zum Oberthema Produktivitätssteigerung widmen wir uns in loser Folge unterschiedlichen Herangehensweisen und Methoden, die eine optimierte Wertschöpfung innerhalb eines Unternehmens sicherstellen sollen. Während wir kürzlich einen Blick auf das fernöstliche Kaizen-Prinzip geworfen haben, geht es heute um eine einfache, aber gleichzeitig extrem wirksame Maßnahme zur ganzheitlichen Optimierung von Wertströmen. Mit der Wertstromanalyse lassen sich Produktionsprozesse und Informationsflüsse erfassen und darstellen.

Was ist ein Wertstrom?

Mit dem Begriff Wertstrom werden die Prozesse beschrieben, die für die Generierung von Leistungen vom Ausgangsmaterial (Rohstoff) bis hin zum Kunden benötigt werden. Der Wertstrom umfasst dabei jedwede Aktivitäten, die für die Herstellung eines Produktes beziehungsweise einer Dienstleistung relevant sind. Durch die Konzentration auf wertschöpfende Prozesse lässt sich zum einen Verschwendung vermeiden, zum anderen ist es so möglich, sich voll und ganz auf die Bedürfnisse der Kunden zu konzentrieren.

Was ist eine Wertstromanalyse?

Mit einer Wertstromanalyse werden wertschöpfende Prozesse untersucht und bewertet. Die Wertstromanalyse bewertet ablaufende Prozesse hinsichtlich ihres Beitrages zur Wertschöpfung und bezüglich der Ausrichtung auf die Anforderungen der Kunden. Der Hintergrund einer Wertstromanalyse ist dabei immer das Aufdecken von Schwachstellen und Verbesserungspotentialen. Hierzu wird im Rahmen der Wertstromanalyse jeder Einzelschritt im Gesamtprozess geprüft und ausgewertet. So lässt sich feststellen, welche Einzelschritte wertschöpfend sind – also zu einem Wertgewinn der produzierten Güter führen – und welche Schritte eben nicht.

Die Symbole und Grafiken der Wertstromanalyse

Eine Analyse ist immer nur dann aussagekräftig, wenn sie von allen Beteiligten verstanden wird. Die Wertstromanalyse arbeitet hierfür mit einer standardisierten Symbolik und stellt somit eine Kommunikationsplattform dar, die über Unternehmensgrenzen hinweg verwendet werden kann. Die verwendeten Symbole der Wertstromanalyse haben dabei eine jeweils vordefinierte Bedeutung. Verwendet werden die Symbole, um den Fluss von Beständen und Informationen innerhalb eines Unternehmens darzustellen.

Einige der für die Wertstromanalyse verwendeten Symbole stammen aus dem Arbeitsbuch „Learning to See“, veröffentlicht 2009 vom Lean Enterprise Institute. Diese Symbole bilden einen großen Teil der Grundlage im Bereich der Symbolik. Allerdings sind die Symbole der Wertstromanalyse nicht genormt! Je nach Unternehmensbedürfnissen können, dürfen und sollen die eingesetzten Symbole angepasst und auch neu erstellt werden. Wichtig beim Umgang mit den Symbolen ist vor allem eines: Das gesamte Team, das mit der Optimierung der Wertschöpfungskette betraut ist, muss die verwendeten Symbole kennen und verstehen.

Einen guten Überblick über die Symbolik der Wertstromanalyse finden Sie hier.

Was ist der Zweck einer Wertstromanalyse?

Verschwendung und nicht wertschöpfende Teile entlang der Produktionskette sind Auslöser für mangelhafte Wettbewerbsfähigkeit. Daher ist es für das Management und die Prozessverantwortlichen innerhalb eines produzierenden Unternehmens von höchster Wichtigkeit, nicht wertschöpfende Prozesse zu erkennen – und in der Folge zu eliminieren.

Die Wertstromanalyse stellt Mängel einfach und übersichtlich dar – und ermöglicht es so in der Folge, dass die Mängel besprochen, analysiert und verbessert werden können. Die Analyse dient daher zum einen einer verbesserten Kommunikation innerhalb eines Teams und zum anderen der Entscheidungsfindung durch die Unternehmensleitung.

Welche Ziele sollen durch die Wertstromanalyse genau erreicht werden?

Die Wertstromanalyse hat sehr konkrete Zielvorgaben – die Analyse von Material- und Informationsflüssen innerhalb eines Unternehmens. Aufgezeigt werden sollen vor allem Schwachstellen und Verschwendung im Wertstrom. Durch eine Vereinfachung des Informationsflusses und eine optimierte Transparenz schafft die Wertstromanalyse die Basis für die innerbetriebliche Kommunikation und eine fruchtbare Diskussionskultur. Die Wertstromanalyse kann als Basis für ein Wertstromdesign verwendet werden und gibt hier Handlungsfelder und Umsetzungsmaßnahmen vor.

Was bedeutet Wertstromdesign?

Während die Wertstromanalyse den Ist-Zustand eines Unternehmens grafisch darstellt, ist das Wertstromdesign ein Werkzeug, dass bei der Entwicklung eines optimierten Soll-Zustandes behilflich ist. Das Wertstromdesign hat das Ziel, eine schlanke Fabrik beziehungsweise einen schlanken Dienstleistungsbetrieb herzustellen – und so einen bestmöglichen betrieblichen Gesamtnutzen zu generieren. Das Wertstromdesign nutzt ähnliche Symbole wie die Wertstromanalyse, soll jedoch:

☑ Verschwendungen im Ist-Zustand darstellen und neue, schlanke Lösungen finden
☑ Den Soll-Zustand in Teilschritte zerlegen, Meilensteine und Verantwortliche benennen und so für die Umsetzung der Teilschritte sorgen
☑ Die Umsetzung des Soll-Zustandes kontrollieren, korrigieren und standardisieren

Die vier Regeln für die Durchführung der Wertstromanalyse

Auch wenn die digitale Transformation in Industrie 4.0 umsetzenden Betrieben fortschreitet, bedarf es für die Durchführung einer Wertstromanalyse keiner Software. Vielmehr ist die grundlegende Regel: Papier und Stift verwenden! Denn mit den klassischen Zeichenutensilien lässt sich Regel Nummer 2 am einfachsten und zuverlässigsten umsetzen: Die Integration aller Betroffenen in die Methode und eine optimierte Teambildung. Denn nur dann, wenn alle Beteiligten einen Überblick über die einzelnen Teilprozesse erhalten, kann die Analyse zu einem Erfolg führen. Auch Regel Nummer 3 lässt sich am besten mit Stift und Papier umsetzen. Denn die Prozesse und Teilschritte sollen direkt am Ort des Geschehens angesehen, verstanden und bewertet werden. Regel Nummer 4 schließlich besagt, dass die gesamte Datenbasis nach durchgeführter Analyse geprüft und im Zweifel neu erhoben werden soll.

Für welche Bereiche eignet sich die Wertstromanalyse?

Die Wertstromanalyse ist, salopp gesagt, ein Multifunktionswerkzeug. Denn durch den einfachen Grundaufbau kann sie immer dann eingesetzt werden, wenn einzelne, einfache oder komplexe Abläufe in einem Unternehmen geprüft, analysiert und optimiert werden sollen.

Die Vorbereitung für eine Wertstromanalyse

Möchten Sie in Ihrem Verantwortungsbereich eine Wertstromanalyse durchführen, sollten Sie vorab einige Dinge klären und idealerweise in einer Liste festhalten. Wichtig zu wissen ist, welche Prozesse eigentlich genau analysiert werden sollen.

☑ Wer sind die internen und externen Kunden und was genau sind deren Anforderungen? Wo vermuten Sie innerhalb eines Prozesses Verschwendung?
Welche Arbeitsschritte oder Ereignisse könnten unnötig sein und, im Umkehrschluss, welche Funktionen im Prozess sind aus Kundensicht wertschöpfend?
☑ Schließlich stellen Sie sich noch die Frage, was genau geändert oder optimiert werden muss und wo überhaupt Optimierungspotentiale liegen.
Diese Überlegungen halten Sie schriftlich fest – und setzen sie anschließend in Ihrem ersten Wertstromdiagramm grafisch um.

Möglichkeiten der Wertstromanalyse im Rahmen der Industrie 4.0

Die Grundlage für eine erfolgreiche Durchführung von Wertstromanalysen ist die Einfachheit und allgemeine Verständlichkeit durch den Einsatz vereinfachter und weniger Symbole. Die Methode mit Stift und Papier ist auch im digitalen Zeitalter gefragt – stößt jedoch auch an ihre Grenzen. Denn vor allem in multinationalen Unternehmen oder in der Zusammenarbeit von Teams, die über den gesamten Globus verstreut sind, lassen sich Prozesse nur schwer lokal steuern. Hier greift die Vernetzung der Industrie 4.0.

Ob durch den Einsatz von Softwarelösungen, wie der IIoT-Software da³vid, oder speziellen Programmen: Die Digitalisierung kann hervorragend eingesetzt werden, um länderübergreifend Teams zusammenzubringen und eine ganzheitliche Prozessoptimierung entlang der gesamten Wertschöpfungskette zu realisieren.

Release v1.8.0: Was ist das digitale Schichtbuch in da³vid?

2021-03-11T13:07:37Z

Anfang März 2021 wurde das da³vid-Release v1.8.0 fertiggestellt. Dieses enthält neben einer Vielzahl von Bugfixes und Fehlerbehebungen einige spannende neue Funktionen.

Das Stichwort für das Release v1.8.0 ist: Digitales Schichtbuch. Darüber hinaus gibt es folgende Neuerungen:

☑ Das Alarm-Management aus dem vorangegangenen Release bekam eine verbesserte Darstellung überschrittener Inkremente
☑ Die von uns benutzte JSONDB wurde nun vollständig aus der Software entfernt
☑ Die Migration unseres Loggings wurde nun komplett abgeschlossen

Wir möchten in diesem Beitrag näher auf das digitale Schichtbuch und dessen Funktionen sowie Anwendung eingehen:

Wie bereits in einem unserer letzten Blogbeiträge zum (digitalen) Schichtbuch und seiner Entwicklung erwähnt, sind Schichtbücher zentrale Kommunikations- und Dokumentationsmittel für Produktionsunternehmen und helfen, den Schichtbetrieb effizient zu gestalten. In aktuellen Zeiten von Corona stehen Hygienemaßnahmen und Abstandsregeln an oberster Stelle. Umso wichtiger ist es, bei Schichtübergabe in der Produktion eben genau diese beiden Regeln zu befolgen, ohne Produktionseinbußen oder Informationslücken zu bekommen.

Einige von ihnen kennen es:

Beim Schichtwechsel kurz vermerken, was während der eigenen Schicht passiert ist oder den erstellten Eintrag des Kollegen entziffern. Schichtbucheinträge sind aktuell entweder verfasst in der Handschrift des Kollegen oder säuberlich verpackt in einer selbst erstellten Tabelle am PC. Dieses Vorgehen ist meist unhandlich und zeitaufwändig. Aufgrund dessen haben sich bereits einige “moderne” und digitalere Lösungen hervorgehoben.

Mit Release v1.8.0 können Betriebsereignisse jetzt direkt in da³vid, zentral und einheitlich erfasst und verwaltet werden.

Betriebsereignisse, was könnte so etwas sein?

So etwas könnte beispielsweise ein Ausfall einer Maschine sein, eine spontane Wartung einer Maschine während des laufenden Betriebes oder einfach eine kurze Dokumentation darüber, was in der vorherigen Schicht gelaufen ist.

Eine Schichtübergabe dauert in der Regel etwa 15 Minuten und wird von den jeweiligen Schichtleitern und ihren Teams durchgeführt. Allerdings stellen die aktuelle Lage und die daraus resultierenden Maßnahmen in Bezug auf Hygiene- und Abstandsregeln, die Schichtleiter vor neue Herausforderungen. Die Schichtübergabe muss natürlich trotzdem zuverlässig und korrekt durchgeführt werden, allerdings so kontaktlos wie möglich.

Wie kann man also eine unpersönliche Schichtübergabe trotzdem zuverlässig und einheitlich durchführen?

Das digitales Schichtbuch bietet ihnen die Möglichkeit, ihre gewünschte Dokumentation über einen bestimmten Zeitpunkt oder gar eine längere Zeitspanne direkt in da³vid festzuhalten, ohne eine weitere Applikation herunterzuladen.

Um ein Betriebsereignis anzulegen, bedarf es Minimum eines aussagekräftigen Titels. Zusätzlich kann eine kurze Nachricht geschrieben und diese mit einem Anhang versehen werden. Ein solcher Anhang könnte beispielsweise ein Foto eines defekten Teils oder einer PDF Datei mit weiteren Arbeitsanweisungen sein. Darüber hinaus können eingetragene Betriebsereignisse mit Tags versehen und damit besser kategorisiert und gefiltert werden.

Wie funktioniert das digitale Schichtbuch?

Das digitale Schichtbuch findet sich in Form eines Widgets wieder. Zusätzlich bildet es einen weiteren Tab der Standard-Stationsansicht. Dort können Schichtbucheinträge angesehen, angelegt und bearbeitet werden. Ebenso können selbst erstellte Tags den Einträgen zugewiesen werden. Voraussetzung dafür ist allerdings, dass diese Tags bereits angelegt wurden. Um Tags anzulegen, wechselt man in den Menüpunkt Verwaltung und dann zu dem Punkt Tags für Betriebsereignisse.

Welche Rechte benötige ich?

Um ein Betriebsereignis erstellen zu können, benötigen sie keine speziellen Rechte.
Aber Achtung: Um Tags zur Kategorisierung der Betriebsereignisse erstellen zu können, benötigen Sie Superadmin Rechte!

Wie erfasse ich Betriebsereignisse?

Um ein Betriebsereignis zu erfassen, reicht ein Klick auf den grünen Button Betriebsereignis erfassen. Dadurch öffnet sich eine simple Eingabemaske, über die man einen Eintrag zu dem gewünschten Betriebsereignis anlegen kann.

Sie können einen Eintrag über einen bestimmten Zeitpunkt erstellen:

Oder Sie ändern, durch die Nutzung des Reglers, die Zeitangabe auf einen bestimmten Zeitraum:

Bei Bedarf lässt sich noch ein Anhang hochladen und wenn Sie alle wichtigen Infos vermerkt haben, wird mit dem Klick auf Erstellen, der zuvor verfasste Eintrag erstellt.

Dieser befindet sich dann direkt in der Stationsansicht, in dem Tab des Schichtbuches.

Bereits veröffentlichte Neuerungen zum Digitalen Schichtbuch in v1.8.1

☑ Angehängte Bild-Dateien sind direkt in Vollbild betrachtbar
☑ Die Darstellung der Einträge ist nun auch als Listenansicht verfügbar
☑ Der Informationsgehalt der Darstellung wurde optimiert

Vorteile des digitalen Schichtbuchs auf einen Blick:

+ Schichtbuch-Modul direkt innerhalb der Software, keine separate Applikation notwendig

+ Unternehmensweite, einheitliche Erfassung von Betriebsereignissen

+ PDF Dokumente oder Fotos können zur Verdeutlichung direkt an den Eintrag angehängt werden

+ Kontaktlose Schichtübergabe

+ Betriebsereignisse können dank selbst erstellten Tags kategorisiert und gefiltert werde

Das digitale Schichtbuch in da³vid

Unternehmensweite Erfassung und Auswertung von Betriebsereignissen

☑ Schichtnotizen jederzeit verfügbar
☑ Keine unleserliche Handschrift mehr
☑ Planung von zeitbasierten Tätigkeiten mit Alarmierungssystem

3 Tipps, wie Sie Schichtübergaben effizienter gestalten

2021-03-16T08:12:59Z

In produzierenden Unternehmen ist es wichtig, dass die nachfolgende Schicht nachvollziehen kann, woran die vorhergehende Schicht gearbeitet hat und was vorgefallen ist. Für diesen elementaren Austausch ist in Produktionen die Schichtübergabe vorgesehen. Dort sollen alle relevanten Ereignisse und Informationen (wie z. B. Störungen, Anlagenausfälle) an die nächste Schicht weitergegeben werden - und das am besten klar verständlich.

Oftmals wird die Schichtübergabe zwar als fester Bestandteil im Arbeitsablauf betrachtet, aber wird in ihrer Wichtigkeit für das Gesamtbild teilweise vernachlässigt. Vergleichen lässt sich das mit einem Triathlon. Auch hier denkt man direkt an die drei Disziplinen Laufen, Schwimmen und Radfahren. Sehr wichtig sind allerdings die Wechsel. Und genau hier liegt eine große Chance seine Zeiten zu optimieren, ja sogar den Wettkampf zu gewinnen. In produzierenden Unternehmen ist es ähnlich. Erst, wenn die Schichtübergabe reibungslos läuft, gewinnt die Produktion wertvolle Zeit.

Ist-Zustand: Beispiele für aktuelle Schwierigkeiten bei Schichtübergaben

Jeder hat ein anderes Wissen

Der Austausch unter den einzelnen Schichten ist das Kernelement jeder Schichtübergabe. Dabei sollen die Informationen fehlerfrei und ohne Abwandlungen bei der nächsten Schicht ankommen. Das ist fast schon unmöglich, da es bei so gut wie jedem Austausch zu Abwandlungen kommen kann - das ist menschlich, da jeder seine Umgebung anders wahrnimmt. Was der eine weiß, weiß der andere nicht und umgekehrt. So entsteht ein implizites Wissen, was sich auf ganze Schichten ausweiten kann. Jede Schicht verfolgt zwar das gleiche Ziel, aber die eigentliche Umsetzung kann doch von Schicht zu Schicht abweichen.

Keine Regeln für Austausch

Um Informationen fehlerfrei weiterzugeben, kann es schon helfen, die Informationen (zusätzlich) schriftlich festzuhalten. Die Basis für viele Schichtübergaben ist daher ein Schichtbuch. Hier werden sämtliche Ereignisse der Schicht detailliert und lückenlos festgehalten. Nur so erhält die nachfolgende Schicht alle Informationen, die sie für einen effizienten Betrieb benötigt.

Zusätzlich zum Schichtbuch, was in Schriftform vorliegt, spricht die Leitung während einer Übergabe natürlich auch miteinander. Oft findet das im Shopfloor oder auch während eines Rundgangs durch die Anlage statt. Durch Gespräche kann es passieren, dass vom Thema abgekommen und die Zeit dementsprechend nicht für den Austausch über grundlegende Ereignisse in der Schicht genutzt wird. Wichtige Punkte werden dann gar nicht mehr angesprochen oder fallen erst auf, wenn die Arbeit weitergeht. Diese Schwierigkeit kann sich daher ergeben, dass die Schichtübergabe meist kein standardisierter Prozess in der Produktion ist. Es wurde nicht festgelegt, wie die Übergabe ablaufen soll und worüber unbedingt gesprochen werden muss.

Information auf Zetteln sammeln

Natürlich kann je nach Größe einer Produktion nicht jeder Mitarbeiter bei der Schichtübergabe anwesend sein. Die Schichtübergabe übernimmt dann die Leitungsebene. Damit sie an die relevanten Informationen kommen, suchen sie das Gespräch mit den einzelnen Schichten und notieren sich wichtige Ereignisse auf Zetteln, die sie nachwirkend in das Schichtbuch oder den Shopfloor einpflegen. Dadurch befinden sich die Informationen immer in einer Momentaufnahme. Neue Vorkommnisse werden so erst bei dem nachfolgenden Schichtwechsel für alle transparent. Hinzu kommt, dass Zettel leicht verloren gehen können und dementsprechend auch die gesammelten Informationen. Es fehlt ein festgelegtes System, wie und vor allem an welchem Ort die Informationen direkt erfasst werden.

Soll-Zustand: Wie sollten Schichtübergaben ablaufen?

Tipp 1: Schichten lernen voneinander

Jeder ist einmal der, der die Informationen weitergibt oder der, der die Information erhält. Sobald sich die einzelnen Schichten in beide Rollen hineinversetzen können und wissen, was der jeweils andere braucht, können sie voneinander lernen. Dabei hilft auch schon sich selbst die Frage zu stellen, ob ich mit denen von mir zur Verfügung gestellten Informationen hätte arbeiten können - natürlich ohne sein eigenes Wissen zu haben.

Tipp 2: Einen Prozess und Regeln definieren

Bei der Schichtübergabe sollte festgelegt werden, über was geredet werden muss: Was fehlte in der Schicht? Wer ist krank? Was ist passiert? Hierbei helfen klare Vorgaben, die bestimmen was besprochen werden soll. Eine Checkliste ist oft mehr Wert, als nur über etwas zu reden. Auch das Definieren eines festen Besprechungsortes und einer festen Uhrzeit gewährleistet einen geregelten Ablauf.

Tipp 3: Informationen sofort digital: Digitale Schichtbücher als Hilfsmittel

Durch die zunehmend kontaktlose Verständigung - auch aufgrund der aktuellen Lage - erhält das Schichtbuch eine neue, noch größere Bedeutung. Es ist jetzt - noch mehr als vorher - zentrales Kommunikations- und Dokumentationsmittel, da sich die Teams weniger persönlich austauschen können.

→ Wie das Schichtbuch verwendet wird und sich über die Jahre entwickelt hat, können Sie in unserem Beitrag Schichtübergabe in der Produktion: Das Schichtbuch und seine Entwicklung nachlesen.

Mit digitalen Softwarelösungen als Alternative für das Schichtbuch werden Ereignisse sofort digital erfasst und können direkt eingesehen werden - so können Sie schneller reagieren.

Fest steht, dass Schichtbücher zu einer transparenteren Schichtübergabe beitragen. Sie sind die Basis für eine reibungslose Kommunikation. Mit da³vid können Sie ein digitales Schichtbuch nutzen, um die Basis für ihre Kommunikation zu stärken. Vorkommnisse, Anweisungen und Dokumente werden mit da³vid im ganzen Unternehmen einheitlich erfasst und Sie sehen direkt den aktuellen Stand. Zusätzlich können Sie ganz bequem zeitbasierte Tätigkeiten mithilfe von Alarmen planen.

Quelle:
Schichtübergabe und Kooperation" aus Ausgabe Nr. 2 |2015 Organisations Entwicklung Link: https://abo.zoe-online.org/de/profiles/df3fc04acb22/editions/a7ce58c2e616c29cf6d9

Wie Sie mit der 5S-Methode mehr Ordnung in Ihre Produktion bringen

2021-03-23T10:31:46Z

In der modernen Zeit ist insbesondere für produzierende Unternehmen die kontinuierliche Optimierung unverzichtbar. Die Industrie 4.0 mit all Ihren Umbrüchen, das IoT oder auch ganz allgemein die fortschreitende, digitale Transformation erfordern neue Maßnahmen, um auf einem globalen, hoch anspruchsvollen Markt dauerhaft bestehen zu können. Methoden des Lean Managements sollen Verschwendungen aufdecken, unproduktive Nebenzeiten eliminieren und den Fokus eines jeden Mitarbeiters auf wertschöpfende Tätigkeiten legen. In loser Folge stellen wir hier bekannte und weniger bekannte Möglichkeiten der Produktivitätssteigerung vor. Vor einiger Zeit haben wir einen Ausflug in die fernöstliche Kultur des Kaizen gemacht und uns mit der Methodik der Wertstromanalyse befasst.

Im heutigen Teil unserer Reihe geht es um eine Vorgehensweise, die den eigenen Arbeitsplatz strukturiert organisieren soll: Die 5S-Methode.

Was ist die 5S-Methode?

Die 5S-Methode ist eine Vorgehensweise mit System zur optimierten Gestaltung des eigenen Arbeitsplatzes beziehungsweise der eigenen Arbeitsumgebung. Das Ziel der 5S-Methode ist klar definiert: Nicht wertschöpfende Tätigkeiten, also Verschwendung, minimieren.

Die fünf „S“ der Methode werden von den japanischen Begriffen Seiri, Seiton, Seiso, Seiketsu und Shitsuke abgeleitet. Diese fünf Begriffe beschreiben die Methodik im Allgemeinen. Im deutschen Sprachraum ist die 5S-Methode auch unter „5A-Methode“ bekannt. Der Austausch der Buchstaben S und A beruht dabei auf der Übersetzung. Der Inhalt beider Methoden ist dabei identisch, nur die Bezeichnungen sind für den deutschen Sprachraum angepasst.

Sinngemäß übersetzen lassen sich die japanischen Begriffe mit:

Der Übersichtlichkeit halber werden wir uns in diesem Beitrag auf die „internationale“ Schreibweise der Methode mit fünf „S“ beschränken.

Welche Vorteile bringt mir die 5S-Methode im Arbeitsalltag?

Die 5S-Methode kann, eine konsequente Anwendung vorausgesetzt, unproduktive Suchzeiten von Materialien, Werkzeugen oder Betriebsmitteln vollständig eliminieren. Durch eine optimierte Anordnung von Dingen, die für wertschöpfende Tätigkeiten benötigt werden, lassen sich Transportaufwand und Wegezeiten auf ein absolut notwendiges Mindestmaß begrenzen. Auch unerwartete Ausfälle von Maschinen können durch die 5S-Methode in vielen Fällen verhindert oder rechtzeitig aufgedeckt werden. Lästige und ebenfalls höchst unproduktive Verwechselungen von Werkzeugen und Materialien gehören mit der 5S-Methode ebenfalls der Vergangenheit an.

Die 5S-Methode bringt also den immensen Vorteil mit sich, dass Verschwendung innerhalb der Produktionskette nachhaltig verringert wird. Da sich Mitarbeiter auf wertschöpfende Tätigkeiten konzentrieren können, steigt die Produktivität des durch die 5S-Methode optimierten Bereiches zuverlässig.

Positive Effekte der 5S-Methode auf die Arbeitssicherheit

Gerade im produzierenden Gewerbe ist ein Plus an Sauberkeit und Ordnung am Arbeitsplatz nicht nur ein Garant für eine erhöhte Wertschöpfung. Getreu der Formel „Ordnung + Sauberkeit = Sicherheit“ hat die 5S-Methode direkte Auswirkung auf die Arbeitssicherheit. Die 5S-Methode hat die Aspekte Sauberkeit und Ordnung als höchstes Ziel – und bringt somit die Sicherheit fast ganz automatisch mit sich.

Die 5S-Methode in der Anwendung

Im Zyklus des „5S“ werden die namensgebenden fünf Teilschritte durchlaufen, und zwar in einer feststehenden Reihenfolge von 1 bis 5.

Schritt 1: Seiki | Selektieren

Selektieren meint hier Sortieren im Sinne von Aussortieren. Alle Dinge, die für die Durchführung der eigentlichen Arbeit nicht gebraucht werden, werden zunächst gekennzeichnet und anschließend vom Arbeitsplatz entfernt. Dadurch steigt die Übersichtlichkeit am Arbeitsplatz – und mehr Raum für die wirklich benötigten Materialien und Arbeitsmittel.

Schritt 2: Seiton | Systematisieren

Für einen systematisch aufgeräumten Arbeitsplatz werden Werkzeuge, Materialien und Betriebsmittel so angeordnet, dass die Ordnung der Verwendungshäufigkeit oder der Reihenfolge der Verwendung entspricht. Arbeitsmittel, die regelmäßig und oft verwendet werden, sollen möglichst nahe am Ort der Verwendung gelagert werden. Das spart unnötige Wege und somit Zeit.

Wichtig: Alle Arbeitsmittel und deren Lagerorte sind so zu kennzeichnen, dass sie eindeutig zugeordnet sind. Dadurch lassen sich Abweichungen vom gewünschten Soll-Zustand schnell und einfach erkennen – und beseitigen.

Schritt 3: Seiso | Säuberung

Eine regelmäßige Säuberung des Arbeitsplatzes dient nicht nur der Aufrechterhaltung der Hygiene. Denn während des Reinigens der Arbeitsumgebung fallen Defekte oder Abweichungen an den Arbeitsmitteln beziehungsweise deren Fehlen zwangsläufig auf. Im Rahmen der Säuberung sind Ursachen für entstandene Verschmutzungen zu identifizieren und – nach Möglichkeit – nachhaltig zu beseitigen.

Schritt 4: Seiketsu | Standardisieren

Durch die Standardisierung von Arbeitsbereichen auch über Produktionslinien hinweg soll ermöglichen, dass sich jeder Mitarbeiter problemlos an einem Arbeitsplatz zurechtfindet. Dies soll nach einem Arbeitsplatzwechsel unproduktive Eingewöhnungs- und Neuorientierungszeiten minimieren. Als Maßnahmen zur Standardisierung eignen sich unter anderem eine arbeitsplatzübergreifende, immer gleiche Anordnung der Werkzeuge und Arbeitsmittel oder den Einsatz eines einheitlichen Farbcodes für Bodenmarkierungen. Definierte Standards können auch für die Reinigung der Arbeitsbereiche eingesetzt werden. In diesen Standards ist beispielsweise festgelegt, welche Bereiche, Flächen und Arbeitsmittel in welchen Intervallen gereinigt werden sollen und worauf bei der Reinigung besonders zu achten ist.

Für ein zuverlässig Aufdecken von Abweichungen vom Standard eignen sich 5S-Checklisten oder 5S-Auditformulare. Die hier dokumentierten Abweichungen dienen einer systematischen Erfassung und anschließenden Optimierung.

Schritt 5: Shitsuke | Selbstdisziplin

Ohne Selbstdisziplin kann die 5S-Methode keinen dauerhaften und nachhaltigen Erfolg erzielen! Denn nur mit ausreichend Selbstdisziplin lassen sich alle aufgestellten Regeln einhalten. Werden Abläufe systematisch überwacht und natürlich kontinuierlich verbessert, hat die 5S-Methode ihr Ziel erfüllt.

Langfristiges Konzept statt einmaliger Aktion

Wichtig zu wissen ist, dass die 5S-Methode keine einmalige Sache sein kann. Nur mit regelmäßiger Durchführung aller fünf Einzelschritte ist ein Erfolg sichergestellt. Im Sinne eines kontinuierlichen Verbesserungsprozesses muss die 5S-Methode fest in die Unternehmenskultur verankert werden. Auch als Teil des Arbeitsalltags muss die Methode bei allen Mitarbeitern akzeptiert und „gelebt“ werden. Das Management eines Unternehmens hat auch bei der 5S-Methode eine überaus wichtige Vorbildfunktion. Mitarbeiter müssen von der 5S-Methode zunächst überzeugt und dann langfristig begeistert werden.

Und bitte: Haben Sie Geduld! Denn erfahrungsgemäß dauert es eine gewisse Zeit, bis sich die Methode in der Firmenkultur etabliert hat. Bis 5S als Standard in ein Unternehmen integriert ist, sollte das Konzept immer wieder regelmäßig an den Arbeitsplätzen angewendet werden. Ansonsten droht ein Rückfall in den Zustand vor der Anwendung der 5S-Methode.

Die Vorteile der 5S-Methode

Ein Einsatz der 5S-Methode, eine zuverlässige Umsetzung vorausgesetzt, kann Verschwendung innerhalb eines Unternehmens beseitigen und gleichzeitig zu erhöhter Zeitersparnis beitragen. Die Qualität der produzierten Güter und Waren kann sich verbessern und eine höhere Sicherheit am Arbeitsplatz durch mehr Ordnung und Sauberkeit ist zu erwarten.

Die Nachteile der 5S-Methode

Die 5S-Methode ist per se nicht wertschöpfend, sondern nur als Möglichkeit einer erhöhten Wertschöpfung des Unternehmens in der Zukunft zu erachten. Damit die 5S-Methode wirkt, muss sich jeder Beteiligte in Selbstdisziplin üben – ein nicht immer einfaches Belangen. Bemängeln lässt sich an der 5S-Methode, dass sie weniger proaktiv, sondern vielmehr reaktiv-korrigierend in Betriebsabläufe eingreift. Dies kann unter Umständen zu erhöhter Unzufriedenheit bei der Belegschaft führen.

Fazit

Als Methode, die sich schnell „ausprobieren“ lässt, ist 5S zweifelsfrei einen Versuch wert. Ob ein Unternehmen im Bereich der Industrie 4.0 aktiv ist oder es sich eher um einen klassischen Betrieb ohne durchgeführte digitale Transformation handelt, ist für die 5S-Methode ohne Belang. Allerdings setzt die 5S-Methode, soll sie nachhaltigen, positiven Einfluss auf die Unternehmenskultur haben, eine hohe Selbstdisziplin aller Beteiligten voraus. Ein nicht immer ganz einfaches Unterfangen.

Quellen:
https://refa.de/service/refa-lexikon/5s-methode
https://der-prozessmanager.de/aktuell/wissensdatenbank/5a-5s
https://www.lean-production-expert.de/5s-methode

Mit 4 Schritten zu einer optimierten Produktion: Der Deming Kreis (PDCA-Zyklus)

2021-03-31T08:23:55Z

Für kontinuierliche Verbesserungen innerhalb eines Unternehmens stehen unterschiedliche Ansätze zur Verfügung, die wir im Rahmen unserer Blog-Reihe in unregelmäßigen Abständen unter die Lupe nehmen. In den vergangenen Wochen haben wir uns bereits der fernöstlichen Kaizen Methode gewidmet, haben uns den Vorteilen der Wertstromanalyse gewidmet und herausgefunden, wie sich mit der 5S-Methode Potentiale in der Fertigung aufdecken und Arbeitsabläufe optimieren lassen.

Heute dreht sich alles um eine Methode, die nach dem 2. Weltkrieg den Wiederaufbau der japanischen Wirtschaft steuern sollte und nach ihrem Erfinder, William Edwards Deming, benannt wurde. Der „Deming Kreis“, auch als PDCA-Kreislauf bezeichnet, soll das betriebsinterne Qualitätsmanagement optimieren. Wie das genau funktioniert, erfahren Sie in diesem Beitrag.

Was ist der Deming Kreis?

Der Deming Kreis, oftmals auch als PDCA-Methode oder PDCA-Zyklus bezeichnet, ist ein Modell zur Optimierung des Qualitätsmanagements eines Unternehmens. Der Deming Kreis möchte den Prozess einer Problemlösung in vier Schritten erzielen – mit dem Ziel, eine gesunde, zuverlässige Basis für das unternehmensinterne Qualitätsmanagement zu schaffen. Der PDCA-Zyklus wird als iterativer, vierphasiger Prozess für Lernen und Verbesserung verstanden. Iteration beschreibt im Allgemeinen einen Prozess des mehrfachen Wiederholens gleicher oder ähnlicher Handlungen, um sich einer Lösung oder einem bestimmten Ziel zu nähern. Dies fasst die Durchführung der PDCA-Methode gut zusammen. Doch hierzu später mehr.

Wer hat den Deming Kreis erfunden?

Ein gewisser William Edwards Deming (1900 – 1993) war als Wirtschaftsberater unter dem Kommando von General McArthur für den Wiederaufbau der japanischen Wirtschaft nach der Niederlage im 2. Weltkrieg mit verantwortlich. Um den japanischen Unternehmenslenkern eine erfolgreiche Grundhaltung zu vermitteln, setzte Deming den PDCA-Zyklus ein, um seine Ideen hinsichtlich einer stets auf Verbesserung hin orientierten Organisation zu verdeutlichen.

Der PDCA-Zyklus hatte in Japan einen solchen Erfolg, dass er seitdem auch nach seinem „Erfinder“ Deming als „Deming Kreis“ bezeichnet wird. Während die Japaner die Idee Demings mit Begeisterung aufnahmen und mit Fleiß und Akribie umsetzten, wurde der PDCA-Zyklus bei uns im Westen lange Zeit nicht verstanden – und entsprechend auch nicht umgesetzt.

Was soll der Deming Kreis bewirken?

Eine Verbesserung bedeutet, dass bestehende Probleme erfolgreich gelöst werden konnten. Probleme lösen hingegen bedeutet Veränderung durch Lernen. Veränderung bedeutet wiederum, sich an neue Umstände effizient anzupassen und dadurch zu überleben - sowohl in der freien Natur als auch in der Wirtschaft. Die Grundvoraussetzung für den langfristigen Bestand eines Unternehmens ist also Lernfähigkeit. Der Deming Kreis setzt an dieser Erkenntnis an. Indem der bestehende Ist-Zustand eines Unternehmens kontinuierlich in Frage gestellt wird und durch wiederkehrende Regelkreise Verbesserungen an Abläufen und Prozessen gestartet werden, ist der gewünschte Lernprozess und damit eine dauerhafte Veränderung erreichbar. Entsprechend lautet das Motto des Deming Kreises auch „Always touch a running system!“

Übrigens: Der Deming Kreis wurde in Japan so erfolgreich eingesetzt, dass er schließlich unter einem anderen Namen weltbekannt wurde: Kaizen.

Operative und evolutionäre Zyklen des Deming Kreises

Eine hohe Abstraktion ist bezeichnend für den Deming Kreis – in vielen Fällen ist die Methode sogar zu abstrakt für die Mitarbeiter im Unternehmen. „Für sowas brauchen wir kein extra Konzept“ oder „Verbesserungen setzen wir doch sowieso immer sofort um“ sind nicht selten Aussagen, wenn es um die Einführung des PDCA-Zyklus geht. Allerdings sind die „sofort umgesetzten Verbesserungen“ bei genauem Hinsehen weit eher Nachbesserungen als denn echte Verbesserungen! Nachbesserungen sind so gut wie immer nur Eingriffe in den operativen Regelkreis, um eine akute Abweichung „glattzubügeln“. Eine nachhaltige und echte Verbesserung eines Prozesses lässt sich so nicht durchführen. Um den Sinn der PDCA-Methode zu verdeutlichen, muss man sich die zwei grundlegenden Regelkreise einmal genauer ansehen:

Der operative Regelkreis: Hier wird bei festgestellten Abweichungen an einem Produkt oder einer Leistung in den Fertigungsprozess eingegriffen, um das Entstehen oder weitere Auftreten von Fehlleistungen zu vermeiden. Die Eingriffe sind im Vorfeld in Maßnahmenkatalogen festgelegt.
Der evolutionäre Regelkreis führt durch Erkenntnisse aus dem operativen Bereich zur Optimierung von Prozessen und Systemen, die dann erneut in den Regelkreis der Qualität einfließen. Das Ziel ist es, Fehlleistungen in der Zukunft zu verhindern.

In der Tat ganz schön abstrakt, nicht wahr? Leichter vorstellbar ist der evolutionäre Zyklus, wenn man ihn sich als ein Prozess ohne Anfang und ohne Ende vor Auge führt. Oder in schönen Worten gesprochen:

„Überlege dir jeden Tag, wobei du etwas ein klein wenig besser machen kannst“.

Die vier Phasen des PDCA-Zyklus

Für die Durchführung des PDCA-Zyklus wird ein Prozess in vier Schritte unterteilt:

Nimmt man die Anfangsbuchstaben jedes Schrittes, erhält man den Namen des Zyklus: PDCA. Durch die Aufteilung eines Prozesses in vier Schritte lässt sich nicht nur überaus genau planen, sondern es wird den Fach- und Führungskräften auch eine sehr detaillierte Kontrolle des Erfolges ermöglicht.

Die vier Schritte im Detail

Schritt 1: Plan

In der ersten Phase des Deming Kreises steht die Planung im Fokus. Das bestehende Problem wird ermittelt, lokalisiert und schriftlich festgehalten. Gleichzeitig wird eine Analyse der Ist-Situation durchgeführt, so dass weitere Hintergrundinformationen zur Ursache des Problems ermittelt werden können. Durch diese Maßnahmen lässt sich ein Ziel festlegen, was unmittelbar mit den erforderlichen Maßnahmen verknüpft ist. Alle Ergebnisse der Planung werden schriftlich zur weiteren Verwendung festgehalten.

Schritt 2: Do

Schritt 2 steht unter dem Motto „Lasst es uns doch einmal ausprobieren“. Es geht in Schritt 2 nämlich darum, einen Plan für die Verbesserung auszuarbeiten. Das „Do“ steht hier nicht für die Einführung und Umsetzung von Maßnahmen, sondern vielmehr für Ausprobieren, Testen und Optimieren von Konzepten mit einfachen Mitteln und – ganz wichtig – unter starker Einbindung aller betroffenen Arbeitnehmer.

Schritt 3: Check

Der in Schritt 2 erprobte Prozess und all seine Resultate werden nun sorgfältig überprüft und, sofern ein Erfolg sichtbar ist, für die Umsetzung auf breiter Front als allgemeine Vorgabe freigegeben.

Schritt 4: Act

In Schritt 4 wird die allgemeine Vorgabe im Unternehmen eingeführt, als Standard festgezurrt und in regelmäßigen Abständen auf Einhaltung im Rahmen von Audits überprüft. Schritt 4 ist als große, zusammenhängende Aktion zu verstehen, die umfangreiche Aktivitäten und Investitionen mit sich führen kann. So können beispielsweise Änderungen an Stammdaten oder NV-Programmen nötig werden oder auch Änderungen an Arbeitsplätzen im gesamten Unternehmen. Der erfolgreiche Abschluss des vierten Schrittes mit der Einführung neuer Standards ist gleichzeitig auch wieder Ausgangspunkt erneuter Verbesserungen – und somit Start der Phase 1, dem „Plan“.

Breite Anwendung des Deming Kreises in der Industrie

Mit dem Deming Kreis werden die Phasen im kontinuierlichen Verbesserungsprozess beschrieben. Der KVP ist dabei die Grundlage aller Qualitätsmanagement-Systeme – in der Industrie 4.0 im Rahmen der digitale Transformation genauso wie in „klassischen“ Geschäftsfeldern. Sowohl KVP als auch der Deming Kreis sind Standardverfahren in der Industrie und im Dienstleistungssektor und Bestandteile der Normenfamilien DIN EN ISO 9000, ISO 14000 und ISO/IEC 20000. Durch Standardisierungen – dem übergeordneten Ziel des Deming Kreises – sollen unternehmensinterne Prozesse und Abläufe stetig verbessert werden, um die Effizienz des Unternehmens, aber auch die Zufriedenheit der Kunden und Mitarbeiter, dauerhaft auf einem hohen, wettbewerbsfähigen Niveau zu halten.

Quellen:
https://www.quality.de/lexikon/demingkreis/
https://www.qualitaetsmanagement.me/pdca_zyklus/

Die Qualität Ihrer Produktion erhöhen: Was ist Six Sigma?

2021-04-08T06:25:00Z

Für produzierende Unternehmen im harten globalen Wettbewerb ist eine kontinuierliche Optimierung der Prozessketten nicht nur unerlässlich, sondern der Schlüssel zum Erfolg. Im Rahmen dieser Blog-Reihe beleuchten wir unterschiedlichste Ansätze zur Produktivitätssteigerung. Im heutigen Teil betrachten wir mit dem Six Sigma Ansatz ein Managementsystem zur Prozessverbesserung. Das Kernelement der Methode ist die Messung, Analyse, Beschreibung, Verbesserung und Überwachung von Geschäftsabläufen mit statistischen Mitteln. Ein umfangreiches Arsenal an Werkzeugen dient im Rahmen von Six Sigma Projekten der Verbesserung von Unternehmensergebnissen.

Die Entwicklung von Six Sigma

Die Vorläufer der Six Sigma Methode gehen auf Ansätze zurück, die in den frühen 1970er Jahren zunächst in der japanischen Schiffbauindustrie und kurz danach in der japanischen Konsumgüter- und Elektronikindustrie eingeführt wurden. Six Sigma wurde rund 15 Jahre später, genauer gesagt im Jahre 1987, von Motorola in den USA entwickelt. Große Bekanntheit erlangte Six Sigma schließlich Mitte der 1990er Jahre durch den Manager Jack Welch, der Six Sigma bei der General Electric (GE) einführte. Für den Erfolg durch den Einsatz von Six Sigma wurde Jack Welch 2002 mit dem Premier Leader Award der International Society of Six Sigma Professionals (ISSSP) ausgezeichnet.

Six Sigma heute

Six Sigma hat sich als Optimierungsmethode in zahlreichen Großunternehmen weltweit durchgesetzt – und das nicht nur in der produzierenden Industrie, sondern auch im Dienstleistungssektor. Viele Unternehmen erwarten mittlerweile von ihre Lieferanten Nachweise über Six Sigma Qualität in der Produktionskette. Seit über 20 Jahren wird die Six Sigma Methode in vielen Umsetzungen mit Methoden des Lean Managements kombiniert. Diese leistungsstarke Mischung wird als Lean Sigma oder auch Lean Six Sigma bezeichnet. Einen weiteren Meilenstein erreichte Six Sigma im Jahre 2011 durch die erste Norm (ISO 13053-2011). Allerdings existiert bis dato kein einheitlicher Body of Knowledge – und somit auch keine einheitliche Zertifizierungsbasis – für Six Sigma. Dies führte zu einer Entwicklung von unterschiedlichen Six Sigma Zertifizierungsmaßnahmen mit unterschiedlichen Inhalten.

Was bedeutet der Name Six Sigma?

In der Mathematik repräsentiert der griechische Buchstabe Sigma die Standardabweichung einer Grundgesamtheit. Das bedeutet, dass Sigma ein Indikator für eine Abweichung vom Mittelwert darstellt. Methodisch betrachtet steht hinter Six Sigma der Ansatz, die Leistungsfähigkeit von bestehenden Prozessen durch Kennzahlen messbar zu machen. Ist die Streuung dieser Kennzahlen zu hoch, spricht dies für eine suboptimale Prozessfähigkeit – und Six Sigma weist durch die Zusammenführung von Ursache und Wirkung die Auslöser für Prozessprobleme nach. Vereinfacht gesagt lässt sich anhand von Fehlerzahlen in einem Prozess mittels Statistikprogrammen das Sigma-Niveau ermitteln.

Six Sigma: Basis für optimalen Service und fehlerfreie Produkte

Moderne Kundenanforderungen sind eine Herausforderung für das produzierende Gewerbe. Kunden erwarten – völlig zu Recht – fehlerfreie Produkte und einen schnellen, zuverlässigen Service. Für Produzenten bedeutet dies, dass sowohl innerhalb der Produktionskette als auch bei den fertigen Produkten für hundertprozentige Qualität gesorgt werden muss. Allerdings ist eine hundertprozentige Perfektion ein Idealzustand, der in der Realität kaum erreicht werden kann. Denn was allgemein wohl bekannt ist: es kann immer wieder mal zu Fehlern kommen. Durch die Six Sigma Methode soll das höchstmögliche Maß an Perfektion erreicht werden – zumindest zu 99,99966 %.

Wie kommt diese Prozentzahl zustande?

Six Sigma basiert auf Statistik sowie dem mathematischen Modell der Normalverteilung von Messwerten. Die Produktqualität und die Qualität unternehmensinterner Prozesse sollen gemäß Six Sigma Ansatz innerhalb eines genau definierten und sehr engen Bereichs liegen. Erfüllen die produzierten Waren und Güter diese Vorgabe, wird die Qualität als „in Ordnung“ klassifiziert. Alles, was außerhalb dieses Bereiches liegt, gilt als fehlerhaft. Mit Six Sigma stellen Unternehmen sich selbst die Herausforderung, dass 99,99966 % aller Messwerte innerhalb des vorab definierten Bereiches liegen müssen. In Zahlen ausgedrückt bedeutet dies, dass es bei einer Million Möglichkeiten an Fehlern maximal 3,4 Fehler geben darf.

Wer an Six Sigma denkt, hat wahrscheinlich nicht sofort eine Verbindung zum deutschen Mathematiker Carl Friedrich Gauß im Sinn. Doch ohne die Vorarbeit von Gauß gäbe es den Six Sigma Ansatz nicht. Gauß hat im Zuge seiner Arbeiten die Gaußsche Normalverteilung beschrieben, die abbildet, wie Messwerte von einem frei definierbaren Mittelwert abweichen. Die meisten Messwerte liegen dabei in einem Bereich nahe des Mittelwertes. Nur wenige Messwerte “tanzen aus der Reihe” beziehungsweise sind weit vom Mittelwert entfernt. Die Wahrscheinlichkeit, dass ein Messwert auffallend stark von einem Mittelwert abweicht, ist gering – und sinkt mit der Höhe der Abweichung. Ein Maß für diese Abweichung ist „Sigma“.

Die statistisch erfassbare Wahrscheinlichkeit, dass ein Messwert um sechs Sigma abweicht, beträgt bei der Gaußschen Normalverteilung nur und gerade mal 0,0000001973 %. Da man beim Six Sigma Konzept davon ausgeht, dass es beim Mittelwert eine nie zu verhindernde Abweichung von 1,5 Sigma geben kann (die sogenannte Mittelwertverschiebung), wird eine maximal erzielbare Qualität von den oben bereits erwähnten 99,99966 % gefordert.

Kaum ein Unternehmen erzielt Six Sigma - Warum?

Wenn man bedenkt, dass für das Erreichen von Six Sigma bei 10 Millionen produzierten Artikeln nur 34 davon fehlerhaft sein dürfen, wird schnell klar, dass dieses Ziel für die meisten Unternehmen Anstrengungen voraussetzt, die trotz bestem Qualitätsmanagement kaum zu erfüllen sind. Die wenigsten Unternehmen erreichen das Idealziel, der Durchschnitt liegt bei drei bis vier Sigma – ein immer noch durchaus respektabler Wert.

Allerdings gibt es einige Bereiche, in denen das Six Sigma Konzept mit 99,99966 Prozent Qualität unumgänglich sind. Als Beispiel zur Veranschaulichung kann man die Kraftwerke und deren Stromproduktion heranziehen. Arbeiten Kraftwerke zu 99 Prozent gut, was einer Fehlerquote von “nur” einem Prozent entspricht, würde dies einen monatlichen Stromausfall von 7 Stunden bedeuten. Folgen die Kraftwerke aber dem Six Sigma Konzept mit 99,99966 Prozent “gut”, ist genau eine Stunde Stromausfall zu befürchten – alle 34 Jahre. Bei Ärzten stehen 5.000 Kunstfehler pro Woche bei 99 Prozent guter Leistung exakt 1,7 Kunstfehlern pro Woche gegenüber und die Autoindustrie müsste sich mit 3 Garantiefällen pro Neuwagen beschäftigen – gegenüber einem Garantiefall je 980 Neuwagen.

Die Six Sigma Werkzeuge

Unternehmen, die nach dem Six Sigma Konzept arbeiten wollen, können auf unterschiedliche Werk-zeuge aus der Six Sigma Toolbox zurückgreifen. Diese Werkzeuge sind so strukturiert, dass sich mit ihnen alle Aufgaben abdecken lassen, die durch den Einsatz von Six Sigma im Unternehmen anfallen können. Zu den Werkzeugen gehören unter anderem:

☑ Projektmanagement-Tool
☑ Kundenanalyse-Werkzeuge
☑ Planungstechniken
☑ Entscheidungstechniken
☑ Prozessdesign
☑ Grafische Werkzeuge
☑ Prozessanalyse
☑ Statistiken zur Steuerung und Analyse

Wie integriert man Six Sigma ins Unternehmen?

Alle Six Sigma Projekte zur Verbesserung werden von speziell ausgebildeten und trainierten Mit-arbeitern geleitet. Das Führungskonzept beruht auf Rollen, die sich an den Gürtelfarben japanischer Kampfsportarten orientieren:

Ganz oben in der Six Sigma Hierarchie steht der Champion. Dies kann beispielsweise in der Rolle des Leiters des Strategischen Managements ein erfolgreicher Unternehmer sein, der lehrende Veranstal-tungen an Unis leitet.

Ein Mitglied der Unternehmensleitung, der als Fürsprecher für Six Sigma im Unternehmen dient, wird als Auslieferungschampion bezeichnet.

Ein Mitglied des mittleren Managements, der als Auftraggeber für verschiedene Six Sigma Projekte im Unternehmen fungiert, hat die Rolle des Projektchampions inne.

Der Master Black Belt (Schwarzer Meistergürtel) ist ein (häufig externer) Vollzeitverbesserungs-experte, der als Ausbilder, Coach und Trainer agiert.

Der Black Belt (Schwarzer Gürtel) ist ebenfalls als Vollzeitexperte tätig und übernimmt Projekt-managementaufgaben. Für den schwarzen Gürtel müssen gemäß Six Sigma Konzept vier Verbesser-ungsprojekte pro Jahr mit einer nachgewiesenen Kürzung der Ausgaben um jeweils 200.000 Euro durchgeführt worden sein.

Der Green Belt (Grüner Gürtel) ist zumeist im Management tätig, als Abteilungsleiter, Meister oder Planer. Green Belts arbeiten direkt in Projektteams, leiten Projekte in ihren Aufgabenbereichen und erstatten Bericht an den Black Belt.

Anwendung von Six Sigma im Unternehmen – Diese 5 Phasen sind entscheidend

Der Kernprozess von Six Sigma wird durch das Akronym DMAIC beschrieben. DMAIC steht für die fünf Phasen von Six Sigma:

DMAIC dient der Verknüpfung der einzelnen Tools über die unterschiedlichen Phasen der Prozessoptimierung hinweg – das Projekt erhält so eine chronologische und systematische Struktur.

Die einzelnen Phasen gestalten sich wie folgt:

1) Define
In dieser Phase wird der aktuelle Zustand dokumentiert. Auch wird festgelegt, wer die Kundschaft des Prozesses ist und welcher Bedarf erfüllt werden soll. Auch Parameter wie Zeiträume, Grenzen oder der Umfang werden in der ersten Phase festgelegt.

2) Measure
Messen bedeutet in dieser Phase, dass die aktuelle Ausprägung vorhandener Leistungsmerkmale erfasst wird. Hierzu lassen sich statistische und grafische Werkzeuge einsetzen.

3) Analyse:
In Phase 3 sollen Ursache-Wirkungs-Beziehungen dargestellt werden, um so möglichst umfassend Ursachen für die Abweichung von vorgegebenen Zielen herauszufinden. Brainstorming und statistische Methoden sind für diese Phase die geeigneten Werkzeuge.

4) Improve
Phase 4 ist die Verbesserungsphase. Hier sind Lösungen für die identifizierten Probleme zu finden. Geeignete Werkzeuge sind auch hier das Brainstorming oder auch Mindmapping. Gefundene Lösungen werden anhand von Normen und Vorschriften auf ihre Umsetzungsfähigkeit geprüft und ebenso bewertet. Die vorteilhafteste Lösung wird nach einer Entscheidung umgesetzt.

5) Control
Die finale Phase soll die erreichten Optimierungen im Arbeitsalltag verankern. Durch Standardisierungen und Dokumentationen soll eine möglichst effiziente Umsetzung der Verbesserungen im Unternehmen erzielt werden. Die Überprüfung der erreichten Ziele erfolgt anschließend durch das Controlling des Unternehmens.

Fazit

Auch wenn der Einstieg in Six Sigma zunächst sperrig und stark zahlenorientiert erscheint- der Erfolg gibt der Methode Recht. Durch statistische Methoden erzielen Unternehmen dank Six Sigma höchste Qualität der Produkte – und somit eine wettbewerbsfähige Kundenzufriedenheit. Auch und gerade in Zeiten der digitalen Transformation und dem IoT sind statistische Messungen schnell und zuverlässig durchzuführen, so dass zu erwarten ist, dass sich Six Sigma zukünftig noch mehr verbreiten wird.

Im Rahmen der Industrie 4.0 können benötigte Daten für die statistische Auswertung direkt dort aufgenommen werden, wo sie entstehen – an der Maschine oder entlang der gesamten Wertschöpfungskette.

Quellen:
https://www.business-wissen.de/hb/six-sigma-als-grundlage-fuer-das-qualitaetsmanagement/
https://www.six-sigma.de/six-sigma/
https://www.quality.de/lexikon/six-sigma/

Topic: Produktivität in der Produktion steigern

Das Problem an der Wurzel packen mit der 5-Warum-Methode

2021-04-15T08:22:04Z

Die Digitalisierung lässt die Welt enger zusammenrücken. Im gleichen Maße, wie die digitale Transformation im Rahmen der Industrie 4.0 und dem IIoT voranschreitet, wächst der Bedarf an optimierten Prozessen innerhalb eines Unternehmens. Mit unterschiedlichen Ansätzen sollen die Produktivität und Qualität gesteigert werden. Während Methoden wie Kaizen oder die Wertstromanalyse zwar überaus effektiv, aber gleichfalls aufwändig zu realisieren sind, stellen andere Methoden eine einfache, schnelle Umsetzung in den Vordergrund. Zu diesen „einfachen“ Methoden zählt die 5-Warum-Technik, die wir uns in diesem Teil unserer Blog-Reihe zum Thema Produktivitätssteigerung einmal genauer ansehen werden.

Problemen auf den Grund gehen

Fehler sind menschlich und passieren immer. Je breiter eine Produktpalette ist und je höher der unternehmenseigene Anspruch an maximale Qualität verortet wird, desto vielfältiger werden Fehlerquellen. Um die Ursache eines Fehlers herauszufinden, wird in der Qualitätssicherung auf eine überaus simple Methode zurückgegriffen: Die 5-Warum-Methode.

Bei der 5-Warum-Methode handelt es sich um eine Fragetechnik, mit der den Problemhintergründen auf den Zahn gefühlt werden soll. Denn viel zu oft ist der offensichtlichste Grund eines Problems nicht die wahre Ursache – sondern nur eines von vielen Symptomen in der gleichen Problemreihe. Werden die Symptome eines Problems beseitigt, scheint ein Fehler zunächst behoben. In vielen Fällen bleibt bei diesem Vorgehen aber die eigentliche Ursache des Problems bestehen. Die Folge: Die gleiche oder ähnlich gelagerte Problemstellung tritt nach einiger Zeit erneut auf. Langfristige Lösungsansätze sind also gefragt, denn es reicht nicht aus, nur an der Oberfläche des Problems zu schrauben. Vielmehr sollte die Aufgabe sein, sich bis zur Wurzel des Problems – der Ursache – durchzugraben. Und hier kommt die 5-Warum-Methode ins Spiel.

Wer hat die 5-Warum-Methode erfunden?

Als „Erfinder“ der 5-Warum-Methode gilt Toyoda Sakichi, seines Zeichens Vater des späteren Toyota-Gründers und geistiger Vater der industriellen Revolution in Japan. Auch wenn Gerüchte besagen, dass sich Toyoda Sakichi bei der Entwicklung der 5-Warum-Methode von seinen Kindern hat inspirieren lassen, liegt der genaue Hintergrund der Entstehung im Dunklen. In den vergangenen Jahrzehnten seit der Erfindung hat die 5-Warum-Methode breitgefächert Einzug in die japanische Lean Philosophie gehalten – und ist auch bei uns im Westen eine beliebte Maßnahme im Bereich der Qualitätssicherung geworden.

Was bedeutet 5-Warum-Methode?

Wer Kinder hat, wird die Fragestellung, die mit einem „Warum“ beginnt, sicherlich kennen. Liefert man Kindern eine Antwort auf die initiale Warum-Frage, kann man sicher sein, dass weitere „Warum?“ folgen werden. Mit der gleichen Beharrlichkeit nimmt sich die 5-Warum-Methode einem Problem an. Die 5-Warum-Methode ist ein einfaches Verfahren für eine Fehler-Ursachenanalyse (auch Root-Cause-Analysis genannt). Für diese Analyse eines beliebigen Sachverhaltes werden durch fünfmaliges Nach- und Hinterfragen die eigentlichen Ursachen eines Problems aufgespürt.

So funktioniert die 5-Warum-Methode

Die 5-Warum im Rahmen einer Fehleranalyse einzusetzen, ist vergleichsweise einfach. Ein beliebiges Problem wird zunächst beobachtet und im Anschluss beschrieben. Im nächsten Schritt fragt man sich selber oder eine weitere, beteiligte Person nach dem „Warum“. Dieses Vorgehen wird in Summe fünfmal wiederholt, bis die Fehlerursache offenkundig geworden ist.

Zur Verdeutlichung der Methode eignet sich ein Praxisbeispiel, wie es zigtausendfach täglich vorkommt. In unserem Beispiel steht ein Bearbeitungszentrum in einem metallverarbeitenden Betrieb unplanmäßig still. Die erste Frage in diesem Fall seitens des Schichtleiters wird lauten: „Warum produziert die Maschine nicht?“ Die naheliegende Antwort darauf könnte lauten: „Das Fräswerkzeug ist gebrochen und muss getauscht werden.“ Problem erkannt – Problem gebannt? Schließlich reicht hier ein Fräswerkzeugwechsel und das Problem ist behoben. Wirklich?

Lassen wir die 5-Warum-Methode einmal ans Werk:

Wie Sie feststellen, kommt man mit jeder Frage der Ursache eines Problems näher. Die „5“ in dem Namen der Methode soll allerdings nicht als feststehende Größe, sondern vielmehr als Symbol verstanden werden. Denn in einigen Fällen lässt sich die Ursache eines Problems in drei Fragen klären, manchmal werden mehr als fünf „Warum“ benötigt.

In unserem Beispiel wäre als sechster Schritt die Entwicklung von Maßnahmen. Welche Maßnahme könnte das Problem in der Fertigung unseres Beispiels lösen?

Die 5-Warum-Methode und die Regeln bei der Durchführung

Damit die 5-Warum-Methode zielgerichtet durchgeführt werden kann, sind unbedingt die zwei goldenen Regeln zu befolgen:

1) Keine Mutmaßungen anstellen
Werden Mutmaßungen über die Entstehung des Problems getroffen, kommt es schnell zu falschen Schlussfolgerungen. Daher ist es effektiver, direkt bei den Prozessbeteiligten Fakten zu erfragen und sich auf Dokumente, Werkstücke oder Prozessschritte zu beziehen.

2) Immer und immer weiterfragen
Häufig wird in der Praxis eine 5-Warum-Analyse zu voreilig beendet, obwohl die eigentliche Ursache für ein Problem noch nicht gefunden wurde. Daher muss so lange weitergefragt werden, bis die tiefsitzende Ursache für ein Problem gefunden wurde.

Welche Nachteile hat die 5-Warum-Methode?

Auch wenn die 5-Warum-Methode in den allermeisten Fällen ein überaus effizientes Werkzeug zur Problemermittlung darstellt, hat sie auch einen Nachteil. Die 5-Warum-Methode zielt immer nur auf genau eine Ursache für ein Problem ab. In der Realität hat ein auftretendes Problem aber oftmals mehrere Ursachen. Hier gilt es dann, sich zu entscheiden, welchen Pfad man weiterverfolgen will. Wenn Mehrfachgründe berücksichtigt werden müssen, eignen sich andere Problemlösungstechniken wie beispielsweise das Ishikawa-Diagramm hervorragend.

Fazit

Mit einfachen Maßnahmen nachhaltig Probleme abstellen – das will die 5-Warum-Methode. Und in vielen Fällen gelingt dies tatsächlich, denn durch zielgerichtete Fragen und den entsprechenden Antworten darauf lassen sich die Wurzeln von Problemen aufdecken und in der Folge abstellen. Gerade für die produzierende Industrie kann die 5-Warum-Methode aufschlussreich sein, um ein Maximum an Qualität und Prozesssicherheit zu erzielen.

Quellen:
https://www.lean-production-expert.de/5-why
https://kanbanize.com/de/lean-management-de/verbesserung/5-warums-analyse-tool
https://www.kvp.de/lexikon/5xwarum-5w-methode-5-why-5-why-methode-5w-methode/

Topic: Produktivität in der Produktion steigern

Kennen Sie TIM WOODS? Die 8 Arten von Verschwendung in der Produktion

2021-04-23T09:41:56Z

Sich kontinuierlich zu verbessern wird vor allem für produzierende Unternehmen immer wichtiger. Um dies zu erreichen, können Methoden des Lean-Managements von Nutzen sein. Einige dieser Methoden haben wir bereits in unserer Blog Reihe vorgestellt. Darunter auch die die 5S-Methode, mit welcher nicht wertschöpfende Tätigkeiten - also Verschwendung - minimiert werden sollen.

Im heutigen Teil unserer Reihe möchten wir einen genaueren Blick auf die verschiedenen Arten von Verschwendung werfen und stellen eine Merkregel vor: TIM WOODS.

Was ist Verschwendung?

Unter Verschwendung wird jede Tätigkeit verstanden, die nicht wertschöpfend ist. Ein Beispiel sind große Zeitpuffer, in denen unfertige Produkte auf den nächsten Produktionssschritt warten. Auch Tätigkeiten, die Auswirkungen auf die Arbeitszeit der Mitarbeiter haben, gelten als nicht wertschöpfend. Unproduktive Suchzeiten von Werkzeugen oder Materialien wären hierzu ein Beispiel.

In der klassischen Lean-Production-Lehre nach Taiichi Ōno wird zwischen 7 verschiedenen Arten von Verschwendung - im japanischen Muda genannt - unterschieden. “Muda” lässt sich dabei als sinnlose Tätigkeit übersetzen. Mit dieser Unterscheidung können die verschiedenen Arten von Verschwendung leicht identifiziert werden.

Die 8 Arten von Verschwendung - Warum TIM WOODS?

Die klassischen 7 Arten von Verschwendung nach Taiichi Ōno sind:

☑ Transportation - Logistik
☑ Inventory - Lagerbestand
☑ Motion - Bewegung
☑ Waiting - Warten
☑ Overprocessing/Overengineering - Überarbeitung/Falsche Prozesse/Technologie
☑ Overproduction - Überproduktion
☑ Defects -Ausschuss/Nacharbeit

Wir ergänzen eine achte Art: Skills (Fähigkeiten).

Fasst man die englischen Anfangsbuchstaben aller Arten von Verschwendung zusammen, ergibt sich die Merkregel TIM WOOD oder hier: TIM WOODS.

Was sind die 8 Arten und wie beseitige ich diese?

Quellen:
https://www.lean-production-expert.de/7-verschwendungsarten
https://refa.de/service/refa-lexikon/7-verschwendungsarten

Topic: Produktivität in der Produktion steigern

Wie Sie Poka Yoke unterstützt, Fehler in der Produktion zu minimieren

2021-04-28T13:22:37Z

Produktivität und Effizienz steigern – Zwei Ansprüche, die an moderne Unternehmen aus dem produzierenden Bereich tagtäglich gestellt werden. Um Zeitverschwendung oder Fehlerquellen zuverlässig zu eliminieren, stehen unterschiedliche Ansätze bereit. Moderne Methoden der Optimierung sollen die Wertschöpfung eines Unternehmens sicherstellen. Zu diesen Methoden zählen unter anderem das Kaizen-Prinzip, die Wertstromanalyse oder der Demingkreis.

Heute widmen wir uns dem Poka Yoke Prinzip – einer einfachen Methode zur zuverlässigen Fehlervermeidung. Auch im Zeitalter der digitalen Transformation, der Industrie 4.0 und dem IoT sind einfache Lösungen zur Fehlervermeidung gefragt – und lassen sich so schnell umsetzen wie nie zuvor.

Was ist Poka Yoke?

Poka Yoke ist ein japanischer Begriff, der für ein Konzept der kontinuierlichen Verbesserung der Qualität durch Vermeidung unbeabsichtigter Fehler steht. Poka lässt sich mit „Unachtsamkeiten, Irrtümer“ und Yoke mit „vermeiden“ übersetzen. Poka Yoke ist eine Methode aus dem Umfeld der präventiven Qualitätssicherung. Mittels der Methode soll sowohl die Produktqualität als auch die Prozessqualität der Produktion an sich gesteigert werden. Poka Yoke basiert auf der Annahme, dass Fehler gar nicht entstehen oder entstandene Fehler umgehend aufgedeckt werden können, wenn Materialien, Maschinen und Arbeitsgeräte einer Fertigungslinie entsprechend konzipiert und angeordnet werden. Grundlage dieser Optimierungen sind in der Regel überaus einfache und preiswerte Einrichtungen, die auf dem sogenannten Schlüssel-Schloss-Prinzip beruhen.

Wer hat Poka Yoke erfunden?

Der Japaner Shigeo Shingō gilt als Erfinder des Poka Yoke. Shigeo Shingō war in den 1960er Jahren Ingenieur und Mitentwickler des Toyota Produktionssystems – einem durchdachten System, das jede Art von Verschwendung im Produktionsprozess vermeiden soll. Die Grundzüge des Poka Yoke liegen in der statistischen Qualitätskontrolle und der daran anschließenden Fehleranalyse. Shigeo Shingō empfand dieses Vorgehen jedoch als unzureichend – denn die Qualitätskontrolle kann Fehler nur finden, aber nicht vermeiden. Gerade in produzierenden Unternehmen entstehen die meisten Fehler in einer frühen Phase des Produktionsprozesses.

Was macht Poka Yoke so relevant?

Poka Yoke ist eine Methode, mit deren Umsetzung sichergestellt werden soll, dass Prozesse, aber auch Menschen, direkt beim ersten Mal korrekt funktionieren. Dadurch werden Fehler ausgeschlossen, gleichzeitig können die Zuverlässigkeit und die Qualität von Prozessen und Produkten deutlich verbessert werden.

Wann genau wird Poka Yoke eingesetzt?

Die Poka Yoke Methode kann und soll überall dort eingesetzt werden, wo Fehler gemacht werden – also tatsächlich überall. Die Methode kann überaus erfolgreich bei allen Prozessen in der Produktion angewendet werden und zielt auf die Vermeidung von Fehlern aller Art ab:

☑ Einrichtungsfehler durch falsche Einstellung der Maschine oder Werkzeuge
☑ Verarbeitungsfehler durch Auslassen von Prozessschritten
☑ Falsche Teile verwendet
☑ Bedienungsfehler
☑ Messfehler durch Fehler bei der Maschineneinstellung oder mangelhaften Testmessungen

Die vier Arten des Poka Yoke

Bei allen Maßnahmen von Poka Yoke besteht das Ziel immer darin, Fehler bei repetitiven Tätigkeiten oder bei ablaufenden Prozessen zu vermeiden, bei denen die Bediener auf Grund von Unwissenheit Fehler machen könnten. Somit führt die konsequente Anwendung von Poka Yoke dazu, dass sich die Bediener vollumfänglich auf die Arbeit konzentrieren – anstatt Zeit mit der Korrektur von Fehlern zu verschwenden.

Prinzipiell lässt sich Poka Yoke in vier unterschiedliche Arten aufteilen:

Physisch: Die Anwendung von Geräten wird so gestaltet, dass Fehler in der Bedienung von vorneherein ausgeschlossen werden. Zum Beispiel lässt sich die Gangschaltung eines Autos nur dann betätigen, wenn vorher das entsprechende Pedal betätigt wurde. Oder der Start einer Mikrowelle wird erst dann ermöglicht, wenn vorher die Türe verschlossen wurde.
Informativ:: Eine präzise, klare und leicht verständliche Anleitung unterstützt die Anwender dabei, verschiedene Teilschritte eines Prozesses fehlerfrei durchzuführen
Sequenziell: Während der Bearbeitung eines Prozesses muss eine vorgegebene Reihenfolge eingehalten werden. Wird die Reihenfolge missachtet, kann der Teilschritt nicht abgeschlossen werden und es ist dem Bediener nicht möglich, zum nächsten Teilschritt überzugehen.
Gruppiert: Für die Durchführung eines Vorgangs werden im Vorfeld alle benötigten Teile und Materialien in einem Set zusammengestellt. So wird die Zeitverschwendung durch Suche nach Teilen und Materialien verhindert

Poka Yoke in der Produktion

Soll Poka Yoke zur Optimierung von Produktionsprozessen eingesetzt werden, wird mit der Suche nach Fehlerursachen begonnen. Sind die Fehler definiert, wird im Anschluss entschieden, welche Möglichkeit zur Problemlösung am besten geeignet ist. Zu den Möglichkeiten gehören:

☑ Detektionsmechanismen
☑ Auslösemechanismen
☑ Regulierungsmechanismen

Als Beispiel für einen Detektionsmechanismus kann ein Sensor aufgeführt werden, der in einer Maschine die korrekte Schließung einer Türe zum Arbeitsraum überprüft. Die Maschine kann nur in Betrieb genommen werden, wenn die Tür geschlossen ist.

Auslösemechanismen können entweder als Kontaktmethode, Fixwertmethode oder Schrittfolgemethode ausgelegt sein. Bei der Kontaktmethode könnten ebenfalls Sensoren eingesetzt werden, die eine Freigabe für einen neuen Arbeitsschritt erst dann erteilen, wenn alle notwendigen Komponenten vorhanden sind. Bei der Fixwertmethode wird am Ende eines Arbeitsschrittes überprüft, ob tatsächlich alle vorgegebenen Teilschritte ausgeführt wurden. Bei der Schrittfolgemethode schließlich wird die standardisierte Bewegungsabfolge eines Prozesses überprüft.

Regulierungsmechanismen arbeiten entweder mit Unterbrechungen bei Auftreten von Unregelmäßigkeiten (beispielhaft kann hier ein automatischer Maschinenstopp bei Werkzeugbruch aufgeführt werden) oder durch Alarme, die optisch und akustisch auf Fehler aufmerksam machen.

Hartes und weiches Poka Yoke

Poka Yoke kann auf zwei Arten ausgeführt werden – nämlich als hartes und als weiches Poka Yoke. Hartes Poka Yoke beschreibt fehlervermeidende Maßnahmen. Als bestes Beispiel kann hier der Geldautomat aufgeführt werden. Das Geld kann aus dem Automaten erst dann entnommen werden, nachdem die EC-Karte aus dem Automaten entfernt wurde. Diese kleine Maßnahme sorgt dafür, dass die Karten nicht im Automaten vergessen werden können.

In der Produktion wird das harte Poka Yoke umgesetzt durch:

☑ Größen- oder Formunterschiede, die ein Zusammenfügen von Teilen auf nur eine mögliche Art sicherstellen
☑ Maschinenstopp bei Abweichungen
☑ Kontinuierliche Prüfungen im Prozess mit automatischen Abschaltungen bei Fehlern

Beim weichen Poka Yoke hingegen werden Hinweise auf mögliche Fehler gegeben. Im Alltag ist es beispielsweise die Bratpfanne mit einem Thermo-Spot. Bei kalter Pfanne sind Muster in diesem Spot sichtbar. Bei optimaler Brattemperatur sind die Muster verschwunden und der Spot leuchtet in auffälligem Rot. Diese visuellen Hinweise können Fehler beim Braten verhindern – müssen es aber nicht! Denn schließlich kann die Pfanne trotzdem noch zu kalt oder bereits viel zu heiß sein.

In der Produktion wird weiches Poka Yoke realisiert durch:

☑ Unterschiedliche Farben
☑ Signalleuchten
☑ Checklisten am Arbeitsplatz
☑ Hupen, Summer und Alarme

Fazit

Poka Yoke ist ein einfaches Verfahren zur Fehlervermeidung. Der Grundgedanke von Poka Yoke ist die Eliminierung aller Fehler innerhalb einer Prozesskette – die Null-Fehler-Produktion. Dies ist in der Praxis allerdings nicht zu erreichen, daher steht eine bestmögliche Minimierung von Fehler-möglichkeiten im Fokus der Methode. Poka Yoke setzt dabei auf einfache Maßnahmen an Maschinen, Werkzeugen oder Vorrichtungen, die verhindern, dass Fehler entstehen – oder die dafür sorgen, dass Fehler möglichst schnell entdeckt werden.

Topic: Produktivität in der Produktion steigern

Mit SMED die Rüstzeiten in Ihrer Produktion reduzieren

2021-05-07T13:44:07Z

Produktionsbetriebe müssen sich auf einen immer härteren, globalen Wettbewerb einstellen. Mit Management- und Steuerungsmethoden wie Kaizen, dem Demingkreis oder der 5-Warum-Methode sollen Unternehmen „lean“ – also schlank und effizient – auf die Anforderungen im Rahmen der Industrie 4.0 und der fortschreitenden Digitalisierung reagieren. Dabei ist die Optimierung von Prozessen längst den Management-Ebenen entflohen und bestimmt mittlerweile auch den Fertigungsalltag direkt an den produzierenden Maschinen.

Mit SMED, dem „Single Minute Exchange of Die“ oder auf Deutsch dem „Werkzeugwechsel im einstelligen Minutenbereich soll die Rüstzeit einer Maschine oder Fertigungslinie reduziert werden. Wir betrachten den SMED Ansatz in diesem Beitrag einmal genauer.

Was bedeutet SMED?

Der Single Minute Exchange of Die ist ein Verfahren, dass wie so viele andere Methoden der schlanken Unternehmensführen aus Japan stammt. Entwickelt wurde SMED von Shigeo Shingō, einem externen Berater, der maßgeblich an der Entwicklung des Toyota-Produktionssystems TPS beteiligt war. In den 1970er Jahren fertigte man bei Toyota mit großen Losen, was eine entsprechend große und teure Lagerhaltung mit sich brachte.

SMED setzt auf technische und organisatorische Maßnahmen, um Rüstzeiten zu verkürzen. Der Single Minute Exchange of Die zielt darauf ab, Maschinen oder Fertigungslinien innerhalb eines Fertigungstaktes zu rüsten oder umzurüsten. So soll Verschwendung durch Warten reduziert werden. Der Terminus „Werkzeugwechsel“ in der deutschen Übersetzung ist übrigens irreführend. Denn SMED bezieht sich nicht auf den Wechsel von einem Werkzeug zu einem nächsten! Vielmehr ist die Zeit vom letzten Werkstück des alten Fertigungsloses bis zum ersten Werkstück des neuen Fertigungsloses gemeint. Eine Übersetzung mit „Produktionswechsel“ zielt eher auf den Hintergedanken von SMED ab, ist aber in Deutschland unüblich.

SMED – Viel mehr als „nur“ ein Werkzeugwechsel

Wenn im Rahmen von SMED von „Rüsten“ die Rede ist, ist nicht nur der eigentliche Werkzeugwechsel gemeint, sondern vielmehr der gesamte Wechsel der für eine Umstellung der Fertigung notwendigen Ausrüstung. Dazu gehören Werkzeuge, aber auch Rohmaterialien, Betriebs- und Hilfsmittel, die Einstellung der Maschine und eine in der Regel notwendige Neuprogrammierung. SMED soll als Baustein den Lean Gedanken im kompletten Produktionsprozess integrieren, sowohl was die Arbeitsmittel als auch die Organisation anbelangt.

Was ist das Ziel von SMED?

Das Ziel von SMED ist das Umrüsten einer Maschine auf einen neuen Fertigungsprozess, ohne dabei den Fertigungsfluss nachteilig zu beeinträchtigen. Das Ziel kann genau dann als erreicht gewertet werden, wenn eine Maschine beziehungsweise eine Fertigungslinie innerhalb eines Fertigungstaktes umgerüstet werden kann. Im Idealfall kann der vom Kunden initiierte Pull-Prozess bereits in der Fertigung so umgesetzt werden, dass auch individuelle Kundenwünsche bis hin zur Losgröße 1 innerhalb eines Fertigungstaktes berücksichtigt werden können.

Die Umsetzung von SMED

Die Umsetzung von SMED in der Produktion läuft in mehreren Teilschritten ab, wobei zunächst organisatorische und dann technische Maßnahmen umgesetzt werden. Durch die Aufteilung in mehrere iterative Schritte kann die vorgegebene und überaus wichtige Reihenfolge besser eingehalten werden. Jeder Teilschritt soll für eine Reduzierung der Rüstzeiten um 50 bis 60 % in Bezug auf den vorherigen Schritt sorgen.
Wichtig für das Verständnis von SMED ist die Unterscheidung von internen und externen Rüstvorgängen.

Interne Rüstschritte können generell nur bei einem Maschinenstillstand durchgeführt werden (beispielsweise der Werkzeugwechsel), wohingegen externe Rüstschritte, zum Beispiel die Bereitstellung der Werkzeuge oder Rohmaterialien, bereits dann durchgeführt werden, während die Maschine noch produziert.

Mit diesem Wissen kann SMED mit folgenden Teilschritten umgesetzt werden:

Zeiterfassung der bestehenden Rüstvorgänge
Trennung von internen und externen Rüstvorgängen (Organisation)
Überführung interner Rüstvorgänge in externe Rüstvorgänge
Optimierung und Standardisierung von internen und externen Rüstvorgängen
Eliminierung von Justierungsvorgängen
Falls möglich: Parallelisierung von Rüstvorgängen

Die genannten Schritte werden so oft wiederholend durchlaufen, bis die Rüstzeit im einstelligen Minutenbereich liegt. Jeder Folgeschritt führt im Verhältnis zum davor durchgeführten Teilschritt in der Regel zu überproportionalen Investitionen.

Womit lässt sich ein Rüstvorgang optimieren und standardisieren?

Jedes produzierende Unternehmen muss für sich selbst die optimalen Maßnahmen zur Optimierung von Rüstvorgängen herausfinden. Zu gängigen Maßnahmen zählen unter anderem der Einsatz von Klemmen statt Schrauben, die Verwendung von Schiebetischen anstelle von Kränen oder Vorrichtungen, die ein Justieren außerhalb der Maschine ermöglichen. Ebenfalls gehören eine erhöhte Automatisierung des Fertigungsprozesses, die Standardisierung von Rüstaktivitäten und Werkzeugen und eine Parallelisierung von Rüstvorgängen durch erhöhten Personaleinsatz zu den möglichen Maßnahmen, um SMED zu erreichen. Wichtig bei der Umsetzung von SMED ist eine detaillierte Dokumentation, die alle beim Rüsten notwendigen Handgriffe aller Beteiligten festhält. Die Handgriffe werden anschließend in Checklisten fixiert, so dass sich Störungen und Abweichungen schnell und frühzeitig erkennen lassen.

Welche Vorteile bringt die SMED-Methode einem Unternehmen?

SMED reduziert Durchlaufzeiten und Losgrößen teils deutlich. Bestände lassen sich senken, gleichzeitig wird die Termintreue und die Flexibilität in der Fertigung erhöht. Wird die SMED-Methode optimal umgesetzt, werden Fertigungskosten gesenkt und es wird Platz im Betrieb geschaffen.

Die Mitarbeiter sollten immer eingebunden werden

Die Vorschläge zu schnelleren Rüstvorgängen kommen von dort, wo sie sich abspielen – nämlich nach Beobachtungen und Analysen der Abläufe von Mitarbeitern an der Maschine. Die Mitarbeiter können Vorschläge für schnellere Rüstvorgänge im Rahmen von Gruppenmeetings während der Arbeitszeit machen oder, bei großen Firmen üblich, schriftlich an das Betriebliche Vorschlagswesen einreichen. In einigen Unternehmen wird den Mitarbeitern, dessen Vorschläge umgesetzt werden, eine Prämie ausbezahlt – ein deutliches Plus für die Motivation.

Vernichtet SMED Arbeitsplätze?

Ob durch die SMED-Methode Arbeitsplätze gefährdet oder gesichert werden, hängt stark von der wirtschaftlichen Situation des Betriebes ab. In produzierenden Unternehmen mit Unterauslastung können Einsparungen bei der Rüstzeit gerade kurz- und mittelfristig zu Personaleinsparungen führen. Anders sieht es bei gut ausgelasteten Betrieben oder bei Engpassanlagen in der Linienproduktion aus. Hier kann eine Zeitersparung in den allermeisten Fällen zu einer Mehrproduktion führen – was eine Aufstockung des Personals mit sich bringt. In beiden Fällen, sowohl bei Unterauslastung als auch bei Vollauslastung, steigert eine erhöhte Produktivität und Flexibilität die Wettbewerbsfähigkeit – und sichert somit Arbeitsplätze.

Fazit

Mit dem Single Minute Exchange of Die werden unproduktive und damit teure Rüstzeiten zuverlässig gesenkt. Wie viele andere Methoden stammt auch SMED aus Japan, wo es erfolgreich die Produktion bei Toyota verschlanken konnte. Die Umsetzung von SMED mittels mehrerer Teilschritte ist überaus effektiv – vor allem dann, wenn die Mitarbeiter eines Unternehmen in den Entscheidungsfindungs-prozess mit einbezogen werden können. Ob SMED Arbeitsplätze sichert oder zum Abbau führt, hängt stark von der Auslastung des jeweiligen Betriebs ab. Langfristig steigert SMED die Wettbewerbs-fähigkeit und somit auch die Arbeitsplatzsicherheit.

Topic: Produktivität in der Produktion steigern

Root Cause Analysis: In der Produktion auf den Zahn fühlen

2021-05-12T12:58:05Z

An das produzierende Gewerbe werden höchste Ansprüche gestellt – nicht nur, was die Qualität der Produkte anbelangt. Gerade mit der digitalen Transformation, der Industrie 4.0 und dem IoT (Internet der Dinge) ist der Wettbewerb global härter geworden. Ein Betrieb muss heute „lean“ – also möglichst schlank und effizient – geführt werden, um auf dem Markt nicht das Nachsehen zu haben. Mit unterschiedlichen Methoden und Ansätzen soll der „Lean Gedanke“ umgesetzt werden. Neben bekannten Methoden wie Kaizen, dem Demingkreis oder SMED ist in letzter Zeit die Root Cause Analysis (RCA) zu einem überaus beliebten Instrument zur Steigerung der Effizienz geworden. In diesem Beitrag erfahren Sie, was die Ursachenanalyse (RCA) von anderen Methoden unterscheidet und wie sich mit ihrer Hilfe die tiefere Ursache von Problemen ermitteln lässt.

Was ist die Root Cause Analysis?

Die Root Cause Analysis – oder auf Deutsch die Ursachenanalyse – ist ein wissenschaftlicher, systematischer Ansatz, um die Hauptursache eines definierten Problems zu ermitteln. Die RCA geht davon aus, dass sich wirksame Lösungen finden lassen, sobald die wahre Ursache eines Fehlers oder Problems bekannt ist. Die Lösung soll dabei nicht nur die aktuellen Auswirkungen behandeln, sondern auch und vor allem verhindern, dass der Fehler oder das Problem erneut auftritt.

Wer hat die Ursachenanalyse erfunden?

Wie viele moderne Methoden stammt auch die Ursachenanalyse aus Fernost, genauer gesagt aus Japan. Als Begründer der RCA gilt Saikichi Toyoda – regelmäßigen Besuchern unseres Blogs höchstwahrscheinlich als „Vater der 5-Warum-Methode“ bekannt. Anders als die 5-Warum-Methode ist die RCA eher als übergeordnete Kategorie zu verstehen, die diverse Ansätze zur Lösungsfindung unter einem Begriff vereint.

Warum sollte eine Root Cause Analysis überhaupt verwendet werden?

Viele Manager, die das erste Mal mit der Root Cause Analysis konfrontiert werden, zögern bei der Umsetzung. Denn ohne größeren Zeitaufwand ist die RCA nicht durchzuführen. Allerdings lohnt sich der Einsatz von wertvoller Zeit – denn mit RCA können typische Herausforderungen wie Nicht-Bereitstellungen von Produkten, ungeplante Stillstandzeiten oder Produktivitätseinbrüche nachhaltig beseitigt werden.

Die RCA ist vorteilhaft, wenn:

☑ Das eigentliche Problem angegangen werden soll. Denn wird die Ursache eines Problems nicht vor der Suche nach Lösungen lokalisiert, ist Verschwendung das Resultat – und neue Probleme werden zusätzlich zu den bestehenden Problemen erzeugt
☑ Das Teamplay gesteigert werden soll. Innerhalb eines Teams herrschen oftmals unterschiedlichste Meinungen zur Ursache eines Problems. Die Ursachenanalyse stellt qualitative und quantitative Daten bereit, die die wahren Ursachen für ein Problem aufzeigen – und so zu einer objektiven, im Team getroffenen Zustimmung für die Problemlösung sorgen.
☑ Nachhaltige Lösungen geschaffen werden sollen. RCA ermittelt die wahren Ursachen eines Problems – und stellt somit sicher, dass das gleiche Problem nicht erneut auftreten kann.

Wie wird eine Root Cause Analysis durchgeführt?

Eine RCA kann auf unterschiedliche Arten durchgeführt werden. Ist eine einfache Option gefragt, dann eignet sich die 5-Why-Methode. Hier wird ein Team, beispielsweise die Bedienmannschaft einer Fertigungslinie, gebeten, ein Problem zu benennen. Anschließend werden Fragen nach dem „Warum“ gestellt, bis das Team zu der Ursache des benannten Problems vorgestoßen ist. Wir haben die 5-Why-Methode hier genauer vorgestellt.

Bei komplexeren Problemen und mehrschichtigen Fehlerursachen wird ein sogenanntes Fischgrätendiagramm im Rahmen der RCA eingesetzt. Das Diagramm ist überaus nützlich für die Visualisierung von Problemkategorien gemeinsam mit ihren (möglichen) Ursachen. Die durch das Diagramm gewonnenen Erkenntnisse können im Nachgang dann mit der 5-Why-Methode analysiert werden.

So funktioniert das Fischgrätendiagramm

Ein Fischgrätendiagramm besteht aus 5 Teilschritten, die innerhalb der Visualisierung den Körper eines Fisches nachbilden.

Teilschritt 1: Benennung des Problems

Zunächst wird möglichst zielgenau beschrieben, welche Hauptwirkung durch ein Problem dargestellt wird und welche Abschnitte eines Prozesses betroffen sind. Das ermittelte Problem wird als Fischkopf im Diagramm festgehalten.

Teilschritt 2: Die Datensammlung

Im zweiten Schritt werden alle Gründe zusammengetragen, die mutmaßlich für das Auftreten des Problems verantwortlich sind. Eine Sortierung der Gründe in Kategorien ist hier sinnvoll:

☑ Prozesse
☑ Maschinen
☑ Messmittel
☑ Lieferanten
☑ Management
☑ Fertigkeiten
☑ Usw.

Die Kategorien werden als „Fischgräten“ dargestellt und sind mit dem Kopf verbunden. Hilfreich ist es in diesem Teilschritt, den Zeitumfang zu definieren, seitdem das Problem besteht. Wie lange ist es her, dass der Prozess fehlerfrei abgelaufen ist? Auf diese Fragestellung sollte im Rahmen der RCA großen Wert gelegt werden, denn je mehr aussagekräftige Daten zusammengetragen werden, desto einfacher wird es festzustellen, ob die definierte Grundursache verifiziert werden kann. Es muss sichergestellt werden, dass alle Teammitglieder, die mit dem Problem konfrontiert sind, in die Datensammlung mit einzubeziehen. So gelingt es, eine Basislinie zu finden, die der späteren Quantifizierung der Verbesserungen dient.

Teilschritt 3: Ursachen definieren

Alle bekannten Problemursachen werden unter der entsprechenden Kategorie einsortiert. Hierbei ist zu überlegen, ob das Problem weitere Probleme innerhalb des Prozesses verursacht – falls ja, werden diese ebenfalls notiert.

Teilschritt 4: Grundursache herausfinden

Das Fischgrätendiagramm ist jetzt soweit mit Input gefüttert, dass sich die wichtigsten Gründe für ein Problem auswählen lassen. Diese Gründe können nun anhand der 5-Why-Methode bewertet werden, um methodisch und einfach zum wesentlichen Kern des Problems vorzudringen.

Finaler Schritt: Korrekturmaßnahmen einführen

Es liegt nun eine vollständig visualisierte Übersicht vor, die einen Zugang zu einer vollständigen Analyse des Problems ermöglicht. So kann nun eine Lösung entworfen und deren Umsetzung in Angriff genommen werden. Gewählt werden sollte die Methode der Problemlösung, die sich am geringsten auf die laufende Produktion auswirkt und ein geringstmögliches Maß an zusätzlichem Risiko in sich birgt.

Das Fischgrätendiagramm eignet sich für Problematiken rund um Maschinen, Materialien, Prozesse, aber auch für die Optimierung von Lieferantenbeziehungen, Marketing oder Finanzkontrolle.

RCA – Nicht nur empfehlenswert bei Problemen, sondern auch bei Erfolgen!

Die Ursachenanalyse wird gerne eingesetzt, um Problemen und Fehlern auf den Grund zu gehen. Dabei eignet sich RCA auch hervorragend, um die Grundursachen für einen Erfolg herauszufinden. Denn das Wissen, warum ein Projekt außergewöhnlich glatt lief oder eine Lieferung überpünktlich zugestellt wurde, kann zum einen nicht schaden – und zum anderen dazu beitragen, für die Zukunft wichtige Erfolgsfaktoren in den Fokus zu stellen.

Fazit

Wie viele moderne Methoden zur Optimierung stammt auch die Root Cause Analysis ursprünglich aus Japan. Der wissenschaftliche Ansatz geht den echten Ursachen eines vorliegenden Problems auf den Grund und nutzt dabei sowohl Techniken der Visualisierung wie das Fischgrätendiagramm als auch einfache Instrumente wie die 5-Why-Methode. So kann die RCA dazu beitragen, Fehler nachhaltig zu beseitigen und Prozessketten zu optimieren.

Topic: Produktivität in der Produktion steigern

Qualitätsmanagement in der Produktion durch die Methode des Fischgrätendiagramms

2021-05-20T13:38:51Z

In der modernen Produktion spielt das Qualitätsmanagement eine entscheidende Rolle. Insbesondere mit der fortschreitenden Digitalisierung im Rahmen der Industrie 4.0 und dem IoT ist höchste Qualität entlang der gesamten Produktionskette der entscheidende Wettbewerbsvorteil. Im Rahmen unserer Blog-Reihe haben wir bereits bekannte Methoden zur Qualitätsoptimierung wie Kaizen, die Wertstromanalyse oder den Demingkreis einer genauen Betrachtung unterzogen. Gemeinsam mit Ansätzen wie Poka Yoke oder SMED eignen sich die Methoden hervorragend, um Fehler in der Produktion zu verhindern, Ausschuss zu reduzieren und die Motivation der Mitarbeiter zu fördern. In dem heutigen Teil unserer Blog-Reihe widmen wir uns dem Fischgrätendiagramm, auch Ishikawa-Diagramm genannt. Das Fischgrätendiagramm ist ein gleichfalls einfaches und mächtiges Werkzeug, um Fehlerursachen auf den Grund zu gehen.

Was ist ein Fischgrätendiagramm?

Das Fischgrätendiagramm ist eine Methode zur Visualisierung. Mittels dem Diagramm lassen sich potenzielle Ursachen eines Problems kategorisieren und identifizieren. Eingesetzt wird das Fischgrätendiagramm vor allem in Brainstorming-Meetings, um die Gespräche im Rahmen einer Diskussion zu fokussieren. Durch das Diagramm lassen sich alle infrage kommenden Ursachen für ein Problem ermitteln, in ihrer Relevanz bewerten und entsprechende Lösungskonzepte erzielen.

Woher stammt der Name Fischgrätendiagramm?

Das Layout des Diagramms ähnelt einem Fischskelett – eben den namensgebenden Fischgräten. Fischgrätendiagramm werden in der Regel von rechts nach links bearbeitet – beginnend mit dem „Kopf“ auf der rechten Seite. An den Kopf anschließend werden die „Gräten“ eingezeichnet, die sich in kleinere Gräten verzweigen.

Wer war Dr. Ishikawa Kaoru und warum trägt das Diagramm seinen Namen?

Ishikawa Kaoru, geboren am 13. Juli 1915 und verstorben am 16.April 1989, war ein japanischer Chemiker, der als Vater der japanischen Qualitätskontrolle gilt. Ishikawa Kaoru entwickelte zahlreiche Qualitätswerkzeuge – unter anderem auch das nach ihm benannte Ishikawa-Diagramm. Dieses Diagramm kennen wir auch unter einem anderen Namen: Fischgrätendiagramm.

Ishikawa schloss sein Studium 1938 an der Universität Tokio ab und sammelte danach erste Berufserfahrungen bei der Nissan Liquid Fuels Co. Ltd. Mit Beginn des zweiten Weltkrieges trat Ishikawa als Technischer Spezial-Offizier in die japanische Marine ein. Aus dieser Zeit stammt auch sein erstes Ursache-Wirkungs-Diagramm, besser bekannt als Fischgräten-Diagramm. Mit Hilfe des Diagramms ließen sich so effizient wie noch niemals zuvor Problemquellen von Maschinen, Materialien, Methode und Menschen aufspüren. Das Fischgrätendiagramm bildet eines der sieben elementaren Qualitätswerkzeuge – und Ishikawa gilt seit der Erfindung dieser Methode als Pionier der qualitätsbezogenen Aktivitäten in Japan.

Die grundlegende Qualitätsphilosophie von Ishikawa

Am Ende des zweiten Weltkrieges litt Japan unter einer zerstörten Industrie, einer Reputation für minderwertige, billige Waren und stark limitierten Ressourcen. Ende der 1950er Jahre wurde daher eine Qualitätsoffensive gestartet, an der Ishikawa maßgeblich beteiligt war. Ishikawa entwickelte ein mitarbeiterbezogenes Konzept zur unternehmensweiten Qualitätsarbeit – unter Einbeziehung aller Hierarchieebenen und sämtlichen Tätigkeiten im Produktentstehungsprozess. Das Ziel: Die optimale Erfüllung aller Kundenanforderungen.

Die grundlegende Qualitätsphilosophie, auf denen nicht nur das Fischgrätendiagramm, sondern viele weitere Werkzeuge der Qualitätssicherung beruhen, lässt sich wie folgt zusammenfassen:

☑ Langfristige Qualität ist immer relevanter als ein kurzfristiger Gewinn
☑ Strikte Kundenorientierung entlang des gesamten Produktentstehungsprozesses
☑ Aufbau gesunder Kunden-Lieferanten-Beziehungen im kompletten Unternehmen
☑ Ermittlung von Daten und Fakten mittels statistischer Methoden und deren Verwendung
☑ Fokus auf humanitäre und soziale Aspekte
☑ Inklusion und Mitwirkung aller Mitarbeiter entlang der strategischen, taktischen und operativen Management-Ebenen
☑ Einführung von Qualitätszirkeln

Welche Vorteile bringt die Visualisierung eines Problems durch das Ishikawa-Diagramm?

Dr. Ishikawa war davon überzeugt, dass die Lösung für ein Problem nur dann nachhaltig gefunden werden kann, wenn die grundlegenden Ursachen sichtbar gemacht werden. Das Ishikawa-Diagramm ähnelt in der Gestaltung einem stilisierten Fisch, wobei jede einzelne „Gräte“ des Skeletts für eine der Hauptursachen des eruierten Problems steht. So ermöglicht das Diagramm eine genaue Analyse unterschiedlicher Faktoren – und das auch dann, wenn bereits die Problemursachen in einem Zusammenhang zueinanderstehen.

Die Methode der Problemanalyse nach Dr. Ishikawa bringt im Vergleich zu anderen Ansätzen einige Vorteile mit sich:

☑ Die einfache, grafische Darstellung unterstützt dabei, auch komplexe Zusammenhänge erkennbar zu machen und anschaulich darzustellen.
☑ Das Fischgrätendiagramm ist extrem einfach umzusetzen und benötigt keinerlei Vorkenntnisse oder einen übermäßigen Zeiteinsatz.
☑ Das Diagramm ermöglicht die praxisnahe Erarbeitung von Lösungen.
☑ Das Fischgrätendiagramm ist eine der besten Methoden, um gemeinsam im Team Probleme zu analysieren und Lösungen zu erarbeiten.
☑ Das Diagramm ist flexibel an die jeweiligen Bedürfnisse und Bedingungen innerhalb eines Unternehmens anpassbar.

So einfach funktioniert die Erstellung eines Fischgrätendiagramms:

Die beste Nachricht direkt zum Einstieg: Wer Problemen mit dem Fischgrätendiagramm auf den Grund gehen möchte, der benötigt keinerlei künstlerisches Talent! Es genügen ein leeres Blatt Papier und ein Stift (alternativ lassen sich aber auch digitale Vorlagen verwenden).

Das Grundgerüst erstellen

Zunächst wird die Hauptachse gezeichnet – eine horizontale Linie, die von links nach rechts verläuft. Am rechten Rand der Linie wird sich der „Fischkopf“ befinden. Diagonal anschließend an die gerade horizontale Linie werden die einzelnen „Gräten“ eingezeichnet, die später zur Abbildung der Problemursachen dienen.

Das Problem identifizieren

Kennen Sie den Spruch: „Der Fisch stinkt immer vom Kopf her“? Dieses altbekannte Sprichwort wird beim Fischgrätendiagramm in die Tat umgesetzt – denn das ermittelte Problem wird genau dort platziert, wo sich der angedeutete Fischkopf befindet. Somit muss als erster Schritt bei der Erstellung des Fischgrätendiagramms das genaue Problem identifiziert – und in der Folge als „Fischkopf“ festgehalten werden.

Ran an die Gräten

Jede Gräte im Ishikawa-Diagramm steht für eine Kategorie möglicher Ursachen für ein Problem. In der Anfangszeit gab es vier Kategorien (Mensch, Maschine, Methode, Material), heute kommen zu den vier klassischen Bereichen häufig noch Management, Mitwelt, Money und Messbarkeit hinzu. Diese Kategorien werden in Form von diagonal eingezeichneten Linien (den „Gräten“) an die Hauptachse des Diagramms gezeichnet.

Ursachenanalyse

Zu jeder Gräte müssen in diesem Schritt nun mögliche Ursachen eruiert werden, die für das Problem verantwortlich sein könnten. Wichtig ist hier das bereits angesprochene Teamplay – denn wenn eine Situation aus unterschiedlichen Blickwinkeln betrachtet wird, ergeben sich vielfältige mögliche Gründe. Stehen ermittelte Ursachen in einem Zusammenhang zueinander, lassen sich diese Ursachen auch miteinander verbinden. Diese zusätzlichen Verbindungen verfeinern das Gesamtbild erheblich – und können zu einer deutlich besseren Lösung des Problems beitragen.

Abschließende Kontrolle

Anschließend an die erste Analyse lohnt sich ein zweiter Blick auf das Fischgrätendiagramm. So lässt sich überprüfen, ob die bisher festgehaltenen Gründe auch tatsächlich vollständig erfasst worden sind. Oftmals fallen auf den zweiten Blick noch neue Ursachen auf, die entsprechend im Diagramm ergänzt werden.

Nach der Erstellung des Diagramms ist vor der Problemlösung

Mit drei Schritten wird das Ishikawa-Diagramm nach der Erstellung zu einem nutzbaren Werkzeug. Ideal geeignet ist die Kombination aus den Erkenntnissen des Fischgrätendiagramms mit der Methode der Root-Cause-Analysis. Diese einfache, aber gleichzeitig überaus effektive Methode haben wir hier genauer betrachtet.

Bestimmung der Ursachen: Die ermittelten Ursachen werden gefiltert und nach ihrer Relevanz sortiert.
Überprüfung der Ursachen: Nachdem die wahrscheinlichsten Problemauslöser identifiziert wurden, sollten diese noch überprüft werden. Denn es wäre vergebene Mühe, wenn wenig zielführende Maßnahmen umgesetzt werden. Dies kann zu einer Verschwendung von Zeit, Geld und Energie führen.
Lösungen erarbeiten: Aus den Erkenntnissen, die durch das Fischgrätendiagramm gewonnen wurden, lassen sich Maßnahmen zur Problemlösung ableiten. Natürlich müssen diese bisher theoretischen Maßnahmen anschließend in die Praxis umgesetzt werden.

Fazit

Wie viele Methoden zur Qualitätsoptimierung stammt auch das Fischgrätendiagramm aus Japan. Die einfache grafische Darstellung von Problemen und deren möglichen Ursachen erlaubt die nachhaltige Beseitigung von Fehlerquellen aller Art. Dabei ist das Diagramm so einfach aufgebaut, dass es sich in allen Bereichen eines Unternehmens, von der Produktion bis zum Qualitätsmanagement, einsetzen und anwenden lässt. Als eines der wichtigsten Werkzeuge des Qualitätsmanagements hat sich das Ishikawa-Diagramm vollkommen zu Recht seinen Siegeszug rund um den Globus verdient.

Quellen:
https://karrierebibel.de/ishikawa-diagramm/
https://www.impulse.de/management/selbstmanagement-erfolg/ishikawa-diagramm/7487818.html?conversion=ads
https://www.business-wissen.de/hb/werkzeuge-fuer-das-fmea-projekt/

Topic: Produktivität in der Produktion steigern

Wie Sie den Verfügbarkeitsfaktor (OEE) in der Produktion optimieren

2021-05-28T13:07:37Z

In der produzierenden Industrie ist die zuverlässige Fertigung von Qualitätsprodukten in einer vorgegebenen Geschwindigkeit nicht nur das Maß aller Dinge, sondern der entscheidende Wettbewerbsvorteil. In Kombination mit modernen Methoden zur Optimierung des Geschäftsprozesses – man denke hier an Kaizen, die Wertstromanalyse oder den Demingkreis – gilt die Optimierung des Verfügbarkeitsfaktors als Grundlage für eine Verbesserung der unternehmensinternen Prozesse. In diesem Beitrag widmen wir uns der Frage, wie sich in der Produktion der Verfügbarkeitsfaktor (OEE) optimieren lässt.

Was gibt der OEE-Wert eigentlich an?

Die Overall Equipment Effectiveness (OEE), oder auf Deutsch die Gesamtanlageneffektivität, ist eine Kennzahl, die angibt, zu wie viel Prozent eine Maschine produktiv ist. Auch gibt OEE an, wie viel Produktionszeit verloren geht, sei es durch zu geringe Geschwindigkeit oder Ausschuss. Berechnet wird der OEE-Wert mit drei Faktoren:

Verfügbarkeit
Leistung
Qualität

Detaillierte Informationen zum OEE-Wert finden Sie hier in einem unserer Blog-Beiträge.

Vor der Optimierung steht die Datenerfassung

Damit die OEE-Kennzahl in einem produzierenden Betrieb optimal zur Steigerung der Produktivität genutzt werden kann, muss sie zunächst erfolgreich implementiert werden. Neben der Schulung des für die Implementation von OEE verantwortlichen Teams ist eine detaillierte, genaue Datenerfassung unabdingbar. Hier kann entweder manuell mit Stift und Papier gearbeitet werden - oder auf moderne, leistungsstarke Software zurückgegriffen werden.

Benötigte Produktionsdaten sind:

☑ Anzahl der Werkstücke, die direkt im ersten Prozessdurchlauf fehlerfrei hergestellt wurden
☑ Anzahl der Werkstücke, die im ersten Prozessdurchlauf die gewünschte Qualität nicht erreicht haben
☑ Die Zeit, die bei einer Maschine zwischen der Fertigung von zwei Werkstücken vergeht
☑ Die geplante Produktionszeit unter Ausschluss geplanter Stillstände (Pausen etc.)
☑ Ungeplante Stillstände durch fehlendes Material, technische Störungen etc.

Welche Kennzahl ist bei einer Optimierung realistisch zu erwarten?

Mit den drei Schlüsselfaktoren Verfügbarkeit, Leistung und Qualität lässt sich vergleichsweise einfach die Gesamtanlageneffektivität errechnen. Eine OEE-Kennzahl von 100 % stellt dabei den Idealfall dar, der in der Praxis allerdings nahezu unmöglich zu erreichen ist. Produktionsbetriebe weisen zumeist OEE-Kennzahlen zwischen 60 – 70 % auf. Durch entsprechende Optimierungsmaßnahmen lässt sich die OEE um 5 % bis 25 % erhöhen. Im Sinne des Lean-Manufacturing-Prozesses gilt eine OEE von 85 % als optimales Niveau.

Die meisten Unternehmen nutzen das tatsächliche Produktionspotential nicht aus

In der täglichen Praxis wird das vorhandene Produktionspotential in den allermeisten Betrieben nicht ausgenutzt. Täglich kommt es an den Maschinen oder innerhalb ganzer Fertigungslinien zu Effizienzverlusten, die nicht nur die Produktivität mindern, sondern dazu wirtschaftliche Verluste verursachen. Zu den Effizienzverlusten, die die Betriebe hinnehmen, gehören unter anderem:

☑ Funktionsstörungen an den Maschinen
☑ Ungeplante Unterbrechungen der Fertigung
☑ Verschwendung von Materialien und Werkzeugen
☑ Ausschuss

Die „Six Big Losses“ erkennen

Das Hauptziel der OEE ist es, Effizienzverluste aufzuzeigen und zu beseitigen. Die sechs höchst relevanten Effizienzverluste – auch als „Six Big Losses“ bezeichnet – sollten dabei als erstes angegangen werden, um die Gesamtanlageneffektivität nachhaltig und zuverlässig zu steigern. Die Six Big Losses werden dabei in drei Kategorien aufgeteilt, die wiederum jeweils aus zwei Arten von Verlusten bestehen.

Kategorie 1: „Verluste bei der Verfügbarkeit“

☑ Ursache 1: Ausfall. Zu dieser Ursache zählen Störungen und Ausfälle, beispielsweise erkrankte Arbeitnehmer, die als Bediener an einer Maschine fehlen.
☑ Ursache 2: Einstellung. Hier sind es zu langsam durchgeführte Werkzeugwechsel oder falsche Werkzeugeinstellungen, die für Verluste der Verfügbarkeit sorgen.

Kategorie 2: „Verluste bei der Leistung“

☑ Ursache 1: Micro Stops. Unter Micro Stops versteht man Maschinenstillstände von weniger als drei Minuten.
☑ Ursache 2: Geschwindigkeitsverlust. Hierzu zählen alle Einflüsse, die den Betrieb einer Maschine so beeinflussen, dass diese nicht mit der theoretisch maximalen Geschwindigkeit betrieben werden kann.

Kategorie 3: „Verluste bei der Qualität“

☑ Ursache 1: Ausschuss beim Anfahren. Jedweder Ausschuss, der in der frühen Herstellungsphase entsteht, wird in diese Kategorie einsortiert. Der Ausschuss kann beispielsweise durch falsch eingestellte Referenzpunkte oder eine zu kalte Maschine verursacht werden.
☑ Ursache 2: Ausschuss bei der Herstellung. Auch im Regelbetrieb kann jederzeit Ausschuss entstehen. Insbesondere Mess- und Programmierfehler sind hier als Hauptverursacher in Betracht zu ziehen.

Wie lässt sich nun der OEE-Verfügbarkeitsfaktor erhöhen?

Störungen in der Verfügbarkeit werden in der Regel als Ausgangspunkt für alle weiteren OEE-Optimierungsmaßnahmen herangezogen. Die Ursachen der mangelhaften Verfügbarkeit sind recht transparent und können daher vergleichsweise einfach und schnell beseitigt werden. Verfügbarkeitsverluste sind Stillstände oberhalb eines vorab definierten Grenzwertes. Zu den typischen Verlusten der Verfügbarkeit zählen fehlende Bediener, fehlendes Material, Pausen, Reinigungsarbeiten, Defekte an den Maschinen, die Wartezeit auf Instandhaltung oder Rüstvorgänge – also jeder Vorgang, der zu einem längeren Stillstand einer Maschine, Fertigungslinie oder Anlage führt.

Damit sich der OEE-Verfügbarkeitsfaktor erhöhen lässt, muss zuerst die mögliche Produktionszeit genau definiert werden. Denn eine Maschinenverfügbarkeit von 24 Stunden pro Tag ist zwar theoretisch auf dem Papier möglich – in der Praxis hingegen sind Stillstände immer zu erwarten und auch geplant.

Ein Beispiel zur Verdeutlichung: In einem metallverarbeitenden Betrieb sind zwei Acht-Stunden-Schichten täglich eingeplant. Eine CNC-Drehmaschine in diesem Betrieb soll in den beiden Schichten jeweils für eine Stunde gewartet und gereinigt werden. In der Theorie könnte diese CNC-Drehmaschine also nun 14 Stunden laufen. In der Realität läuft sie aber nur 12 Stunden. Berechnet man nun die Verfügbarkeit, liegt diese bei rund 86 %.

Das Unternehmen in unserem Beispiel hier muss sich nun fragen, warum die Drehmaschine zwei Stunden lang nicht produziert hat – obwohl sie es in der Theorie könnte. Die Ursachen für den Verfügbarkeitsverlust können sein:

☑ Störungen an der Maschine, beispielsweise durch defekte Relais, Kabelbruch, defekte Servomotoren etc.
☑ Längere Wartungszeiten als geplant, zum Beispiel wegen Wirrspänen, deren Beseitigung länger dauerte, starker Verschmutzung durch Ölnebel oder ähnlichem
☑ Fehlende Aufträge, zu wenig Material oder fehlende Mitarbeiter

Das Unternehmen muss hier, will es den Verfügbarkeitsfaktor erhöhen, die Gründe für den Stillstand detailliert erfassen. So lässt sich ableiten, welche konkreten Maßnahmen genau eingeleitet werden müssen, um die Verfügbarkeit zu erhöhen. Während für das Datensammeln in der Vergangenheit auf manuelle Methoden zurückgegriffen wurde, ermöglicht die Industrie 4.0 mit entsprechender Software heutzutage einen wesentlich genaueren, einfacheren Weg, um Störungen aufzuzeichnen.

Auch bei den Rüstzeiten, die die Verfügbarkeit einer Maschine einschränken, gibt es wirkungsvolle Instrumente, um diese Zeiten zu verkürzen. In einem unserer Beiträge haben wir das SMED-Verfahren (Single Minute of Die) vorgestellt – eine Methode, die die Rüstzeit einer Produktionsmaschine deutlich reduzieren kann.

Fazit:

Die OEE einer Produktionslinie ist eine zuverlässige Kennzahl für die Produktivität einer Maschine, einer Fertigungslinie oder einer Anlage. Die drei Faktoren Verfügbarkeit, Leistung und Qualität hängen hier untrennbar zusammen – denn nur wenn alle drei Faktoren optimiert werden, ist die Wettbewerbsfähigkeit des Unternehmens auf Dauer sichergestellt. Dem Verfügbarkeitsfaktor kommt dabei eine tragende Rolle zu – denn Verschwendungen durch Stillstände sind zum einen recht einfach zu erkennen und zum anderen ebenso einfach abzustellen. Daher wird der Verfügbarkeitsfaktor häufig als erster Punkt in einem Maßnahmenpaket bearbeitet – und stellt somit einen hervorragenden Einstieg in die Optimierung der Gesamtanlageneffektivität dar.

Im Zuge der Industrie 4.0 sind immer mehr Maschinen miteinander vernetzt – und entsprechende Software, wie die IIoT-Software da³vid, sorgt dafür, dass ungeplante Stillstände so präzise und wenig Aufwand festgehalten werden können, wie nie zuvor.

Quellen:

https://monami.hsmittweida.de/frontdoor/deliver/index/docId/6392/file/Diplomarbeit+Robert+Stolzlechner_27891.pdf

https://de-academic.com/dic.nsf/dewiki/515644#Verf.C3.BCgbarkeitsfaktor

https://mymaintenance.blog/2020/02/18/kpis-kennzahlen-der-instandhaltung

Release v1.10.0: Was gibt es Neues in da³vid?

2021-06-02T13:07:37Z

Ende Mai wurde das da³vid- Release v1.10.0 fertiggestellt. Neben einer Vielzahl von Bugfixes und Anpassungen unserer Weboberfläche, haben wir auch zwei unserer bereits bekannten Features verbessert.

Welche Features haben wir verbessert?

☑ Digitales Schichtbuch erweitert mit einer praktischen Export-Funktion
☑ Neue Alarmierung um einen weiteren Alarm-Typ erweitert.

In diesem Beitrag schauen wir im Detail auf diese beiden Neuerungen und deren Funktionen und geben einen Rückblick über das vergangene Release v1.9.0.

Digitales Schichtbuch: Was genau haben wir verbessert?

Die neu gewonnene Funktion des Digitalen Schichtbuches erlaubt uns nun, vorhandene Einträge im Schichtbuch ganz leicht als Datei zu exportieren und zu speichern. Formate für den Datenexport sind aktuell CSV und Microsoft Excel.

Warum ist diese Funktion so hilfreich?

Ganz einfach: Hinterlegte Einträge können ganz einfach exportiert und bei Bedarf woanders importiert werden. So hat man die Möglichkeit, Einträge aus da³vid auch ganz einfach in Fremdsystemen zu importieren und dort, bei Bedarf, weiterzuverarbeiten. Sei es für Reportingzwecke, Projektverwaltungstools oder Visualisierungen.

Abgesehen davon besteht gerne mal das Risiko, das Mitarbeiter von Fremdfirmen - etwa für anstehende Wartungen - keinen direkten Zugriff auf da³vid und damit auf das Digitale Schichtbuch haben. Sie müssen trotz allem aber wissen, was in der vorherigen Schicht passiert ist und was genau durchgeführt werden muss.

Neue Alarmierung: Es gibt einen neuen Alarmtypen

Die alte Alarmierung wurde nun vollständig von der Neuen Alarmierung abgelöst und um einen weiteren Alarmtyp ergänzt. Bisher gab es, wie bereits in unserem Blogbeitrag zur Neuen Alarmierung erwähnt, zwei Möglichkeiten, um Alarme einzurichten.

Diese Möglichkeiten sind:

☑ Ein sogenannter Instandhaltungsalarm, also ein zeitgesteuerter Alarm oder
☑ ein Inkrementgesteuerter Alarm. Dieser Alarm löst aus, sobald sich ein Wert um ein bestimmtes Inkrement erhöht hat.

Mit Release v1.10.0 kommt ein weiterer Alarm-Typ hinzu: die Überwachung von einzelnen Datenpunkten. Dieser Alarm-Typ bietet Ihnen die Möglichkeit, einzelne Datenpunkte zu überwachen und einen Alarm auszulösen, sobald ein Datenpunkt die selbst konfigurierten Bedingungen erfüllt.

Warum ist eine solche Überwachung hilfreich?

Sie ist hilfreich, um seine Maschinen und deren Zustände zu überwachen oder aber um die Werte einzelner oder mehrerer Sensoren im Auge zu behalten. Man wird gewarnt, sobald etwas in den kritischen Bereich gelangt.

Die Konfiguration dieses Alarmes erfolgt mit Hilfe eines einfachen Wizards, der die benötigten Informationen abfragt:

Sie können entweder eine komplette Stationsgruppe oder einzelne und auch mehrere Stationen zur Überwachung auswählen. Ebenso können auch vorhandene Tags zur Überwachung hinzugefügt werden. Wenn das erledigt ist, wählen Sie einen oder mehrere Datenpunkte aus, die überwacht werden sollen und fügen sie dem Alarm hinzu.

Die möglichen Bedingungen können einfach per Dropdown-Menü ausgewählt und im Nachgang verändert werden. Zudem können Sie auswählen, wann eine Mehrfachauslösung des erstellten Alarms gewünscht ist. Entweder “Nach Zurücksetzen der Bedingung” oder “Bei jeder Auswertung einer Datenpunkt-Änderung”. Für numerische Datenpunkte gibt es die gängigen Vergleichsoperatoren, für boolesche Datenpunkte kann geprüft werden, ob der Datenpunkt-Wert Wahr oder Falsch ist.

Für numerische Datenpunkt-Werte kann zusätzlich ein Hysterese-Wert angegeben werden. Dies ist ein weiterer Schwellenwert, den der Datenpunkt-Wert erreichen muss, bevor wieder ein Alarm ausgelöst werden kann. Dies ist hilfreich, um das Auslösen von Alarmen bei schwankenden Werten zu verhindern, wie z. B. dem Wasserstand.

Sobald die gewünschten Bedingungen hinterlegt sind, kann ausgewählt werden, wann ein Alarm ausgelöst werden soll. Ein Alarm kann immer dann ausgelöst werden, wenn entweder eine der konfigurierten Bedingungen erfüllt ist oder immer dann, wenn alle konfigurierten Bedingungen erfüllt sind. Zusätzlich dazu kann auch eine Totzeit festgelegt werden, in welcher die erneute Auslösung des Alarms unterdrückt wird.

Sobald die gewünschten Einstellungen vorgenommen worden sind, können Sie einen Nachrichtentext definieren, welcher beim Auslösen des Alarms versendet wird. Die beiden letzten Konfigurationsschritte verhalten sich analog zu den bereits bekannten Alarm-Typen. Sie können bei Bedarf einen Zeitraum wählen, indem keine Alarme gesendet werden, treffen eine Wahl über die notwendigen Empfänger und konfigurieren, ob der Alarm quittiert werden muss und von wem.

Rückblick: Was gabs im Release v1.9.0?

Hauptthema des Releases v1.9.0 waren die Continuous Aggregates sowie die Umstellung unserer Software auf Ubuntu 20

Was bedeutet Continuous Aggregates für uns und unsere Anwender?

Diese Technologie bietet uns die Möglichkeit, eine Vielzahl von erfassten Rohdaten zu aggregieren, also in einzelne Blöcke zu unterteilen. Diese Blöcke nennt man Buckets und sie umfassen immer einen festen Zeitraum.

Welche Vorteile hat es, Daten zu aggregieren?

☑ kürzere Ladezeiten beim Anzeigen von historischen Daten
☑ statistische Aussagekraft in Bezug auf Mittelwert, Minimum und Maximum über einen gewissen Zeitraum, der aus Rohdaten erst berechnet werden müsste
☑ aggregierte Daten benötigen weniger Speicherplatz als Rohdaten

Gut zu wissen:

Unsere IIoT-Software da³vid bietet auf Servern sowie Edge Geräten genau den gleichen Funktionsumfang. Das bedeutet, dass in beiden Fällen eine Datenbank mit dem TimescaleDB-Plugin zur Verfügung steht.

Continouos Aggregates stehen also sowohl auf Ihrem Server, als auch auf Ihrem Edge-Gerät direkt zur Verfügung.

→ Ausführlichere Informationen zu den Aggregates finden sie in diesem Blogbeitrag: Warum Sie Ihre Roh-Produktionsdaten kontinuierlich zu Zeitscheiben vorverarbeiten sollten

Release v1.11.0: Was gibt es Neues in da³vid?

2021-06-02T13:07:37Z

Ende Juni wurde das da³vid-Release v1.11.0 fertiggestellt. Darin haben wir uns mit einer Vielzahl von kleineren und mittleren Wünschen unserer Kunden befasst - insgesamt wurden 50 Featurerequests und Bugfixes angegangen.

Im folgenden Beitrag beleuchten wir einige unserer vielen Highlights:

Erweiterung unserer Alarmierung

Man sieht ab sofort auf den ersten Blick, ob ein ausgelöster Alarm noch aktiv ist, oder nicht.

Wann ist solch eine Funktion hilfreich?

Man sieht sie gerne in großen und kleinen Gebäuden, in Einkaufszentren oder auch Firmengebäuden - die Sicherheitstüren. Diese Türen sollten meist geschlossen sein und nur unter besonderen Bedingungen geöffnet werden. Wenn diese Tür mit einem Sensor überwacht wird, wird ein Alarm ausgelöst, sobald sich diese öffnet.

In diesem Fall kann es wichtig sein, zu wissen, ob die Tür wieder geschlossen ist oder ob sie immer noch offen steht:

☑ Wenn der Alarm ausgelöst wurde, aber nicht mehr aktiv ist: die Tür hat sich wieder geschlossen und keiner muss handeln.
☑ Wenn der Alarm ausgelöst wurde und noch aktiv ist: die Tür steht offen und jemand muss handeln.

Das Gleiche gilt natürlich auch für andere Fenster, Türen und Tore, welche mit Sensoren überwacht werden. Zum einen hat man den Alarm, der anschlägt, sobald sich der Zustand ändert und zum anderen, ob bei Kontrolle des Alarmes weiterer Handlungsbedarf besteht.

Neue Funktion in den Datenpunkt-Metadaten

Das war bisher möglich: Man hat in der Datenpunkt-Metadaten-Verwaltung bereits die Möglichkeit, bei Anlage neuer Datenpunkt-Metadaten per Konfiguration festzuhalten, wie lange die historischen Werte dieser Daten gespeichert werden sollen.

Das ist neu: Ab sofort hat man die Möglichkeit, für alle angelegten Datenpunkt-Metadaten anzugeben, ob die zugehörigen historischen Daten überhaupt gespeichert werden sollen oder nicht. Diese Funktion ist für alle Datenpunkt-Metadaten einzeln konfigurierbar.

Warum ist diese Funktion so wertvoll?

Sie verhindert, die unnötige Inanspruchnahme von Speicherplatz und Systemressourcen, welche an anderer Stelle gebraucht werden, wenn große Datenmengen historisiert werden.

Oft fallen große Mengen ungefilterter Maschinendaten an, welche lediglich zur Berechnung weiterer Werte benötigt werden. Ein Spannungssignal eines Sensors könnte zum Beispiel nur gemessen werden, um diesen durch Multiplikation eines bestimmten Faktors in einen Druckwert umzurechnen. Der ursprüngliche Signalwert wird also nur zur Berechnung benötigt und ist nirgendwo sonst von Bedeutung. Solche Werte müssen weder erneut abgefragt noch für später gespeichert werden und verweilen somit nicht länger auf der Festplatte des Systems als nötig.

Neuer Filter in den Datenpunkt-Metadaten

Bestimmte Rohdaten werden oft in sehr hohen Frequenzen an das System übertragen, ohne dass sich dabei die Werte ändern. Mit Hilfe des neu eingefügten Totzeit Filters lässt sich diese Frequenz verlangsamen.

Ein Beispiel für dieses Verhalten ist etwa das Messen der Temperatur. Die Messergebnisse einer Temperatur werden per Sensor gerne in sehr kurzen Zeitabständen gemessen und an das System geliefert. Die tatsächliche Änderung dieser Werte erfolgt jedoch deutlich langsamer.

Mit diesem Filter hat man nun die Möglichkeit, eine bestimmte Totzeit in Sekunden zu definieren, damit der nächste Wert erst nach Ablauf der eingestellten Totzeit gespeichert wird.

Ist bereits ein Epsilon-Filter konfiguriert, gelten beide Filter zusammen. Das bedeutet, der Datenpunkt-Wert wird nur dann geändert, wenn die Differenz zum vorherigen Wert größer ist, als das angegebene Epsilon.

Der Epsilon-Filter ist lediglich für Double- also Zahlenwerte verfügbar, wohingegen der Totzeit-Filter für alle Datenpunkttypen konfigurierbar ist.

Erweiterungen und Verbesserungen im Dashboard

☑ Es wurde ein neues Markdown-Widget hinzugefügt
☑ Im Graph-Widget können einzelne Zeitreihen zwischen der Darstellung der Timebuckets nun ein- und ausgeblendet werden
☑ Der Dashboard-Name kann nun ein Template enthalten, um ein Dashboard noch besser an verschiedenen Stellen wiederverwenden zu können

3 Maßnahmen, mit denen Sie den Qualitätsfaktor (OEE) in Ihrer Produktion deutlich steigern

2021-06-11T12:38:24Z

Mit der Overall Equipment Effectiveness (OEE), zu Deutsch Gesamtanlageneffektivität, erhalten Unternehmen eine verlässliche Kennzahl für die Wertschöpfung einer Anlage. Die OEE zeigt auf einen Blick sowohl die Produktivität als auch die Verluste auf. Mit drei Faktoren – Verfügbarkeit, Leistung, Qualität – erhält die Unternehmensführung Einblicke in vorhandenes, bisher ungenutztes Potential.

Im Rahmen unserer Blog-Reihe zur Gesamtanlageneffektivität betrachten wir die einzelnen Faktoren im Detail und stellen Maßnahmen vor, um die Produktivität einer Anlage, Maschine oder Fertigungslinie zu erhöhen. In Kombination mit Methoden aus den Lean-Management, beispielsweise SMED, der Wertstromanalyse oder auch dem Demingkreis und unterstützt mit technischem Fortschritt durch die digitale Transformation ergeben sich durch kleine Optimierungsmaßnahmen große Vorteile, die gerade in Zeiten der der Industrie 4.0 den entscheidenden Wettbewerbsvorteil darstellen können.

Was bedeutet Qualitätsfaktor bei der OEE?

Spricht man bei der Gesamtanlageneffektivität von einem Qualitätsfaktor, ist hiermit das Maß für einen entstehenden Verlust durch defekte und zu überarbeitende Teile gemeint. Der Qualitätsfaktor wird definiert durch folgende Formel:

Qualitätsfaktor = (Stückzahl produzierter Werkstücke – Stückzahl Nacharbeitsteile – Stückzahl Ausschuss) / Stückzahl produzierter Teile

Der Qualitätsfaktor zeigt somit die Produktionsverluste auf, die durch fehlerhafte Teile entstehen. „Fehlerhaft“ meint hier alle gefertigten Werkstücke, die nicht den Mindestansprüchen an die Qualität genügen. Tatsächlicher Ausschuss (also Werkstücke, die nicht maßhaltig sind, defekte Oberflächen aufweisen oder mit falschen Toleranzen gefertigt wurden) zählt genauso als fehlerhaft wie Werk-stücke, die sich mit einer Überarbeitung „retten“ lassen.

Was ist eine gute OEE?

Bevor es an jedwede Optimierungsmaßnahmen geht, stellt sich bei der Implementation der OEE für jeden produzierenden Betrieb eine Frage:

„Wie steht mein Unternehmen eigentlich im Vergleich zum Wettbewerb dar?“

OEE-Werte werden in Prozent angegeben, wobei 100 % für die perfekte Produktion und 0 % für das wohl unproduktivste Unternehmen aller Zeiten steht.

☑ Ein OEE-Wert von 100 % ist nur theoretisch erreichbar, er steht für die perfekte Produktion. Hier würden ausschließlich Gutteile hergestellt – und zwar so schnell wie möglich und unterbrechungsfrei.
☑ Mit einem OEE-Wert von 85 % dürfen sich Unternehmen zur Weltklasse zählen. Die „magischen“ 85 % werden im Rahmen von Optimierungsmaßnahmen häufig als langfristig zu erreichendes Ziel festgelegt.
→ Wie man in der Produktion eine Weltklasse-OEE erreicht
☑ Ein OEE-Wert von 60 % ist typisch für produzierende Betriebe. Der Wert zeigt an, dass die grundlegenden Maßnahmen für einen produktiven Betrieb bereits beachtet werden – es aber noch eine Menge Luft nach oben gibt
☑ Ein OEE-Wert von 40 % ist bei Unternehmen zu erwarten, die mit der Optimierung der Fertigungsleistung beginnen. Der niedrige Wert kann hier durch kleine, einfache Maßnahmen bereits deutlich verbessert werden.

100 % ist beim Qualitätsfaktor prozessbedingt nicht möglich!

Mit dem Qualitätsfaktor wird die produzierte Gutmenge in Relation zur tatsächlichen Einsatzmenge bewertet. Ein Qualitätsfaktor von 100 %, also eine Produktion ohne Verluste, ist in der Praxis nicht möglich. Denn da wirklich jedes einzelne Werkstück Teil des Qualitätsfaktors ist, müssten auch die Teile, die zum Einfahren und Einstellen der Werkzeuge genutzt werden, auf Anhieb perfekt sein. Trotz der Nichterreichbarkeit der 100 % sollte dieses theoretische Maximum als Richtschnur verwendet werden – so wird verhindert, dass Eigenheiten eines Fertigungsprozesses nicht für alle Zeiten als gegeben akzeptiert werden.

Den Qualitätsfaktor erhöhen – Mit diesen 3 Maßnahmen steigern Sie den Qualitätsgrad deutlich

In den allermeisten Produktionsbetrieben existieren drei hauptsächliche Ursachen für Qualitätsverluste:

Die gute Nachricht: Alle drei Ursachen lassen sich vergleichsweise einfach abstellen. Insbesondere seit der digitalen Transformation und der weit verbreiteten Ausrüstung von Produktionsmaschinen mit Sensoren im Rahmen der Industrie 4.0 lassen sich Qualitätsverluste besser als jemals zuvor vermeiden.

Maßnahme 1: Fehlerhaftes Rohmaterial ausschließen

Rohmaterial, und hier vor allem Metalle, können bereits bei der Anlieferung fehlerhaft sein. Fehlerhaft meint hier ausdrücklich nicht nur tatsächliche Fehler wie Lunker in gegossenen Rohteilen, sondern auch Rohmaterialien mit zu viel Aufmaß oder zum herzustellenden Produkt nicht passende Werkstoffe (die unnötig aufwendig zu zerspanen/bearbeiten sind). Fehlerhaftes Rohmaterial sorgt für unnötige Wartezeiten oder für Produktionsprozesse, die weit entfernt vom zeitlich optimalen Rahmen sind.

Lösung: Mit einer optimierten Qualitätskontrolle – die vor Bereitstellung der Rohmaterialien an der Maschine erfolgen muss – lassen sich fehlerhafte oder falsch gelieferte Rohmaterialien zuverlässig aussortieren. Beim Aufmaß der Rohteile muss als Richtlinie gelten: So wenig wie möglich, so viel wie nötig. Je weniger Aufmaß, desto schneller erzielt die Maschine das Fertigmaß – und umso höher fällt der Qualitätsfaktor aus.

Maßnahme 2: Maschinenfehler vermeiden

Insbesondere bei hochpräzisen Werkstücken sind enge Toleranzen im Hunderstel- oder Tausendstel-Millimeterbereich keine Ausnahme. Eine präzis eingestellte Maschine kann diese Werte durchaus erreichen – allerdings nur dann, wenn Verschleiß und Abnutzungen kontinuierlich unter Beobachtung stehen. Bei Dreh- und Fräsmaschinen sind es die Schneiden der Wendeschneidplatten, Drehmeißel oder Fräser, die im Laufe der Zeit verschleißen und zu Maßabweichungen führen. Toleranzabweichungen lassen sich zwar in vielen Fällen durch Nacharbeit beheben, allerdings bedeutet dies auch einen zeitlichen Verlust.

Lösung: Moderne Technik erlaubt es, Werkzeugverschleiß direkt in der Maschine und ohne Stopp der Produktion zu erkennen. In Kombination mit Werkzeugbruch-Kontrollsystemen kann in Zeiten der Industrie 4.0 mittelst hochleistungsfähiger Software jeglicher Verschleiß im Vorfeld erkannt werden. Eine regelmäßige Überprüfung der Werkzeuge, eine sorgfältige Wartung der Maschine, regelmäßige Überprüfungen der Maschinengeometrie und nicht zuletzt geschulte Bedienmannschaften verhindern Maschinenfehler zuverlässig.

Maßnahme 3: Verluste beim Maschinenstart vermeiden

Nach dem Rüsten (das sich übrigens mittels SMED optimieren lässt) benötigen viele Maschinen, vor allem aus dem Spritzguss-Bereich, einige Zyklen, bevor der Fertigungsprozess stabil läuft und Gutteile produziert werden. Der Ausschuss beim Start einer Fertigung ist zwar nie zu 100 % zu vermeiden – die Verschwendung an Laufzeiten und Zyklen lässt sich jedoch deutlich reduzieren.

Lösung: Durch Optimierungen der Programme und zusätzlichen technischen Lösungen wie automatischen Kalibrierungen, Startzyklen oder hochgenauen Messtastern lassen sich Verluste beim Maschinenstart zwar nicht vollständig beseitigen, jedoch zuverlässig reduzieren.

Qualität – Auch immer eine Frage der richtigen Software!

Für die Berechnung der Gesamtanlageneffektivität sind umfangreiche Datensammlungen unumgänglich. Nur wer den Ist-Zustand genau kennt, der kann den Soll-Zustand festlegen. Eine manuelle Datensammlung mittels Stift und Papier direkt an den Maschinen ist zwar möglich, aber nicht immer zielführend. Insbesondere durch die digitale Transformation bietet sich der Einsatz spezieller Software - wie der IIoT-Software da³vid - an, die Daten sammeln, aufbereiten und im gesamten Betrieb zur Auswertung zur Verfügung stellen. Moderne Maschinen sind darüber hinaus in der Lage, durch Sensoren die benötigten Fertigungsdaten ohne menschlichen Eingriff zu generieren und für die Auswertung bereitzustellen.

Fazit:

Der Qualitätsfaktor bewertet die Anzahl an Gutteilen in Relation zur tatsächlichen Einsatzmenge. Fehlerhafte Rohmaterialien, abgenutzte Werkzeuge oder zu viel Ausschuss beim Start eines Produktionszyklus senken die Qualität – und damit die Produktivität des gesamten Unternehmens. Mit einfachen Maßnahmen und durch technische Unterstützung gelingt es aber vergleichsweise einfach, den Qualitätsfaktor zu steigern. Moderne, leistungsfähige Programme helfen den Bedienmannschaften und dem Management, alle erforderlichen Daten rund um die OEE zu sammeln, zu verarbeiten und für eine nachhaltige Qualitätssteigerung einzusetzen.

Quellen:
https://monami.hsmittweida.de/frontdoor/deliver/index/docId/6392/file/Diplomarbeit+Robert+Stolzlechner_27891.pdf
https://de-academic.com/dic.nsf/dewiki/515644#Verf.C3.BCgbarkeitsfaktor
https://mymaintenance.blog/2020/02/18/kpis-kennzahlen-der-instandhaltung

Warum Sie Ihre Roh-Produktionsdaten kontinuierlich zu Zeitscheiben vorverarbeiten sollten

2021-06-26T13:07:37Z

Um erfolgreich neue Informationen, Wissen und Erkenntnisse in der produzierenden Industrie zu gewinnen, ist es unserer Erfahrung nach notwendig, so viele verschiedene Daten aus der Produktion vorliegen zu haben, wie möglich. Um Probleme lösen und Prozesse optimieren zu können, müssen große Datenmengen (Big Data) langfristig mit einem hohen Informationsgehalt vorgehalten werden. Dabei sind jedoch auch die Kosten der Datenerfassung und -aufbewahrung zu berücksichtigen. Erfasst ein Betrieb durchweg alle Daten und hält sie ausschließlich in Ihrer vollen Auflösung vor, so entstehen daraus auf Dauer hohe Kosten und es ergeben sich große Hürden für erfolgreiche ad-hoc Datenaufbereitung und daraus resultierende Auswertung. Kosten und Laufzeit einfacherer Auswertungen auf großen Mengen von Rohdaten überschreiten schnell praktische Grenzen, so dass das Arbeiten mit solchen Datenmengen den sogn. Data Scientists vorbehalten bleibt.

Ein Beispiel: Angenommen Sie besitzen eine Anlage, an denen ein Sensor alle 100ms einen Wert abgibt, den sie sowohl in Ihrem Datenpool zur Problemlösung und Optimierung benötigen, über den Sie aber auch - ohne Wartezeit - ein aussagekräftiges Diagramm über die letzten 4 Wochen im direkten Zugriff haben müssen. In vier Stunden hat diese Anlage bereits mehr Daten gesammelt, als überhaupt von Ihrem Monitor gleichzeitig dargestellt werden können. Hier reicht die Pixeldichte schlichtweg nicht aus. Auch würde das Laden dieser Daten verschiedener Anlagen sowie die Übertragung auf Ihr Gerät eine Zeit und Systemlast beanspruchen, die nicht tragbar ist. Sie wollen mit einen Klick Ergebnisse sehen und nicht Minutenlang für eine einfache Fragestellung warten.

Wie können Sie dennoch auch aus großen Datenmengen direkt aussagekräftige Informationen gewinnen, um schnell Entscheidungen treffen zu können?

Auf Knopfdruck eine Übersicht über den Status Ihrer Produktion?
Mit der IIoT-Software da³vid alle Produktionsdaten auf einen Blick durch Maschinendatenerfassung, Dashboarding, digitales Schichtbuch, Alarmmanagement.

Lösung: Kontinuierliche Aggregation von Roh-Produktionsdaten

Die Lösung besteht in der Bereitstellung von Daten in einer aggregierten Form. Dies ist in der Datenaufbereitung moderner Data-Warehouse Systeme längst ein Standard Anwendungsfall. Vielen der bekannten Ansätze und Lösungen am Markt, vor allem aber den gängigen Tools zur Visualisierung und Analyse dieser Daten (so genannte Business-Intelligenz Systeme), fehlt dabei immer noch ein echter live Modus. Die Daten werden dort nicht kontinuierlich verdichtet, sondern erst durch rechenintensive nächtliche Aggregationen für am nächsten Tag verfügbare Berichte und Dashboards vorbereitet. Eine direkte Visualisierung und Auswertungen der live-Daten bleibt Ihnen verschlossen.

Große Datenmengen in der produzierenden Industrie bestehen in der Regel aus einer zeitlich geordneten Folge diskreter Beobachtungen einer bestimmter Größe. So liefert ein Temperatursensor für jeden Messzeitpunkt immer genau einen Temperaturwert. Diese Reihe an Daten wird als Mess- oder Zeitreihe bezeichnet. Viel zu oft halten Bestandssysteme diese Zeitreihen immer noch in klassischen relationalen Datenbanken vor. Auch moderne sog. NoSQL-Datenbanken, die etwa dokumentenorientiert arbeiten, sind für Zeitreihen nicht optimal geeignet.

Um Ihre Produktion ganzheitlich über die Zeit betrachten und auswerten zu können, stehen dabei aber Aussagen über den historischen Verlauf Ihrer angefallen Daten - Minimal-, Durchschnitts-, Maximalwerte und Trends - im Fokus. Diese Herausforderung wurde in der Informatik erkannt und mit der Entwicklung spezialisierter Zeitreihendatenbanken adressiert. Seit 2015 gewinnt diese Technologie zunehmend an Popularität, hat unlängst ihre Marktreife unter Beweis gestellt und spielt ihre Stärken für uns vor allem im Bereich Internet-der-Dinge (IoT) und im Zusammenspiel mit maschinellen Lernen (Machine Learning) sowie der vorausschauenden Wartung (Predictive Maintenance) aus.

Zeitreihendatenbanken sind hier absolute Spezialisten. Sie bringen alle notwendigen Methoden aus der Zeitreihenanalyse bereits mit und sind dabei hoch performant.

Heute setzen wir selbst auf eine solche Datenbank, doch das war nicht immer so:

Im Laufe der Entwicklung unserer IIoT-Plattform da³vid haben wir verschiedene Datenbank-technologien im Praxisbetrieb getestet: die erste Version unserer Software war darauf ausgelegt, auch auf kleinen Microcontrollern lauffähig zu sein. Mit moderaten Datenmengen entschieden wir uns für eine pragmatische Lösung in Form eines dateibasierten Ringspeichers. Mit dem Umzug auf Linuxbasierte-Systeme und steigenden Anforderungen an unserer Datenhaltung haben wir auf eine stark vereinfachte eigene Implementierung einer JSON-basierten-Datenbank mit Zeitreihenfunktionen umgestellt (ähnlich MongoDB). Diese eigentlich als Brücke gedachte eigene Technologie funktionierte bei Datenbankgrößen bis 20 GB ziemlich gut, geriet aber mit größeren Datenmengen im Bereich von 100 GB spätestens an ihre Grenzen. Gleichzeitig haben wir die Erfahrung gemacht, dass wir sowohl unstrukturierte Daten, strukturierte Daten als auch Zeitreihen-Daten speichern und verarbeiten müssen - Anwendungsbereiche die sich zumindest auf den ersten Blick für eine Datenbank widersprechen.

Nach diesen Erfahrungen setzen wir in unser IIoT-Plattform da³vid setzen mittlerweile auf TimescaleDB. Diese Technologie setzt auf der bewährten PostgreSQL OpenSource-Datenbank auf. Für unser Szenario bietet diese mit ihren sogn. “Continuous Aggregates” die Möglichkeit direkt Messwerte im laufenden Betrieb vorzuverarbeiten. Ob und welche Zeitreihen, zusätzlich zur Vorhaltung der Rohdaten auf vorgegebenen Intervalle, so genannten Time Buckets, verdichtet werden, kann über das Datenbankschema konfiguriert werden. Gleichzeitig behalten wir die volle Mächtigkeit von PostgreSQL für strukturierte Daten und das speichern von unstrukturierten Daten als JSON. Durch das von uns gewonnene Know-How bei der Auslegung, Anbindung und Konfiguration dieser Datenbanktechnologie können wir diese auch auf Edge-Geräten mit wenig Rechenleistung und Arbeitsspeicher mit sehr guter Performance einsetzen.

Die Vorteile kontinuierlicher Aggregation der Rohdaten

Nehmen wir zur Veranschaulichung einen Drucksensor an einer Anlage, bei dem wir langfristig den tatsächlichen Druckverlauf in voller Auflösung vorhalten müssen. Ad-hoc interessieren wir uns aber nur für Druckspitzen, die wir ohne lange Wartezeit über einen großen Zeitraum direkt aus einem Graphen ablesen wollen.

Mit einer Auflösung von 10 Messwerten pro Sekunde laufen wir in diesem Szenario schnell in große Datenmengen. In der Stunde sind das 36.000 Werte, an einem Tag 864.000. In einer Woche (Montag - Samstag) erfasst man diesen Wert also 5.184.000 Mal und monatlich damit 20.736.000 mal. Möchten Sie sich nun die Werte der letzten Woche anschauen, so müssten 5.184.000 Rohwerte geladen, verarbeitet und visualisiert werden. Diese Datenmenge kann in Ihrer vollen Auflösung nicht mehr auf einem Display dargestellt werden. Selbst wenn Sie als Mensch einzelne Pixel unterscheiden könnten, so kann auch ein 4K Monitor diese Informationsdichte nicht mehr bereitstellen. Die Werte müssen also so vorverarbeitet werden, dass der Verlauf der Daten erhalten bleibt und lokale Maxima/Minima, also die Druckspitzen, erkennbar bleiben.

Durch die kontinuierliche Verdichtung der gesammelten Werte lässt sich die Anzahl der Messwerte, die in einer ad-hoc Auswertung betrachtet werden müssen deutlich reduzieren, ohne die Aussagekraft und Nützlichkeit der Daten merklich zu reduzieren. Dies verdeutlicht die folgende Tabelle:

Tabelle Daten kontinuierlich verdichten

Damit wird auch ein sehr effizienter Drill-Down möglich. Sie können sich über eine Zoom Funktion im Graphen gezielt Bereiche mit einer immer höheren Auflösung visualisieren lassen. Das Ganze solange, bis Sie auf der maximalen Auflösung sind: Ihren Rohdaten. Das System lädt die Daten dabei immer in der am besten passenden Auflösung. Dabei gehen keine Informationen verloren und die Ladezeiten sind stets optimiert. Die notwendigen Systemressourcen der Hardware sowie das Datenvolumen beim Transfer auf Ihr Endgerät werden deutlich reduziert. Ad-hoc Auswertungen auf großen Datenmengen können so auch auf Geräten im Feld mit wenig Ressourcen sehr effizient durchgeführt werden.

Als Nebeneffekt haben Sie damit auch Ihr Datenvolumen sehr gut im Griff, ohne komplexe, langlaufende Routinen zum Aufräumen ins Leben rufen zu müssen, für deren Ausführung Sie auf Wartungsfenster während Produktionsstillständen angewiesen sind. Das Löschen aus Zeitreihen sowie das Verwerfen von Time-Buckets ist im direkten Vergleich zu Lösch-Operationen auf einer relationalen Tabelle nahezu kostenlos. Hinterlegen sie für Ihre Rohdaten und die einzelnen Time Buckets individuelle Lebenszeiten nach deren Ablauf diese verworfen werden, so kann sich Ihr System sich auch auf schwacher Hardware im Feld nebenläufig und kontinuierlich bereinigen.

Nachfolgend noch ein anderes Beispiel aus einem unserer Leistungs-Feldversuche der IoT-Praxis: in verschiedenen Räumen zeichnen wir mit BLE-Sensoren (Bluetooth LowEnergy) die Temperatur und Luftfeuchtigkeit auf. Das Bild zeigt einen Zeitraum von 100 Tagen über den ca. 30 Millionen Messwerte erfasst wurden - in weniger als 10 Sekunden vom Server geladen wurden rund 22.000 auf Stunden aggregierte Werte. Mit auf 24h aggregierten Werten beträgt die Ladezeit weniger als eine Sekunde. Im Falle von Temperatur ist eine solche Auflösung der Rohdaten nur sehr selten notwendig, sie zeigt jedoch die Leistungsfähigkeit des Systems auf.

Ihre Vorteile auf einen Blick:

☑ Die maximal darstellbare Informationsdichte auf Ihrem Bildschirm oder Report korreliert direkt mit der verfügbaren Auflösung: Im Fall eines Bildschirms sind das die Anzahl der Pixel, bei einem ausgedruckten Report das, was noch diskret gedruckt werden kann. Zeigen Sie die Daten aus Ihren Aggregaten an, hat der dargestellter Graph auch auf Ihrem Bildschirm oder in Ihrem Bericht noch den für Sie notwendigen Informationsgehalt.
☑ Ihr Netzwerk wird nur mit den nur mit den tatsächlich darstellbaren Daten belastet: Es müssen in Summe weniger Daten dargestellt werden.
☑ Weniger Systemressourcen: Daten abzurufen, die bereits aggregiert vorliegen, benötigt weniger Systemressourcen (CPU-Leistung, Arbeitsspeicher) als die zugehörigen Rohdaten. Grund dafür ist, dass in Summe weniger Daten geladen und verarbeitet werden müssen.
☑ Kaum Zeitaufwand und höhere Performance: Die aggregierten Daten bieten bereits eine statistische Aussagekraft, die man auf Grundlage der Rohdaten erst berechnen müsste (z.B. Mittelwert, Minimum, Maximum über einen Zeitraum).
☑ Weniger Speicherplatz notwendig: Sie benötigen weniger Speicherplatz, als wenn Sie auf ewig die Rohdaten speichern.

Daten aggregieren in da³vid: Hohe Performance auch auf Edge-Geräten

Mit der IIoT-Plattform da³vid nutzen wir durch unseren hybriden Ansatz die jeweiligen Stärken beider Datenbanktechnologien ganz gezielt. Zur Vorhaltung und Analyse relationaler Daten kommt PostgreSQL zum Einsatz. Mess- und Zeitreihen werden in der Zeitreihendatenbank TimescaleDB vorgehalten. Beide Technologien sind nathlos integriert.

Ein kleines, aber technisch doch bemerkenswertes Detail im Bezug auf da³vid: Unsere Software läuft auf einem Server genau wie auf Edge-Geräten mit exakt dem gleichen Funktionsumfang. Das bedeutet, dass in beiden Fällen zusätzlich zur relationalen auch die Zeitreihendatenbank zur Verfügung steht. Mit da³vid können sie die Vorteile der kontinuierlichen Verdichtung damit insbesondere auch auch Ihren Edge-Geräten direkt im Feld nutzen und trotz schwacher Hardware schnell an die von Ihnen benötigten Informationen kommen.

Bei HYDAC Kinesys in Schwalbach kommt unsere IIoT-Plattform da³vid in einem solchen Anwendungsfall zum Einsatz:

„Wir nutzen die Software von embedded data auf einem Single Core Edge Device um zeitlich hochaufgelöst Druckwerte zu loggen. Die Ladezeiten der Druckverläufe im Graph sind maximal wenige Sekunden, egal ob man große oder kleine Zeiträume betrachtet. Das ist für die verwendete schmale Hardware beeindruckend schnell! Lob an embedded data!“, so Dr. Florian Krämer, Entwicklungsingenieur bei HYDAC KineSys in Schwalbach.

Mit der IIoT-Software da³vid Ihre Roh-Produktionsdaten aggregieren und alle genannten Vorteile nutzen.

Zusätzlich erhalten Sie mehr Übersicht in Ihrer Produktion durch:

☑ Maschinendatenerfassung
☑ Dashboarding
☑ digitales Schichtbuch
☑ Alarmmanagement

Wie Sie den Leistungsfaktor in Ihrer Produktion mit wenig Einsatz verbessern

2021-07-08T13:07:37Z

Produzierende Unternehmen stehen nicht erst seit der digitalen Transformation und der Industrie 4.0 unter erhöhtem Wettbewerbsdruck. Das Optimieren von Geschäftsprozessen ist unverzichtbar – und mit der Gesamtanlageneffektivität (OEE – Overall Equipment Effectiveness) erhalten Betriebe eine Kennzahl, die zum einen die Anlageneffektivität vergleichbar macht und zum anderen Verluste von Maschinen aufdeckt. Die OEE besteht aus drei Faktoren, die gemeinsam die häufigsten und relevantesten Quellen von Produktivitätsverlusten aufzeigen:

☑ Verfügbarkeit
☑ Qualität
☑ Leistung

In diesem Teil unserer Blog-Reihe zum Thema OEE schauen wir uns den Faktor Leistung genauer an. Denn mit wenig Einsatz lässt sich insbesondere dieser Faktor schnell und nachhaltig verbessern.

Der OEE Faktor Leistung – Was bedeutet das eigentlich?

Der OEE Faktor Leistung stellt den Ist-Zustand der produzierten Teile ins Verhältnis zum Soll-Zustand, also der Menge Teile, die maximal produziert werden könnte, sofern eine Maschine durchgängig im vordefinierten Soll-Takt arbeitet. In der Realität wird der Soll-Takt jedoch selten optimal ausgeschöpft, denn kleinere Störungen oder eine falsche Konfiguration der Maschine führen zu Verzögerungen in der Produktion – und damit zu Verlusten für das Unternehmen. Im Umkehrschluss lässt sich sagen, dass ein optimierter Leistungsfaktor dafür sorgt, dass weniger Zeit aufgewendet werden muss, um eine bestimmte Anzahl an Werkstücken herstellen zu können.

Der Unterschied zwischen Theorie und Praxis

Damit eine Maschine profitabel arbeiten kann, muss ihre Leistung optimal an die zu bearbeitenden Werkstücke angepasst sein. Wird die Maschine über das Maximum hinaus belastet, sind Störungen und Defekte zu erwarten. Wird hingegen eine Maschine weniger belastet als technisch möglich wäre, entstehen zwangsläufig Zeitverluste – die unterm Strich dem Unternehmen bares Geld kosten. Die maximal möglichen Leistungswerte, die eine Maschine erreichen kann, werden von den Herstellern vorgegeben und lassen sich in den technischen Dokumentationen nachlesen. Allerdings ist bei diesen theoretischen Werten Vorsicht geboten!

Denn die Werte werden in der Regel unter klimatisierten, optimalen Umgebungsbedingungen ermittelt – und sind nicht 1:1 in die Praxis eines Betriebes übertragbar. Hier fließen viele zusätzliche Faktoren in die Leistungsfähigkeit einer Maschine ein, beispielsweise die Temperatur in der Werkhalle, die eingesetzten Werkstoffe in Kombination mit den jeweiligen Werkzeugen oder die verwendeten Kühlschmierstoffe. Und nicht zuletzt hat auch der Bediener an der Maschine Einfluss darauf, wie leistungsfähig „seine“ Maschine betrieben wird.

Wie lässt sich denn die Soll-Leistung einer Maschine ermitteln?

Die Ist-Leistung einer Maschine lässt sich mühelos messen, wobei hierfür nicht mal Stückzähler oder Sensoren notwendig sind. Im einfachsten Fall reicht das manuelle Zählen der produzierten Werkstücke pro Stunde. Schwieriger wird die Ermittlung der Soll-Leistung. In einigen Fällen geben Maschinenhersteller diese Angaben nicht in Ihren Handbüchern an – oder verwenden aus Marketing-Gründen unrealistische Werte. In diesen Fällen kann das Konzept der „bestdemonstrierten Stückzahl“ verwendet werden. Hierfür werden alle Geschwindigkeiten, die bei der Produktion eines Werkstückes in der Vergangenheit aufgezeichnet wurden, miteinander verglichen. Die höchste Produktionsgeschwindigkeit – und damit die beste Leistung der Maschine – wird als feststehende Soll-Leistung definiert. Dieses Vorgehen eignet sich besonders gut für Maschinen, die nur ein einziges oder nur wenige unterschiedliche Teile fertigen.

Den Leistungsfaktor erhöhen – Auf die Datensammlung kommt es an!

Vor jeder Optimierung stehen eine Sammlung und Auswertung der relevanten Daten. Im Falle des Leistungsfaktors sind die wichtigsten Daten natürlich die Anzahl der produzierten Teile pro Stunde. Während es in der Vergangenheit nötig war, mechanische Stückzähler einzusetzen, erledigen moderne Steuerungen das Zählen automatisch. Im Zeitalter der Industrie 4.0 sind viele Produktionsmaschinen bereits untereinander vernetzt und liefern so alle benötigten Daten direkt an den Ort, wo sie ausgewertet und weiterverarbeitet werden.

Je sorgfältiger und umfassender Daten gesammelt werden, desto präziser kann eine Aussage zur Differenz zwischen Ist-Zustand und Soll-Zustand getroffen werden.

Präzise Aussagen zu Ihrer OEE treffen: Mit der IIoT-Software da³vid Maschinendaten zentral sammeln, abrufen und visualisieren.

Den Leistungsfaktor optimieren durch Anpassung der Schnittwerte

Bei spanabhebenden Werkzeugmaschinen existieren einige Stellhebel, die die Produktion eines Werkstückes deutlich beschleunigen können. So ermöglichen beispielsweise Hartmetallwerkzeuge höhere Vorschübe und Schnittleistungen als konventionelle Werkzeugstähle. Mittels Tabellenbüchern lässt sich darüber hinaus für jeden Werkstoff, jeden Werkstückdurchmesser und für jedes Werkzeug der theoretisch optimale Wert für die Fertigung ermitteln. Je fähiger und erfahrener die Bedienmannschaften in einem Unternehmen sind, desto feiner sind in der Regel die Schnittwerte auf das Werkstück abgestimmt.

Den Leistungsfaktor optimieren durch weniger Micro Stops

Kurze und kürzeste Unterbrechungen der Produktion senken die Leistung einer Maschine und sind somit zu minimieren. Bei Maschinen mit automatischem Werkzeugwechsel kann die Span-zu-Span-Zeit (die Zeit, die vergeht, wenn Werkzeug 1 die Bearbeitung beendet hat und Werkzeug 2 eingewechselt und positioniert wird) durch eine durchdachte Anordnung der Werkzeuge im Magazin problemlos optimiert werden. Die gesparte Zeit mag pro Werkstück nur wenige Sekunden betragen – aber in der Summe macht sich dies insbesondere bei Massenteilen und Großserien stark bemerkbar.

Den Leistungsfaktor verbessern durch richtige Produktionsplanung

Die einzelnen Arbeitsschritte auf einer Maschine, die für die Fertigung eines Werkstückes notwendig sind, sollten in regelmäßigen Abständen überprüft und bei Bedarf angepasst werden. Durch kleine Veränderungen im Arbeitsprozess, beispielsweise einer Positionierung der Werkzeuge im Eilgang bis kurz vor das Werkstück, lassen sich in den meisten Fällen einige Sekunden Zeit herausholen – Zeit, die in der Summe für mehr produzierte Werkstücke sorgen kann.

Den Leistungsfaktor durch Anpassen der Maschinenparameter verbessern

Maschinen werden seitens der Hersteller zumeist ohne genaue Kenntnisse der Fertigungsprozesse eingestellt. Diese Konfiguration kann zu Schwingungen im Betrieb, zu Problemen beim Erreichen der benötigten Toleranzen und zu einem hohen Werkzeugverschleiß führen. Bei einer Neuanschaffung oder Modernisierung bestehender Maschinen (Retrofitting) sollten Maschinen daher immer hinsichtlich der dynamischen Eigenheiten optimiert werden – im Idealfall mit Bezug auf die Werkstücke, die später produziert werden sollen.

Wer nicht fragt, verliert

Bei jeder Maschine innerhalb einer Fertigungslinie sollte immer wieder gefragt werden: Läuft die Maschine mit ihrer theoretischen Höchstgeschwindigkeit? Wenn „Ja“, ist alles super (auch wenn dieses „Ja“ in der Praxis eher selten vorkommt). Lautet die Antwort hingegen „Nein“, kommt die nächste Frage ins Spiel – nämlich „Warum läuft die Maschine NICHT mit ihrer Höchstgeschwindigkeit?“ Insbesondere die Bediener sind hier gefragt, denn schließlich kennt im Unternehmen wohl kaum jemand eine Maschine so gut, wie der Mensch, der sie tagtäglich bedient.

Leistung durch digitale Technik verbessern

Den Maschinenoutput verbessern funktioniert auch durch digitale Unterstützung – und dies einfacher und komfortabler als jemals zuvor. Smarte Fertigungsmaschinen ermitteln kontinuierlich alle Werte, die während eines Fertigungsprozesses auftreten und bereiten diese Daten zumeist auch noch durch entsprechende Software grafisch auf. So kann die Produktionsplanung „live“ sehen, wie gut eine Maschine performt – und wo eventuelle Schwachstellen oder Minderleistungen auftreten. Smarte Maschinen sind zwar noch nicht sehr weit verbreitet, aber immer mehr Hersteller setzen auf digitale Lösungen mit speziell angepasster Software zur Optimierung der Fertigungsprozesse. Es ist anzunehmen, dass in 5 – 10 Jahren ein Großteil der eingesetzten Maschinen und Anlagen digital unterstützt arbeiten wird.

Fazit

Der Leistungsfaktor der Gesamtanlageneffektivität zeigt die Geschwindigkeit auf, mit der eine Maschine produziert. Der theoretische Soll-Zustand ist dabei das Maß der Dinge – und der Ist-Zustand in den meisten Fällen ein Zustand, den es zu verbessern gilt. Mit einigen wenigen Maßnahmen lässt sich der Leistungsfaktor bereits verbessern – und trägt damit seinen Teil zum gesamten Unternehmenserfolg bei.

Quellen:

https://monami.hsmittweida.de/frontdoor/deliver/index/docId/6392/file/Diplomarbeit+Robert+Stolzlechner_27891.pdf

https://de-academic.com/dic.nsf/dewiki/515644#Verf.C3.BCgbarkeitsfaktor

https://mymaintenance.blog/2020/02/18/kpis-kennzahlen-der-instandhaltung

Die wichtigsten Methoden zur Prozessoptimierung Ihrer Produktion auf einen Blick

2021-07-22T13:07:37Z

An die moderne Produktion werden weitaus höhere Ansprüche gestellt als „nur“ das Herstellen qualitativ einwandfreier Produkte. Vielmehr stehen produzierende Unternehmen im Zeitalter der Industrie 4.0 und dem IoT (Internet of Things) unter einem verschärften, globalisierten Wettbewerbsdruck. Mit unterschiedlichen Methoden aus dem Bereich des Lean Managements kann den hohen Anforderungen an Qualität, Produktivität und Effizienz Rechnung getragen werden.

Im Rahmen unserer Blog-Reihe haben wir die verbreitetsten Ansätze zur Produktivitätssteigerung genauer unter die Lupe genommen:

☑ Kaizen / Continous Improvement
☑ Wertstromanalyse
☑ 5S-Arbeitsgestaltung
☑ Deming Kreis
☑ Six Sigma
☑ 5-Warum-Methode (5-Why-Methode)
☑ 8 Arten von Verschwendung
☑ Poka Yoke
☑ SMED (Single Minute Exchange of Die)
☑ Root Cause Analysis
☑ Fischgrätendiagramm / Ishikawa-Diagramm

So steigern Sie die Produktivität Ihres Unternehmens mit …

… Kaizen / Continious Improvement

Kaizen ist weniger eine Methode oder Werkzeug, als denn eine Denkweise. Der „Erfinder“ von Kaizen, Masaaki Imai, sah den Schlüssel in dauerhafter Wettbewerbsfähigkeit darin, dass „kein Tag ohne irgendeine Verbesserung im Unternehmen vergehen“ soll. Kaizen ist ein japanischer Begriff, der sich aus den Worten „Kai“ für Veränderung und „Zen“ für zum Besseren zusammensetzt. In westlichen Gesellschaften wird Kaizen auch häufig mit dem Ausdruck des „Kontinuierlichen Verbesserungsprozesses“ gleichgesetzt. Kaizen zielt weniger auf grundlegende Veränderungen im Unternehmen ab als denn auf die Integration aller Mitarbeiter. Jeder einzelne Mitarbeiter soll gemäß Kaizen permanent an der Verbesserung von Abläufen, Tätigkeiten und Produkten arbeiten.

-> Mehr zu Kaizen hier

… der Wertstromanalyse

Die Wertstromanalyse ist eine betriebswirtschaftlich orientierte Methode, die alle an einer Wertschöpfung beteiligten Prozesse und Abläufe darstellen will. Hierzu nutzt die Wertstromanalyse standardisierte Symboliken – die unternehmensübergreifend als Kommunikationsplattform dienen können. Die Ziele der Wertstromanalyse sind klar definiert. Zum einen sollen die Zusammenhänge von Material- und Informationsflüssen aufgezeigt, zum anderen Schwachstellen und Verschwendungen deutlich sichtbar gemacht werden. Die einfache Durchführbarkeit einer Wertstromanalyse macht diese Methode zu einem mächtigen „Tool“ im Rahmen der Produktivitätssteigerung eines Unternehmens.

-> Mehr zur Wertstromanalyse

… 5S-Arbeitsgestaltung

Die 5S-Arbeitsgestaltung, im deutschen Sprachraum auch als 5A bezeichnet, ist eine aus dem Japanischen stammende Methode zur systematischen Gestaltung des eigenen Arbeitsplatzes. Die namensgebenden fünf „S“ stammen ursprünglich von den japanischen Begriffen Seiri, Seiton, Seiso, Seiketsu und Shitsuke ab, die die fünf Schritte der Methode beschreiben. In freier Übersetzung lauten die fünf Schritte Selektieren, Systematisieren, Säubern, Standardisieren und Selbstdisziplin. Die 5S-Methode soll die Transparenz im Unternehmen erhöhen, Verschwendung minimieren und Zeitersparnis in Kombination mit verbesserter Qualität gewährleisten.

-> Mehr zur 5S-Arbeitsgestaltung

… dem Deming Kreis

„Always touch a running System“ – mit diesem Motto setzte William Edwards Deming nach dem Zweiten Weltkrieg seine Vorstellungen einer verbesserungsorientierten Unternehmensorganisation um. Mit dem Deming Kreis, auch als PDCA Zyklus bezeichnet, werden Probleme innerhalb eines Unternehmens in vier Phasen – Plan, Do, Check, Act – angegangen. Die Deming-Philosophie stellt den Ist-Zustand eines Unternehmens dauerhaft in Frage und startet in einem wiederkehrenden Regelkreis Verbesserungen an Prozessen, Abläufen und der Organisation. Der sehr abstrakte Ansatz des Deming Kreises wurde in Japan in den Jahren nach dem Zweiten Weltkrieg intensiv angewendet – und schließlich unter dem Namen Kaizen weltbekannt.

-> Mehr zum Deming Kreis

… Six Sigma

Six Sigma ist eine Methode, die analytische und statistische Ansätze für die Prozessverbesserung innerhalb eines Unternehmens verwendet. Durch diese mathematische Ausrichtung unterscheidet sich Six Sigma deutlich von anderen Methoden. Sigma als griechischer Buchstabe repräsentiert die Standardabweichung einer Grundgesamtheit in der Mathematik – was Sigma zu einem Indikator für die Abweichung von einem Mittelwert macht. Six Sigma kann nachhaltige Erfolge generieren und ist so maßgeblich am Wachstum eines Unternehmens beteiligt. In fünf Phasen werden Probleme analysiert, Ursachen der Probleme ausfindig gemacht und nachhaltig beseitigt.

-> Mehr zu Six Sigma

… der 5-Warum-Methode (5-Why-Methode)

Das Ziel der extrem einfach durchzuführenden 5-Warum-Methode ist es, die genaue Ursache für ein Problem oder einen Defekt zu bestimmen. Durch immer tieferes Nachfragen mittels dem namensgebenden „Warum“ soll die Wurzel eines Problems ausfindig gemacht werden. Anschließend kann die Ursachenwurzel dann mittels genau definierter Maßnahmen beseitigt werden. Die Fünf ist hier als symbolische Zahl zu verstehen, auch wenn sich viele Problemursachen tatsächlich mit nur fünf „Warum-Fragen“ ausfindig machen lassen. Eine einfache Anwendbarkeit zeichnet diese Methode zur Ursache-Wirkungsbestimmung aus.

-> Mehr zur 5-Warum-Methode

… den 8 Arten von Verschwendung

Die acht Verschwendungsarten innerhalb einer Produktionskette lassen sich mit dem Akronym TIM WOODS zusammenfassen: Transportation, Inventory, Motion, Waiting, Overprocessing, Overproduction, Defects, Skills. Im Rahmen eines Lean Manufacturing gilt es, diese acht Verschwendungsarten zu minimieren, um einen nachhaltigen Unternehmenserfolg sicherzustellen. Um dieses Ziel zu erreichen, werden unterschiedlichste Methoden der schlanken Fertigung, beispielsweise SMED, Kaizen oder Kanban, eingesetzt.

-> Mehr zu den 8 Arten der Verschwendung

… Poka Yoke

Die Vermeidung (Yoke) unbeabsichtigter Fehler (Poka) ist der namensgebende Ansatz für den japanischen Begriff des Poka Yoke. Entwickelt wurde die Methode von Shingeo Shingo im Rahmen des Toyota-Produktionssystems. Bei Poka Yoke werden alle Arbeitsutensilien und Materialien so angeordnet und konzipiert, dass mögliche Fehlerquellen bereits vor ihrer Entstehung beseitigt werden – und entstandene Fehler umgehend aufgedeckt werden können. Poka Yoke setzt dabei auf drei Funktionen, nämlich Messen, Erkennen von Abweichungen und Regulieren.

-> Mehr zu Poka Yoke

… SMED (Single Minute Exchange of Die)

Single Minute Exchange of Die bedeutet übersetzt in etwa so viel wie „Werkzeugwechsel im einstelligen Minutenbereich“. Entwickelt wurde SMED von Shingeo Shingo, dem „Erfinder“ von Poka Yoke. Single Minute Exchange of Die zielt darauf ab, die Rüstzeiten einer Maschine oder Fertigungslinie durch technische und organisatorische Maßnahmen so zu verkürzen, dass die Maschine mit minimalstem Zeitverzug und ohne Zeitverschwendung wieder eingesetzt werden kann.

-> Mehr zu SMED

… Root Cause Analysis

Die Root Cause Analysis, oder auf Deutsch die „Ursachenanalyse“ ist eine Methode, die die tiefergehenden Ursachen eines Problems ermitteln will. Mit der Root Cause Analysis werden unterschiedliche Methoden und Ansätze kombiniert, um die Ursache einer Fehlentwicklung aufzudecken. Als weitere Ziele der Root Cause Analysis gelten das zukünftige Verhindern von Problemen durch Analyse der zugrunde liegenden Probleme und dem systematischen Vorbeugen von Fehlern beziehungsweise dem Reproduzieren von Erfolgen.

-> Mehr zur Root Cause Analysis

… Fischgrätendiagramm / Ishikawa-Diagramm

Wenn Probleme auftreten, deren Ursache nicht auf den ersten Blick erkennbar ist, eignet sich das Fischgrätendiagramm optimal als Ansatz zur Lösung. Ursprünglich wurde das Fischgrätendiagramm / Ishikawa-Diagramm für das Qualitätsmanagement entwickelt, wird aber heute in unterschiedlichsten Bereichen eingesetzt. Im Gegensatz zu anderen Methoden, die sich auf die offensichtlichsten Problemlösungen fokussieren, wird hier versucht, tiefer gehende Lösungen aufzuzeigen. Das Fischgrätendiagramm setzt auf eine einfache, grafische Gestaltung und die Einbeziehung möglichst vieler Mitarbeiter, um Probleme nachhaltig und umfassend zu beseitigen.

-> Mehr zum Fischgrätendiagramm / Ishikawa-Diagramm

Was steckt eigentlich hinter Condition Monitoring?

2021-07-29T13:07:37Z

Wenn Maschinen ausfallen, Roboter ihren Dienst versagen oder Anlagen einen Fehler aufweisen, sind hohe Kosten für die Instandsetzung und Reparatur eher die Regel als denn die Ausnahme. Die Stillstände und damit verbundenen Produktionsausfälle sind insbesondere dann ärgerlich, wenn der Grund in preiswerten Verschleißteilen liegt. Mit der Industrie 4.0 treten neue, digitale Systeme an, die den Zustand einer Maschine oder Anlage kontinuierlich überwachen und dabei helfen sollen, Ausfälle zu vermeiden.

Das Condition Monitoring, auf Deutsch die „Zustandsüberwachung", soll als grundlegende Maßnahme der Digitalisierung Instandhaltungsprozesse vereinfachen. Doch welche Möglichkeiten des Condition Monitorings gibt es aktuell überhaupt – und welche der Möglichkeiten, Maschinendaten zu sammeln und zu analysieren, passen zu Ihrem Produktionsbetrieb? Erfahren Sie in diesem Beitrag, wie Sensorik, IoT und Big Data Maschinenausfälle verhindern können, bevor sie überhaupt entstehen.

Inhalte:

Was bedeutet Condition Monitoring?
Von der reaktiv-präventiven zur zustandsorientierten Instandhaltung
Sensorik als Grundlage für das Condition Monitoring
Condition Monitoring in der Produktion
Von autarken Systemen zur durchgängigen Vernetzung
Die grundlegenden Entscheidungen für den Einstieg in das Condition Monitoring

Was bedeutet Condition Monitoring eigentlich genau?

Das Condition Monitoring soll durch eine regelmäßige Erfassung von physikalischen Größen wie Temperatur, Schwingungen oder Lage den Zustand einer Maschine/Anlage überwachen. Das Ziel von Condition Monitoring ist es dabei, die Maschineneffizienz und die Sicherheit dauerhaft zu erhöhen.

Von der reaktiv-präventiven zur zustandsorientierten Instandhaltung

Die aktuelle Instandhaltung von Maschinen und Anlagen erfolgt entweder reaktiv oder präventiv. Bei der reaktiven Instandhaltung werden Verschleißteile genau dann ausgetauscht, wenn sie defekt sind oder Störungen im Betriebsablauf verursachen. Bei der präventiven Instandhaltung werden Maschinen und Anlagen in fest definierten Zeitabständen heruntergefahren und Bauteile/Baugruppen ausgetauscht, bevor sie das Ende ihres Lebenszyklus erreicht haben.

Beide Formen der Instandhaltung sind aktuell gleichermaßen alternativlos wie teuer. Denn während Maschinenstillstände durch defekte Teile schlecht planbar sind und damit Produktionsausfälle und Terminschwierigkeiten auslösen, werden bei einer präventiven Instandhaltung (auch) intakte Bauteile ausgetauscht und vorhandene Restlaufzeiten somit verschenkt.

Die zustandsorientierte Instandhaltung wird in naher Zukunft die herkömmlichen Konzepte ablösen. Durch präzise Sensoren und in Echtzeit analysierten Daten werden Maschinenparameter gemessen und dokumentiert, um einen Vergleich des Ist-Zustandes mit einem vorgegebenen Referenzwert zu ermöglichen. Durch diesen Vergleich sollen tief in den Maschinen und Anlagen versteckte Fehler möglichst früh erkannt werden – um Instandhaltungsmaßnahmen so zu planen, dass der Betriebsablauf so wenig wie möglich beeinträchtigt wird.

Maschinendaten messen, analysieren und dokumentieren. Wir beraten Sie gerne, wie Sie mit unserer IIoT-Plattform da³vid versteckte Fehler in Ihrer Produktion früh erkennen.

Sensorik als Grundlage für das Condition Monitoring

Damit Maschinen oder Anlagen ihren Zustand überwachen und entsprechende Daten sammeln können, müssen entsprechende Sensoren verbaut sein. Aktuelle Maschinenmodelle werden seitens der Hersteller in den meisten Fällen bereits von Werk aus mit der entsprechenden Sensorik ausgestattet. Diese Sensoren sitzen beispielsweise an Antriebswellen, um die Übertragung von Drehmomenten über überwachen oder direkt an den Werkzeugträgern, um Schwingungsübertragungen aufzuzeichnen. Auch Temperaturen, Leistungsaufnahmen oder Durchflussraten werden durch Sensoren verfolgt – und Abweichungen vom Soll-Zustand per Alarm ausgegeben.

Ältere Maschinen lassen sich im Rahmen eines Retrofits nachrüsten. Viele innovative Hersteller von Werkzeugmaschinen beispielsweise bieten für alle aktuellen Maschinenmodelle unterschiedlichste Module - mit denen allerdings auch betagte Maschinen „digital aufgerüstet“ werden können.

Die Möglichkeiten des Condition Monitorings in der Produktion

Bereits in der „kleinsten“ Ausbaustufe durch Installation weniger Sensoren und entsprechender digitaler Schnittstellen bietet das Condition Monitoring handfeste Vorteile in der Produktion. So lassen sich durch Sensoren unter anderem…

☑ Verbrauchsspitzen beim Energiebedarf unterschiedlicher Maschinenkomponenten aufzeichnen
☑ Verwendete Werkzeuge und Programme sowie die Nutzungsfrequenz einer Maschine darstellen
☑ Den aktuellen Bedienmodus oder die Stellung eines Potentiometers aufzeichnen
☑ Schwingungen an Achsen, Wellen oder sonstigen kritischen Bereichen einer Maschine überwachen
☑ Drehmomente an Fräs- oder Drehspindeln überwachen
☑ Akustische Abweichungen aufzeichnen
☑ Verlust von Flüssigkeiten melden
☑ Nachlassende Pumpenleistungen erkennen

Vor welcher Herausforderung stehen Sie in Ihrer Produktion? Wir sprechen gerne mit Ihnen

Von autarken Systemen zur durchgängigen Vernetzung

Den aktuellen Condition Monitoring Systemen fehlt es fast vollständig an Schnittstellen zum ERP oder der Planung der Instandhaltung eines Unternehmens. Die an den Maschinen gewonnenen Daten werden derzeit hauptsächlich in einem eigenen digitalen Ökosystem bereitgestellt und ausgewertet. Dies ist durchaus nicht per se schlecht – für neue Konzepte der Instandhaltung sind autarke Systeme allerdings nicht geeignet. Folgt man den Aussagen eines großen Maschinenherstellers, produziert allein eine der aktuellen Werkzeugmaschinen rund ein Terabyte Daten – pro Stunde! Dieses enorme Datenvolumen birgt unzählige Möglichkeiten, die mit einer durchgängigen, unternehmensinternen Vernetzung erst ihr gesamtes Potential aufzeigen.

Stellen Sie sich vor, Ihre Maschinen könnten…

☑ Verschleiß frühzeitig erkennen und benötigte Austauschteile automatisch über das ERP System nachbestellen
☑ Das Verbrauchsende von Betriebsstoffen erkennen und Nachschub ohne menschlichen Eingriff nachbestellen
☑ Undichtigkeiten in Kreisläufen oder Abweichungen vom Soll-Zustand an Antrieben erkennen
☑ Zeitpunkte der nächsten Wartungsintervalle selbstständig überwachen und deren Durchführung terminieren
☑ Bewegungsabläufe der Werkzeugträger oder Bearbeitungsschritte rekonstruieren
☑ Mittels Videoüberwachung den Prozessstatus überwachen und die Bilder an mobile Endgeräte senden

Generell gilt: Je mehr Daten die Maschinen und Anlagen eines Betriebes sammeln und je feiner diese Daten ausgewertet und analysiert werden, desto eher lassen sich frühzeitig Muster erkennen, die auf Störungen, Fehler und Ausfälle hinweisen – und entsprechend früh kann reagiert werden.

Die grundlegenden Entscheidungen für den Einstieg in das Condition Monitoring

Eine digitale Komplettüberwachung des gesamten Maschinenparks 24 Stunden am Tag und 7 Tage die Woche inklusive Anbindung an das unternehmenseigene ERP ist zweifelsfrei eine praktische Sache – allerdings ebenfalls kostenintensiv und nicht in allen Fällen notwendig. Folgende Entscheidungshilfen stellen einen guten Einstieg in die Instandhaltung der Zukunft dar – ohne gleich den vollständigen Umbau der Maschinen und IT-Infrastruktur zu erzwingen.

1) Festlegen des Überwachungsziels

Je feiner sie die Wahrscheinlichkeit, mit der ein Schaden an Ihren Maschinen eintritt, evaluieren und in Relation zu dem daraus resultierenden Schadensausmaß setzen, desto genauer kennen Sie das Risiko. Wenn Ihre Anlagenverfügbarkeit bereits durch die Überwachung eines kritischen Bauteils hochgehalten werden kann, benötigen Sie weniger Sensoren als beim Monitoring der Getriebe, Antriebseinheiten, Spindellager oder Kühlkreisläufe. Hier lohnt sich das Monitoring aber, sofern Sie die vorausschauende Instandhaltung in ihrem Unternehmen etablieren wollen – und Kosteneinsparungen bei Ersatz- und Verschleißteilen ganz oben auf Ihrer Agenda stehen.

2) Standard-Lösung oder maßgeschneidertes Komplettpaket?

Sind die Ziele Ihres Condition Monitorings festgelegt, geht es an die Auswahl der geeigneten Systeme. Viele Anbieter bieten sowohl standardisierte Systeme mit umfangreichen Analyseoptionen und passender Software als auch maßgeschneiderte Gesamtlösungen als Start in die digitale Produktion der Zukunft. Beide Möglichkeiten bieten ganz eigene Vor- und Nachteile, die es vor der Anschaffung gegeneinander abzuwägen gilt.

3) Relevanz des Condition Monitorings

Die Implementierung eines komplexen, maßgefertigten Systems aus Hard- und Software, Sensorik und Netzwerktechnik kann unter Umständen aufwändig, zeitintensiv und teuer sein. Daher muss der Aufwand in Relation zum Nutzen gesetzt werden. Immer dann, wenn Wartung besonders teuer ist oder die Folgen von Maschinenausfällen besonders gravierend sind, lohnt sich der Einstieg in das automatisierte, vernetzte durch smarte Technologien unterstützte Condition Monitoring. Soll „nur“ die Maschinenverfügbarkeit hochgehalten und Kosten gesenkt werden, reichen in vielen Fällen standardisierte CM-Lösungen aus. Hier sind es vor allem Lösungen, die auf Modularität setzen. Dadurch kann der Leistungsumfang des CM ganz exakt auf den Bedarf im Unternehmen angepasst werden

Fazit

Das Überwachen von Maschinenzuständen durch Sensoren und passender Software kann Instandhaltungsprozesse optimieren, Maschinenausfälle minimieren und nicht zuletzt die Produktionsleistung erhöhen. Viele Maschinenhersteller bieten mittlerweile CM-Systeme als Teil des Zubehörkataloges von Werk aus an. Ältere Maschinen und Anlagen können durch Sensoren und entsprechenden Schnittstellen aufgerüstet werden.

Insbesondere die Instandhaltung profitiert von CM deutlich – denn wenn die Maschinen Schäden bereits dann melden, bevor sie entstehen, werden teure Stillstandzeiten reduziert. Bei der Implementation von CM-Systemen muss aber mit Augenmaß vorgegangen werden – denn nicht immer ist das maßgeschneiderte Rundum-Paket die optimale Lösung. Vielmals reicht bereits eine kleine Investition in die Zustandsüberwachung einzelner Komponenten, um die gewünschten Ziele zu erreichen.

Quellen:

https://www.instandhaltung.de/maintenance-in-der-industrie/wie-condition-monitoring-maschinenausfaelle-verhindert-121.html

https://industrie-wegweiser.de/condition-monitoring/

Welche Vorteile hat eine zentrale Datensammlung in der Produktion?

2021-08-05T13:07:37Z

Die Industrie 4.0 nimmt kontinuierlich an Fahrt auf – und je mehr die Produktion digitalisiert wird, desto mehr Maschinendaten werden gesammelt. Die Vernetzung der einzelnen Produktions-maschinen untereinander innerhalb eines Produktionsbetriebes (Stichwort: IIoT!) ermöglicht es, die Leistungsfähigkeit der Fertigung als Gesamtheit zu betrachten, zu analysieren und entsprechende Optimierungsmaßnahmen einzuleiten. Mit entsprechender Software wird die enorme Datenmenge (stellenweise 1 Terabyte Daten pro Produktionsstunde) automatisch aufbereitet und visualisiert.

Nun lassen sich die Datencluster für jede Maschine einzeln auswerten – oder ein Betrieb setzt auf die zentrale Datensammlung in der Produktion.

In diesem Beitrag erfahren Sie, welche Vorteile eine zentrale Datensammlung für Ihre Produktion bringt und welche Voraussetzungen erfüllt sein müssen, um die gesammelten Daten verwertbar zu machen.

Lokale Prozessdaten sammeln - Der Schlüssel zu mehr Wettbewerbsfähigkeit

Mehr Wettbewerbsfähigkeit: Mit der IIoT-Plattform da³vid Maschinendaten sammeln und zentral speichern, abrufen und visualisieren.

Integrierte Geschäftsprozesse sind die Grundlage für Wettbewerbsfähigkeit. Die Integration der Produktionsdaten in die kaufmännische Abwicklung ist dabei ein, wenngleich auch ein überaus relevanter Baustein auf dem Weg in die smarte Produktion. Seit einigen Jahren gehen Maschinen-hersteller dazu über, Ihre Produktionsmaschinen mit entsprechender Sensorik auszurüsten. Das Sammeln von Daten ist also nichts neues mehr – was im Zuge der Industrie 4.0 allerdings neu ist, ist der Bedarf innerhalb der Unternehmen, die gewonnenen Daten genauer anzusehen und zu analysieren. Denn Produktionsdaten enthalten Informationen, die oft erst auf den zweiten oder dritten Blick erkenntlich sind – dabei aber einen enormen Wert in sich verbergen!

Mit Big Data, also „Sammlungen“ riesiger Datenberge, lassen sich nach entsprechender Verarbeitung neue Konzepte verwirklichen – beispielsweise die vorausschauende Instandhaltung (Predictive Maintenance) oder die Anwendung von Techniken und Methoden aus dem Lean Management.

-> Bekannte Lean Management Methoden, wie z. B. Kaizen einfach erklärt. Hier geht es zur Übersicht!

Der Flaschenhals beim Datensammeln: Unterschiedliche Standards und Dateninseln

Die Grundlage für eine smarte Fabrik im Sinne der Industrie 4.0 ist eine unternehmensweite Vernetzung mit standardisierten Schnittstellen. Genau diese Standards stellen jedoch aktuell die größte Herausforderung dar – insbesondere für die Maschinen- und Anlagenbauer. Diese sind heute gefordert, Datengewinnung und -übertragungen in ihre Konzeptionen einzubeziehen, müssen sich jedoch in vielen Fällen in Sachen Datenbereitstellung an die jeweiligen Kundenvorgaben halten. Zwar gibt es bereits in einigen Industriezweigen Standards, diese sind aber noch nicht übergreifend genormt und entsprechend verbreitet. So entstehen gerade in der derzeitigen Transformationszeit von der klassischen Produktion hin zur smarten Fertigung der Zukunft innerhalb eines Betriebes viele Dateninseln mit unterschiedlichen Datenarten, die miteinander in Verbindung gebracht werden müssen.

Der Verein Deutscher Werkzeugmaschinenhersteller (VDW) hat sich dieser Problematik angenommen und mit Umati eine Standardschnittstelle bereitgestellt, die eine Art „Wörterbuch“ für die Kommuni-kation von Maschinen unterschiedlicher Hersteller darstellen will. Durch das Universal Machine Technology Interface, so die Langform von Umati, soll die einheitliche Definition von Maschinenparametern ermöglicht werden. So will der VDW erzielen, dass sich Maschinen innerhalb eines Betriebes untereinander „verstehen“, auch wenn die Maschinen nicht alle von einem Hersteller stammen.

Warum Dateninseln auch Ihre Produktion schwächen

Die smarte Fabrik ist gerade für kleine und mittelständische Produktionsbetriebe derzeit noch Zukunftsmusik. Eine Datensammlung findet hingegen in vielen Betrieben seit längerer Zeit statt. Die Bedienmannschaften erfassen mittels Sensorik und über die Maschinensteuerung Produktionsdaten, die Auftragsabwicklung legt ebenfalls fleißig Dokumente auf dem Firmenserver ab und auch die Buchhaltung generiert tagtäglich wertvolle Unternehmensdaten.

Doch auch wenn mittlerweile in den meisten Betrieben ein ERP eingesetzt wird und Datensammeln zum Alltag gehört – es fehlt vielmals an einer einheitlichen Struktur. Es entstehen so täglich große Zeitfresser, genannt Datensilos.

Datensilo ist die Umschreibung für eine Datenspeicherung, auf die nur eine einzige Abteilung oder ein einzelner Mitarbeiter Zugriff hat. Dem Rest des Unternehmens bleiben diese Daten verschlossen. Datensilos führen dazu, dass die hinterlegten Daten weder geprüft noch aktualisiert noch richtig genutzt werden.

Auch arbeiten die Abteilungen unter Umständen unbewusst aneinander vorbei – und auch das Risiko von Datenverlusten ist nicht zu unterschätzen. Besonders dann, wenn nur ein Mitarbeiter für ein Datensilo verantwortlich ist (beispielsweise der Meister für die Maschinendaten), kann eine Krankheit oder Kündigung zum Verlust wichtiger Informationen führen.

Welche Vorteile bringt die zentrale Datenspeicherung?

Auch wenn der Aufbau einer zentralisierten Datenspeicherung einiges an Aufwand und Investitionen mit sich bringt – erfolgreiche Unternehmen heben sich durch die Implementation von digitalen Infrastrukturen von ihren Wettbewerbern ab.

Der Grund dafür: In digitalisierten Fabriken werden rund um die Uhr kontinuierlich Informationen durch Produktionsdaten gesammelt und in Echtzeit ausgewertet. So ist es der Unternehmensführung möglich, die Auslastung der Maschinen zu kontrollieren und zu steuern, die Produktionsplanung zu optimieren und die Qualitätsverbesserung der eigenen Produkte mit Fakten zu untermauern. Aus dem Berg an Big Data lassen sich durch automatische Analysen Muster und Zusammenhänge herausfinden, die ohne zentrale Datensammlung überhaupt nicht sichtbar geworden wären.

Ein weiterer Nutzen der smarten Produktion besteht in der erhöhten Automatisierung. Durch KI und Machine Learning sind Maschinen in der Lage, Probleme ohne menschlichen Eingriff zu lösen und Fertigungsschritte bei Bedarf anzupassen.

Und auch den Blick in die Zukunft kann eine umfassende Datengewinnung leisten! Denn durch die moderne Datenanalyse entstehen die Möglichkeiten, die Produktion frühzeitig an sich ändernde Marktanforderungen oder Kundenwünsche anzupassen. Auch die Instandhaltung lässt sich durch Daten zur „Vorbeugenden Instandhaltung“ updaten – Die Maschinen erkennen Störungen, Fehler oder fehlende Betriebsstoffe so frühzeitig, dass ungeplante Maschinenstopps erst gar nicht entstehen.

Ein weiterer Vorteil der digitalen, automatisieren Datenerfassung liegt in einer erhöhten Mitarbeiterzufriedenheit – in Zeiten des Fachkräftemangels ein nicht zu unterschätzender Faktor für nachhaltige Wettbewerbsfähigkeit! Denn werden Bedienmannschaften von „fachfremden“, aufwändigen Routine-Aufgaben wie dem manuellen Datenerfassen entlastet, bleibt ihnen mehr Zeit für die eigentlichen Aufgaben in der Produktion. Mehr Zeit bedeutet weniger Stress – und weniger Stress führt zu höherer Zufriedenheit im Beruf. Modernes Lead Management zielt darauf ab, alle an einem Prozess beteiligten Personen in Entscheidungen mit einzubeziehen – dies wird durch zentralisierte, automatisierte und optimierte Datensammlung „ganz nebenher“ erreicht.

Der Schlüssel zum Erfolg: Die richtige Software

Um die immensen Datenpotentiale in der Produktion wirtschaftlich zu nutzen, ist eine leistungsfähige, perfekt auf den Bedarf des Anwenders zugeschnittene Software essenziell. Die riesigen Datenberge, die täglich entstehen, müssen durch diese Programme schnell und sicher verarbeitet werden, um Analysen in Echtzeit zu ermöglichen. Ob die Datenspeicherung dabei in einer Cloud oder lokal auf dem Unternehmensserver gespeichert sind, macht übrigens keinen großen Unterschied – wichtiger ist die Leistungsfähigkeit der eingesetzten Kommunikations- und Analyse-Software.

Fazit

Die zentrale Datensammlung in einem Produktionsbetrieb bietet zahlreiche Vorteile gegenüber Insellösungen und Datensilos. So erlaubt die zentralisierte Datenspeicherung und -verarbeitung eine hochgenaue Analyse der Produktivität, sie spart Zeit und erlaubt eine wesentlich flexiblere Anpassung der gesamten Produktion an den Bedarf der Märkte. Das große Problem der nicht-standardisierten Kommunikationsprotokolle und Schnittstellen lässt sich aktuell nur unternehmensbezogen lösen – es ist aber für die nahe Zukunft zu erwarten, dass Standardisierungen und Normen auch im Bereich der smarten Fabrik Einzug halten werden.

8 gute Gründe, die OEE Ihres Unternehmens mittels Software zu erfassen und zu verfolgen

2021-08-12T13:07:37Z

Mit der Overall Equipment Effectiveness – kurz OEE – lässt sich messen und bewerten, wie gut Fertigungsanlagen, Maschinen oder Werkzeuge im Vergleich zum optimalen Potential verwendet werden. Die Messung der OEE an sich ist kein Hexenwerk und schon gar nicht kompliziert – weshalb nicht wenige Unternehmen auf die Anschaffung von spezialisierter OEE-Software verzichten. Allerdings verzichten diese Unternehmen auch auf eine ganze Palette Benefits, die der Einsatz moderner, leistungsstarker Software bietet – man denke hier beispielsweise an die Überwachung der Maschinenleistung in Echtzeit oder die präventive Wartung, die unproduktive und damit teure Stillstandzeiten deutlich minimieren kann.

Wir haben Ihnen acht gute Gründe zusammengetragen, die für den Einsatz von Software für die Erfassung und Verfolgung von OEE sprechen.

Grund Nr. 1: Die visuelle Rückmeldung für den Maschinenbediener: Maschinendaten visualisieren

Spätestens mit der Einführung elektronischer Komponenten im Maschinenbau haben Fertigungsmaschinen die Fähigkeit erlangt, mit ihren Bedienern zu „sprechen“. Leuchtdioden am Bedienpult oder Alarmeinrichtungen zeigen den Status der laufenden Bearbeitung an, warnen vor zu niedrigen Füllständen an Betriebs- und Hilfsstoffen oder signalisieren einen Fehler. Allerdings sind Leuchtanzeigen nicht geeignet, wenn es um die Darstellung komplexer Prozesse auf modernen Maschinen geht. Mit entsprechender Software lassen sich hingegen auch dynamische Maschinendaten visualisieren!

Anhand von intuitiv verständlichen Symbolen, Diagrammen und auch animierten Grafiken werden dem Bediener verbleibende Taktzeiten, an den Werkzeugen entstehende Schnittkräfte oder die Leistungsaufnahme des Motors angezeigt. Viel mehr und vor allem ganzheitliche Informationen verleihen der „Sprache“ einer Maschine zusätzliche Details – was Verwechslungen der Signale vermeidet und eine schnelle, sichere Interpretation der Rückmeldungen ermöglicht.

Grund Nr. 2: Verfolgen und verstehen Sie Maschinenausfallzeiten

Ungeplante Maschinenausfälle sind teuer und ärgerlich – aber gehören nun mal zu einem Produktionsbetrieb dazu und sind unvermeidlich. Wirklich? Mit dem Einsatz spezialisierter Software erhalten Sie die Möglichkeit, Maschinenausfälle automatisch aufzuzeichnen – und die Gründe für die Ausfälle zu verstehen. Gerade bei hochkomplexen Anlagen wie modernen CNC-Maschinen lassen sich durch ein kontinuierliches Sammeln von Daten mit anschließender Auswertung tief im System verstecke Fehler aufdecken – und so für die Zukunft vermeiden.

Grund Nr. 3: Einblick in die Produktionsleistung - in Echtzeit

Das Internet der Dinge (IOT) vernetzt nicht nur immer mehr Maschinen untereinander, sondern erlaubt auch die direkte Kommunikation mit dem Menschen – standortunabhängig, in Echtzeit und ganz einfach und bequem mittels App oder Webbrowser. Betriebsleiter, Produktionsleiter oder die Unternehmensführung werden durch spezialisierte Software in die Lage versetzt, von überall auf die Produktionsdaten zuzugreifen. So kann jederzeit ausgewertet werden, ob die Leistung der Produktion im Soll ist – und wo noch Optimierungspotentiale verborgen liegen.

Grund Nr. 4: Interaktive Dashboards statt statischen Produktionsberichten

Statische Produktionsberichte vermitteln zuverlässig eine Übersicht über die vergangene Produktionsleistung. Zahlen, Tabellen, Diagramme – Produktionsberichte lassen sich perfekt an den Bedarf eines Unternehmens anpassen. Allerdings bringt das statische Konzept einen handfesten Nachteil mit sich. Denn ist der Produktionsbericht einmal verfasst, sind Änderungen oder Anpassungen in der Regel nicht mehr möglich.

Ganz anders zeigen sich interaktive Dashboards. Denn hier entstehen Berichte in Echtzeit – unter Einbeziehung aller in einen Prozess involvierter Mitarbeiter. Die moderne Form der Produktionsberichte bietet nicht nur deutlich aktuellere Inhalte – sondern erlaubt auch die Einbindung in die unternehmenseigene Cloud. Dadurch wird der Zugriff auf alle relevanten Daten standortunabhängig ermöglicht – was Zeit spart und die Auswertung deutlich vereinfacht.

Grund Nr. 5: Identifizieren von Engpässen und Optimierungsmöglichkeiten

Die Vernetzung der einzelnen Maschinen untereinander ermöglicht das Sammeln von Maschinendaten in großem Maßstab – Stichwort Big Data. Diese enorme Datensammlung lässt sich mittels Software detailliert auswerten, was dazu führen kann, dass bisher unentdeckte Optimierungspotentiale identifiziert werden. Gleiches gilt für Engpässe, die berühmten „Flaschenhälse“ in einer Produktionskette. Durch den Einsatz von Software wird aus Big Data ein Wissensschatz – und somit eines der wirkungsvollsten Werkzeuge, wenn es um die Erhöhung der Produktivität eines Unternehmens geht.

Grund Nr. 6: Verbessern Ihrer reaktiven Wartung und Ermöglichen von präventiver Wartung

Die klassische reaktive Wartung wird nur dann durchgeführt, wenn eine Maschine repariert oder gewartet werden muss. Die reaktive Wartung erfordert wenig Planung, wenig Personal und kommt ohne zeitintensive Schulungen der Techniker im Bereich von Präventionsmethoden aus. So weit so gut, jedoch bringt der Ansatz der reaktiven Wartung auch einen echten Nachteil mit. Denn weder lässt sich der benötigte Arbeitsaufwand vorhersagen noch steht immer im Vorfeld fest, welche Ersatz- oder Verschleißteile benötigt werden. Die Folge sind unerwartete Kosten durch Produktionsverluste, der Einlagerung von Ersatzteilen oder Überstunden.

Spezialisierte Software kann die unerwarteten Kosten deutlich senken! Durch die kontinuierliche Überwachung der Maschinen mittels Sensorik und durch teamübergreifende Informationsbereitstellung hinsichtlich durchzuführender Arbeiten in den Bereichen Reinigung, Wartung und Überprüfung lassen sich Ausfallzeiten reduzieren. Software kann aber gerade im Bereich der Instandhaltung noch viel mehr! Durch Analysen der Maschinendaten und mittels Algorithmen kann eine Software „vorhersagen“, wann eine Maschine ausfallen kann und steuern, wann präventive Maßnahmen ergriffen werden müssen. Fehler erkennen, bevor sie eintreffen: das reduziert Produktivitätsverluste und steigert die Effizienz.

Grund Nr. 7: Sie werden unnötigen Papierkram los!

Die digitale Transformation und das IoT machen dem guten alten Papier das Leben schwer. Oder anders gesagt: Die Digitalisierung befreit Ihr Unternehmen zuverlässig von ausuferndem Papierkram. Anstelle Aktenordern, Notizzetteln und „Insel-Wissen“ erlaubt moderne Software den papierlosen Betrieb – von der Produktion über den Vertrieb bis hin zur Buchhaltung. Neben der Kostenersparnis (denken Sie hier einfach an die laufenden Kosten für Papier oder Druckertinte)sorgt Software auch für eine deutlich verbesserte Kommunikation einzelner Abteilungen, eine schnellere Bearbeitung von Aufträgen und ein sicheres Dokumenten-Management.

Grund Nr. 8: Werksübergreifendes Benchmarking

Sobald ein Unternehmen über mehrere Standorte verfügt, müssen Kennzahlen und Auswertungen der einzelnen Standorte zusammengefasst und auf Unternehmensebene dargestellt werden. Das werksübergreifende Benchmarking ist zwar auch ohne den Einsatz von spezialisierter Software möglich – aber immer mit hohem Arbeits- und Personaleinsatz verbunden. Durch die dezentrale Generierung und Auswertung der Daten entsteht immer das Problem, dass sich Fehler einschleichen und ein Benchmarking so unter falschen Annahmen erfolgt. Mittels Software lässt sich sowohl der Arbeitsaufwand minimieren als auch Fehlerquellen beseitigen. Zentrale Systeme, die die gewonnenen Daten an einem Ort speichern und auswerten, verhindern Daten-Silos und machen Schluss mit ineffizienten Insel-Lösungen.

Fazit

Durch den Einsatz von Software ergeben sich für produzierende Unternehmen völlig neue Möglichkeiten der Effizienzsteigerung. Während der Umgang mit OEE Kennzahlen mittlerweile seit über 50 Jahren bekannt ist, setzen aktuell nur wenige Betriebe spezialisierte Software ein. Dabei bieten Software-Lösungen, wie die IIoT-Software da³vid, handfeste Vorteile, sowohl für die Produktivitätssteigerung als auch für die Wartung und Instandhaltung.

Manuelle vs. automatische Datenerfassung in der Produktion

2021-08-18T09:45:00Z

Spätestens mit dem Beginn der industriellen Massenfertigung ist die Erfassung von Maschinendaten in der Produktion zu einem wichtigen Werkzeug geworden, um die Wirtschaftlichkeit der Produktionsprozesse sichtbar zu machen. Während es über viele Jahrzehnte hinweg Standard war, Daten manuell zu erfassen, bieten im Zeitalter der Digitalisierung immer mehr Maschinenhersteller und Drittanbieter spezielle Software an, um Stückzahlen, Taktzeiten und auch unproduktive Rüst- und Nebenzeiten detailliert und ohne „menschliches“ Zutun zu erfassen. Beide Methoden der Datenerfassung, sowohl die manuelle als auch die automatische, haben dabei ihre ganz eigenen Vor- und Nachteile.

Erfahren Sie in diesem Beitrag:

☑ Was sind Maschinendaten eigentlich?
☑ Die Ziele der Maschinendatenerfassung
☑ Manuelle vs. Automatische Erfassung

Was sind Maschinendaten eigentlich?

Per Definition sind Maschinendaten alle Informationen, die an einer industriellen Maschine anfallen. Unterschieden werden diese Daten dabei in zwei Arten

☑ Prozessdaten
☑ Produktdaten

Prozessdaten umfassen dabei alle Informationen, die für den Betrieb einer Maschine notwendig sind und durch den Betrieb umgehend erzeugt werden. Hierzu gehören unter anderem Daten über den Stromverbrauch oder die gewählten Leistungsdaten.

Produktdaten hingegen zeigen den Produktionsverlauf auf. Zu den Produktdaten gehören unter anderem Informationen zu der gefertigten Stückzahl, dem Gewicht der Teile oder der Temperatur während der Bearbeitung.

Die Ziele der Maschinendatenerfassung

Maschinendaten dienen der Analyse von Produktionsprozessen. Durch die gewonnenen Daten lassen sich Maschinenlaufzeiten optimieren, Maschinenstillstände minimieren und Daten für einen kontinuierlichen Verbesserungsprozess bereitstellen. Maschinendaten stellen in der produzierenden Industrie eine zentrale Datenquelle im Rahmen einer Betriebsdatenerfassung dar.

Manuelle vs. Automatische Erfassung

Ob Maschinendaten technisch manuell oder vollkommen automatisch erfasst werden können, hängt zunächst von der technischen Ausrüstung des Maschinenparks ab. Ältere Maschinen ohne entsprechende Sensorik und Schnittstellen oder konventionelle Maschinen ohne Steuerungen müssen mit manueller Datenerfassung auskommen – oder im Rahmen eines Retrofittings entsprechend ausgerüstet werden.

Moderne Maschinen verfügen in der Regel über die benötigten Schnittstellen und Kommunikationsstandards, über die die gewünschten Daten direkt und ohne Zeitverluste gewonnen werden können.

Manuelle Erfassung durch den Bediener

In der Vergangenheit waren die Maschinenbediener neben ihrer eigentlichen Aufgabe mit der Erfassung und Dokumentation von Maschinendaten beauftragt. Gefertigte Stückzahlen, Störungen und deren Ursachen, Toleranzabweichungen, Stillstände oder Ausschuss wurden händisch in vorgefertigte Formulare eingetragen und anschließend, in einem zweiten Schritt, für die Auswertung aufbereitet. Ohne weitere technische Ausrüstung an den Maschinen lassen sich über Formblätter oder natürlich auch digital unterstützt durch Meldestationen oder mobile Endgeräte grundlegende Maschinendaten sammeln.

Automatische Datenerfassung

Im Zuge der digitalen Transformation werden auch Industrieunternehmen „smart“. Vernetzte Maschinen erfassen automatisch alle anfallenden Daten, die in der Folge abgespeichert, ausgewertet und grafisch aufbereitet werden können. Die Grundvoraussetzung für eine automatisierte Erfassung der an den Maschinen anfallenden Daten ist dabei eine durchgängige Vernetzung aller in einem Betrieb vorhandenen Maschinen und/oder Anlagen. Hierfür müssen sowohl die Maschinen als auch die dort verbauten Sensoren netzwerkfähig sein – Stichwort IP-basierte Vernetzung. Aktuelle Maschinenmodelle sind mit Steuerungen versehen, die eine Netzwerkanbindung nach erfolgter Konfigurierung erlauben. Ältere Maschinen lassen sich in einigen Fällen mit passenden Schnittstellen nachrüsten – jedoch nicht immer! Setzen Sie Maschinen ohne Steuerung ein oder kann die an Ihren Maschinen vorhandene Steuerung nicht um eine Netzwerk-Schnittstelle erweitert werden, besteht die Option, sogenannte Kleinsteuerungen an oder in den Maschinen zu verbauen. Diese Kleinsteuerungen erfassen mechanische Vorgänge über Sensoren und ermöglichen auch die Zählung gefertigter Werkstücke. Auch sind die nachrüstbaren Steuerungen in der Lage, elektrische Signale abzugreifen.

Welche Methode eignet sich für Sie?

Ob Sie in Ihrem Unternehmen auf manuelle oder automatische Maschinendatenerfassung setzen, hängt vor allem davon ab, wie wichtig Ihnen die Einblicke in Ihre Fertigung sind.

Welche Auswirkungen hat die Digitalisierung auf die Industrie?

2021-09-21T13:46:51Z

Auch und insbesondere in der produzierenden Industrie ist die digitale Transformation zu einer der größten Herausforderungen des 21. Jahrhunderts geworden. Ist von der Digitalisierung des produzierenden Gewerbes die Rede, fällt im gleichen Atemzuge ein Schlagwort, dem wir in unserer neuen Blog-Reihe unsere Aufmerksamkeit widmen wollen: Die „Industrie 4.0“. Was genau die Industrie 4.0 im Zuge der digitalen Transformation bedeutet und welche Auswirkungen die umfassende Digitalisierung auf die Produktion hat (und noch haben wird!) erfahren Sie hier:

Von der Industrie 1.0 zur Industrie 4.0
Der Status Quo der Industrie 4.0
Wie wird aktuell mit Industrie 4.0 Anwendungen gearbeitet?
Die Zukunft der digitalen Transformation
Macht die smarte Fabrik den Menschen überflüssig?

Von der Industrie 1.0 zur Industrie 4.0

Wohl keiner der Industriellen, die vor über 200 Jahren mit der Massenproduktion von Teilen durch Maschinen starteten, hat sich Gedanken über die Agenda gemacht, mit der die Industrieentwicklung durch Industrie 1.0, Industrie 2.0, Industrie 3.0 und Industrie 4.0 abzuhaken sind. Diese Kategorisierung funktioniert daher nur aus unserer heutigen Sicht und beschreibt den industriellen Wandel in vier Phasen. Die Bezeichnungen 1.0 bis 4.0 sind dabei eng an die Versionsnummern digitaler Produkte angelehnt – die älteren unter uns erinnern sich vielleicht noch an das Betriebssystem Windows 3.1 – die dritte Version des MS-Betriebssystems überhaupt und die erste Überarbeitung dieser dritten Version (die eine „graphische Betriebssystemerweiterung“ beinhaltete).

Aber zurück zur Industrie. Die Industrie 1.0 begann um das Jahr 1800 mit der Einführung von Maschinen, die erstmals in der Geschichte der Menschheit die günstige Fertigung von Massenteilen aller Art erlaubte. Als Energie wurde damals Wasserkraft eingesetzt, die im Verlauf durch den Einsatz von Dampfmaschinen optimiert wurde.

Rund 100 Jahre später, am Übergang vom 19. zum 20. Jahrhundert, wurde die Elektrizität als Antriebskraft populär – und läutete damit den Startschuss für die zweite industrielle Revolution ein. Die Industrie 2.0 war geprägt von fortschreitender automatisierter Arbeit und der Produktion am Fließband. Man denke hier beispielsweise an Henry Ford und sein Auto, der „Tin Lizzy“ (Modell T), das ohne Fließband- und Akkordarbeit niemals zu der Erfolgsgeschichte geworden wäre, die wir heute kennen.

Die dritte industrielle Revolution ist noch gar nicht so lange her. In den 1970er Jahren begann die Industrie 3.0 mit einer noch weiter ausgebauten Automatisierung durch Elektronik – und erstmals mit der Unterstützung der IT. Die ersten numerischen Steuerungen an Werkzeugmaschinen, aber auch die Personal Computer stehen exemplarisch für die dritte industrielle Revolution.

Die vierte industrielle Revolution erleben wir gerade alle mit. Die Digitalisierung früherer analoger Prozesse und Techniken steht hier im Fokus. Neue Kommunikationsformen, das IIOT (Industrial Internet of Things) und digitale Fabriken, die bezahlbare, individuelle Einzelteile ohne Einschränkungen „auf Knopfdruck“ produzieren, sind bezeichnend für die Industrie 4.0.

Der Status Quo der Industrie 4.0

Eine vor einiger Zeit durchgeführte Studie beschäftigte sich mit dem Einsatz und der perspektivischen Entwicklung von Industrie 4.0-Anwendungen in Deutschland. Aus dieser Studie geht vor allem eines hervor: Die Technologie-Trends der digitalen Transformation sind für die befragten Unternehmen allesamt „sehr wichtig“ oder „eher wichtig“. Zu den Trends gehören die IT-Sicherheit, die Machine-to-Machine-Kommunikation, Cloud Computing oder Big Data. In größeren Unternehmen mit mehr als 500 Mitarbeitern standen zum Zeitpunkt der Studie bereits Trends wie Artificial Intelligence und die Blockchain hoch im Kurs. Je größer das Unternehmen, desto höher wurde die Bedeutung von Industrie 4.0 in den nächsten 5 Jahren eingeschätzt – entsprechend viele Arbeitsgruppen und Initiativen zu I4.0 werden eingesetzt.

Zum Zeitpunkt der Studie waren in 47 % der befragten Unternehmen bereits Industrie 4.0 Anwendungen im Einsatz, bei weiteren 17 % sind entsprechende Möglichkeiten in der Planung. Für eine absolute Minderheit von gerade mal einem Prozent ist Industrie 4.0 „kein Thema“ – und nochmals 8 % sehen überhaupt keine strategische Bedeutung von Industrie 4.0 für ihr Unternehmen. Was sind die Gründe, die gegen I4.0 sprechen? Rund 60 % aller befragten Unternehmen sehen einen zu hohen Investitionsbedarf als großes Hindernis, dicht gefolgt von zu wenig qualifiziertem Personal. Der wirtschaftliche Nutzen hingegen wird kaum angezweifelt – nur knapp 20 Prozent der in der Studie befragten Unternehmen sehen einen „unklaren wirtschaftlichen Nutzen“ in der Digitalisierung.

Wie wird aktuell mit Industrie 4.0 Anwendungen gearbeitet?

Die im vorherigen Absatz erwähnte Studie hat auch erforscht, wofür deutsche Unternehmen aktuell digitale Industrie 4.0 Anwendungen einsetzen. Der allergrößte Teil der befragten Unternehmen nutzt Industrie 4.0 Anwendungen für die „Auswertung von Daten“ – also Maschinen- oder Anlagendaten, die gesammelt und anschließend analysiert werden. Auch Condition Monitoring und Predictive Maintenance, die Zustandsüberwachung von Maschinen und die vorbeugende Instandhaltung, stehen als Industrie 4.0 Anwendungen ganz oben auf der Beliebtheitskala.

Eine weitere Übersicht über den Status Quo der digitalen Industrie in Deutschland bietet das Bundesministerium für Wirtschaft und Energie unter diesem Link. So nutzen 2020 bereits 20 Prozent der Unternehmen aus der Automobilindustrie selbststeuernde Anlagen, das zusätzliche volkswirtschaftliche Wachstum durch die Industrie 4.0 liegt bei sagenhaften 153 Milliarden Euro – und 83 Prozent aller Produktionsbetriebe sehen einen hohen Digitalisierungsgrad ihrer Wertschöpfungsketten.

Die Zukunft der digitalen Transformation

Einen hervorragenden Überblick über die Zukunftschancen von Industrie 4.0 haben Alfons Botthof und Ernst Andreas Hartmann, Mitarbeiter am Institut für Innovation und Technik der VDI/VDE Innovation und Technik GmbH veröffentlicht (Für mehr Informationen jetzt hier klicken!). Gemäß den beiden Autoren wird die „vierte Stufe" der sogenannten industriellen Revolutionen bestimmt durch das Internet als Infrastruktur und der Verbindung physikalischer Objekte mit dem Internet durch „Cyber-physikalische Systeme“. Durch diese Vernetzung werden Unternehmen zukünftig in der Lage sein, „Maschinen, Lagersysteme und Betriebsmittel so zu vernetzen, dass diese eigenständige Informationen austauschen, Aktionen auslösen und sich wechselseitig selbstständig steuern können.“

Eine Fabrik ohne menschliche Arbeiter – ist das nun unsere Zukunft? Keineswegs, denn der Mensch wird auch in der zukünftigen Smart Factory gemäß den beiden Autoren „der entscheidende Produktionsfaktor“ bleiben. Denn gerade in der Industrie 4.0 werden die Potentiale der Mitarbeiter eine „zentrale Rolle“ bei der „Anwendung und Gestaltung sowie der wirtschaftlichen Nutzung der cyber-physischen Systeme“ spielen.

Macht die smarte Fabrik den Menschen überflüssig?

Wir alle stecken mittendrin – in der vierten industriellen Revolution. Und wie bei den drei vorherigen „Versionsnummern“ ist auch bei der Industrie 4.0 zu erwarten, dass diese Revolution unser Leben einerseits deutlich umkrempelt und andererseits auch komfortabler machen kann. Smarte Fabriken, in denen sich Maschinen und Anlagen miteinander „unterhalten“ und selbstständig steuern, machen Routine-Jobs überflüssig. Gleichzeitig entsteht so aber das Potential für völlig neue Berufe, denn der Mensch als entscheidender Produktionsfaktor wird auch in Zeiten des IIOT und der Industrie 4.0 nicht überflüssig. Deutschland als Land der Maschinen- und Autobauer ist zwar noch nicht vollständig in der smarten Zukunft angelangt (auch wenn das Internet nur noch für eine kleine Minderheit „Neuland“ ist), aber der Trend ist eindeutig. Ein großer Teil des produzierenden Gewerbes investiert bereits in Anwendungen im Bereich der Industrie 4.0 – und ein weiterer, nicht minder großer Teil plant entsprechende Investitionen in der nahen Zukunft.

Die Neugestaltung der Arbeit wird, soviel ist sicher, ein zentrales Thema im Zuge der digitalen Transformation werden. Während die eine Seite eine „systematische Entwertung von Facharbeit“ fürchtet, sehen andere gerade hier auch Chancen. Denn mit der smarten Fabrik werden Facharbeiter, Techniker und Kaufleute mit deutlich erhöhten Anforderungen konfrontiert, wodurch der Bedarf an Überblickswissen, an sozialen und interdisziplinären Kompetenzen steigt. Eine Requalifizierung der Produktionsarbeit also, in der Beschäftigte nicht mehr bloß als klassische Arbeiter, sondern vielmehr als Problemlöser und Entscheider gefordert sind. Die Industrie 4.0 steckt bei allem aber immer noch in den Kinderschuhen – die Zukunft bleibt also spannend.

Quellen:

https://library.oapen.org/bitstream/handle/20.500.12657/27771/1002234.pdf?sequence=1
https://docplayer.org/116496150-Industrie-4-0-status-quo-und-perspektiven.html
https://industrie-wegweiser.de/von-industrie-1-0-bis-4-0-industrie-im-wandel-der-zeit/

Interview mit Mike Freedman, Co-Founder und CTO von Timescale

2021-09-24T14:58:46Z

Nach Evaluierung verschiedener Datenbanktechnologien im IoT-Umfeld setzen wir in unser IIoT-Plattform da³vid auf die hybride Datenbank TimescaleDB des 2014 gegründeten Unternehmens Timescale Inc. Wie wir diese Technologie in da³vid umsetzen, können Sie hier nachlesen.

Wir wollten mehr über das Unternehmen Timescale lernen und erfahren, welche Features für die Zukunft geplant sind. Daher haben wir uns sehr gefreut, als wir die Chance bekommen haben, den Co-Founder und CTO von Timescale, Mike Freedman, interviewen zu dürfen. Er erklärt, wie Timescale gewachsen ist und ob der Fokus auf IoT bereits von Anfang an für deren Datenbank geplant war.

-> Das Interview im Original (Englisch) finden Sie hier.

Sie haben sehr schnell eine beeindruckende Gemeinschaft aufgebaut, und viele Ihrer Spezialisten arbeiten von überall auf der Welt aus. Wie kam es zur Gründung von TimescaleDB und wie haben Sie es geschafft, so schnell weltweit zu wachsen? War dies von Anfang an Ihr Ziel?

Als wir Timescale gründeten, hatten wir nicht vor, die führenden relationalen Datenbanken für Zeitreihendaten zu entwickeln. Wir haben zunächst eine Plattform für IoT-Daten gebaut – gleichzeitig sahen wir eine Zukunft, in der alle unsere Geräte miteinander verbunden sind, insbesondere industrielle Geräte, die große Mengen an Daten erzeugen. Entwickler haben zudem eine Möglichkeit gebraucht, diese Daten einfach zu erfassen, zu speichern und zu analysieren. Beim Aufbau dieser Plattform waren wir aber schnell unzufrieden mit den vorhandenen Optionen für Zeitseriendatenbanken. Sie boten nicht die Skalierbarkeit und Leistung, die wir brauchten, insbesondere für Daten mit hoher Kardinalität. Sie waren für unsere Bedürfnisse nicht ausreichend zuverlässig oder flexibel. Ihr SQL-Dialekt entsprach in wichtigen Punkten nicht unseren Anforderungen; so konnten wir beispielsweise unsere Gerätemetriken nicht mit zusätzlichen Informationen über die Geräte JOINen. Diese Liste setze sich fort.

Als wir mehr über die Architektur von IoT- und Zeitserien-Workloads nachdachten, fanden wir heraus, wie wir das, was wir brauchten, durch die Erweiterung von PostgreSQL erstellen konnten: Wir nehmen all die Vorzüge von PostgreSQL, aber erweitern es für Zeitreihendaten. Wir erkannten schnell, dass dieses Projekt, das wir zunächst intern zur Befriedigung unserer eigenen Bedürfnisse entwickelt hatten, einen viel größeren und breiteren Bedarf hatte. Also richteten wir das Unternehmen neu aus und veröffentlichten TimescaleDB Anfang 2017 als Open-Source.

Seitdem sind wir schnell gewachsen, sowohl in Bezug auf unsere Community als auch auf unser Unternehmen. Dass wir ein weit verteiltes Team sind, hat dabei sicherlich geholfen.
Die meiste Zeit unserer Geschichte haben mindestens 60 % unserer Mitarbeiter von verschiedenen Standorten aus gearbeitet, während die restlichen 40 % in einem unserer beiden Büros in New York und Stockholm tätig waren. Die COVID-19-Pandemie führte dann schließlich dazu, dass wir und alle Teams zu 100 % remote arbeiteten. (In unserem Blog berichten wir über unsere Erfahrungen beim Aufbau einer “remote-first”-Teamkultur).

Wir sind in den letzten Monaten erheblich gewachsen. Wir haben erkannt, dass wir, wenn wir die besten Talente anziehen wollen, es ihnen einfach machen müssen - und bestärken! – dort zu arbeiten, wo die Leute arbeiten möchten. Daher sind wir seit März 2020 ein vollständig dezentralisiertes Unternehmen mit Mitarbeitern auf allen Kontinenten (außer der Antarktis). Und, wenn Sie sich uns anschließen und das nächste große Datenbankunternehmen aufbauen möchten, wir stellen Mitarbeiter in allen Teams und Abteilungen ein!

Die meisten Zeitreihen-Datenbanken sind in der NoSQL-Bewegung angesiedelt. Sie haben sich entschieden, eine etablierte SQL-Datenbank mit Superkräften auszustatten. Was hat Sie dazu motiviert, diesen Ansatz zu wählen, und wo liegen Ihre Stärken?

Der Grund, warum die meisten Entwickler NoSQL-Zeitreihendatenbanken einsetzen, ist in der Regel die (meiner Meinung nach falsche) Vorstellung von Skalierbarkeit. Relationale Datenbanken haben zwar viele nützliche Funktionen, die die meisten NoSQL-Datenbanken nicht haben (z. B. umfangreiche Schemata und transaktionale Operationen, robuste sekundäre Indizierung, erweiterte Abfrageplanung, Unterstützung für komplexe Prädikate, eine umfangreiche Abfragesprache, JOINs und Fremdschlüssel, usw.), aber vor TimescaleDB wurden sie nicht speziell für Zeitreihen-Workloads entwickelt.

Wir haben immer geglaubt, dass relationale Datenbanken für Zeitreihendaten ziemlich leistungsfähig sein können, wenn sie sorgfältig für Zeitreihen-Workloads entwickelt werden. Als wir im April 2017 die erste Version von TimescaleDB auf den Markt brachten, bekamen wir viel positives Feedback, hörten aber auch von Skeptikern. Sie fanden es schwer zu glauben, dass es möglich ist, eine skalierbare Zeitseriendatenbank auf einer relationalen Datenbank aufzubauen. (Wir haben bewiesen, dass diese Skepsis unberechtigt ist; in mehreren Benchmark-Analysen übertrifft TimescaleDB die Leistung von NoSQL-Datenbanken für Zeitserien-Workloads.)

Wir haben uns entschieden, TimescaleDB auf PostgreSQL aufzubauen, weil wir wussten, dass wir somit auf einer soliden Grundlage aufbauen können und es den Entwicklern ermöglichen, die Fähigkeiten und Tools zu nutzen, die sie bereits kennen und lieben. Außerdem gefiel uns einfach die Zuverlässigkeit und Benutzerfreundlichkeit von PostgreSQL - und da sind wir nicht die Einzigen: PostgreSQL hat ein riesiges Ökosystem und gehört zu den besten Datenbanken.

Unsere Kunden sagen, dass die Unterstützung von vollständigem SQL in Kombination mit massiver Skalierung, unserem hybriden zeilen- und spaltenkomprimierten Speicher und kontinuierlichen Aggregaten die Hauptunterscheidungsmerkmale von TimescaleDB sind. Und, wie ich bereits erwähnt habe, übernimmt TimescaleDB die inhärente Zuverlässigkeit, Funktionalität und die Werkzeuge von PostgreSQL, da es auf PostgreSQL aufbaut. Mithilfe unserer horizontal skalierbaren Architektur in TimescaleDB 2.0, kombiniert mit unseren beeindruckenden 94% - 97% Kompressionsraten, können alle Vorzüge von PostgreSQL im Petabyte-Bereich erzielt werden.

Durch die Verwendung kontinuierlicher Aggregate können wir den Nutzern unserer IoT-Plattform eine beeindruckende Leistung bieten. Haben Sie sich von Anfang an auf die Nutzung Ihrer Datenbank im IoT konzentriert?

Es freut mich sehr, von eurem Erfolg mit kontinuierlichen Aggregaten zu hören. Sie sind eine leistungsstarke Funktion, die in IoT-Anwendungen sehr nützlich ist. Man definiert etwas, das wie eine materialisierte Sicht auf Daten aussieht, und die Datenbank pflegt sie inkrementell: Angenommen, Sie möchten die Mindest-, Höchst- und Durchschnittswerte jedes Geräts pro Stunde haben, sodass Sie schnell Längsschnittabfragen durchführen können, die Monate oder Jahre an Daten abfragen.

Aber lassen Sie mich auf zwei einzigartige Aspekte der kontinuierlichen Aggregation von TimescaleDB eingehen, mit denen wir besonders zufrieden sind. Erstens wird backfill korrekt, nahtlos und effizient gehandhabt. Nehmen wir an, einige Daten kommen spät in das System, und Sie haben bereits ein “Rollup” für diesen Zeitraum berechnet. Dieses ist jetzt nicht mehr genau. TimescaleDB verfolgt jedoch ordnungsgemäß “Ungültigkeitsdatensätze”, sodass es transparent und asynchron nur die schmalen Bereiche, die verspätete Daten haben, neu berechnet.

Zweitens unterstützt es Echtzeit-Aggregate. Nehmen wir an, dass Sie historische Daten möchten, aber auch die neuesten Messwerte, und Sie möchten nicht, dass die Datenbank bei jedem Einfügen ständig die letzte Aggregation aktualisiert - das ist nicht effizient. Wenn Sie also ein kontinuierliches Aggregat abfragen, kombiniert die Datenbank-Engine die zuvor berechneten Regionen mit den neuesten Rohdaten - und das völlig transparent. Somit ist Ihre Abfrage immer aktuell, aber gleichzeitig schnell und einfach für die Nutzer.

In den kommenden Monaten werden wir weitere Anwendungsfälle mit kontinuierlichen Aggregaten ausbauen.

Wie ich bereits erwähnt habe, denken wir viel über IoT-Anwendungsfälle nach, da unsere Wurzeln bei Timescale im IoT liegen. Wir haben hunderttausende von Zeitreihendatenpunkten von IoT-Geräten gespeichert und benötigten eine Datenbank, um all diese Daten zu speichern. Damals verwendeten wir zwei Datenbanken: eine NoSQL-Datenbank zum Speichern von Zeitreihendaten und PostgreSQL zum Speichern unserer relationalen Daten. Dies hat zu Problemen geführt: Es fragmentierte unseren Datensatz in Silos, führte zu komplexen Verknüpfungen auf der Anwendungsebene und erforderte, dass wir zwei verschiedene Systeme pflegen und betreiben.

Wir waren mit dieser Einrichtung nicht zufrieden. Sie war operativ komplex, erlaubte uns nicht, die gewünschten Fragen zu stellen, und war nicht leistungsfähig.

Wir - und viele Entwickler - lieben und nutzen PostgreSQL aus vielen Gründen, und wir haben TimescaleDB entwickelt, um das Beste aus beiden Welten zu kombinieren: eine relationale Datenbank für Zeitreihendaten.

Wir haben zwar mit dem IoT begonnen, aber Zeitreihendaten sind allgegenwärtig, und in den letzten Jahren sind die Zeitreihen-Workloads aus vielen Gründen explodiert (z. B. Wachstum bei der IT-Überwachung, Produktanalyse, Finanzdaten und Kryptowährungen, Gaming, maschinelles Lernen, Logistik und vieles mehr).

Wie mein Mitbegründer Ajay in der Ankündigung unserer Serie-B-Finanzierung schrieb: “Jeder möchte schneller bessere datengestützte Entscheidungen treffen, was bedeutet, dass Daten mit der höchstmöglichen Genauigkeit erfasst werden müssen. Zeitreihen sind die zuverlässigsten Daten, die man erfassen kann, weil sie genau zeigen, wie sich die Dinge im Laufe der Zeit verändern. Während herkömmliche Datensätze statische Schnappschüsse liefern, bieten Zeitreihendaten den dynamischen Film dessen, was in Ihrem System passiert: z. B. Ihre Software, Ihr physisches Kraftwerk, Ihr Spiel, Ihre Kunden innerhalb Ihrer Anwendung.”

Welche neuen Funktionen können wir in naher Zukunft erwarten, von denen die Nutzer unserer IoT-Plattform profitieren werden?

Wir haben viele neue Funktionen und Verbesserungen in Arbeit, sowohl für spezifische Funktionen - wie Hyperfunktionen und einfachere Analysen, kontinuierliche Aggregate, Komprimierung und Multi-Node - als auch auf Produktebene. Unsere Dokumente enthalten immer die vollständigen Release-Notes mit Details zu den neuesten Funktionen, Verbesserungen und unseren Zukunftsplänen.

Welche Vorteile bietet die Analyse von Produktionsdaten?

2021-10-07T13:46:51Z

Datenanalyse: Warum ist es für meine Produktion sinnvoll?

Im Zuge der Digitalisierung, der Industrie 4.0 und des IoT bekommt der Umgang mit Daten auch und gerade für produzierende Unternehmen eine völlig neue, zentrale Bedeutung. Die Generierung großer Datenmengen („Big Data“) und deren umfassende Analyse ist unumgänglich geworden – zur Aufrechterhaltung der Wettbewerbsfähigkeit, aber auch zur Optimierung der eigenen Geschäftsprozesse. In unserer Blog-Serie „Orientierungshilfe Industrie 4.0“ nehmen wir uns den neuen Herausforderungen der digitalen Transformation an!

In diesem Beitrag dreht sich alles rund um die Datenanalyse in der Produktion. Wozu dient die Analyse von Produktionsdaten und vor allem: Welche Benefits bringt Ihrem Unternehmen der Umgang mit Big Data und Co?

Erfahren Sie in diesem Beitrag:

Welche Potenziale die Datenanalyse in der Produktion hat
Wie sich Big Data sinnvoll nutzen lässt
Wie sich Produktionsdaten sinnvoll unternehmensweit nutzen lassen
Wo die Vorteile der Analyse liegen
Und welche Bedenken hinsichtlich der Datenanalyse bestehen

Die Potenziale der Datenanalyse in der Produktion

Durch Industrie 4.0 Technologien fallen in Produktionsunternehmen mehr Daten an als jemals zuvor in der industriellen Geschichte. Diese Daten dienen, sofern sie systemisch ausgewertet werden, einer umfassenden, datengetriebenen Optimierung von Prozesse und Systemen. Darüber hinaus erlauben die modernen Möglichkeiten durch verbesserte Software und Methoden eine einfache Bearbeitung anwendungsspezifischer Problemstellungen. Die unternehmensweite Datenanalyse ist dabei eine noch recht junge Disziplin – erst in den vergangenen fünf bis zehn Jahren wurden entsprechende Big Data Technologien entwickelt, die auch größere Datenbestände nach auftretenden Mustern durchsuchen können. Derzeit werden diese Technologien in der produzierenden Industrie, wenn überhaupt, vornehmlich für Qualitätsanalysen und -verbesserungen und Produktionsprozessoptimierungen eingesetzt. Die Technologie kann aber noch weitaus mehr!

So liegen die größten Potentiale der Datenanalyse in der nachhaltigen Verbesserung der Produktions-planung und der Fehleranalyse. Auch ergeben sich durch eine kontinuierliche Datenanalyse völlig neue Möglichkeiten, beispielsweise im Rahmen der Instandhaltung. Hier ermöglichen gesammelte Maschinendaten eine vorausschauende Instandhaltung – also die Vermeidung von Fehlern, bevor diese den Betrieb stören oder unterbrechen.

Mit der IIoT-Software da³vid ungeplante kurze Stillstände sichtbar machen und die Ursachen dafür erkennen, um z. B. Wartungen im Voraus mithilfe von Alarmen planen zu können.

Big Data sinnvoll nutzen

Auch wenn viele Produktionsunternehmen bereits begonnen haben, Maschinendaten zu sammeln, fehlt es doch in vielen Fällen an der Erkenntnis, wie wertvoll diese digitale Ressource eigentlich ist. Denn die täglich gesammelten Daten – pro Maschine können es problemlos 1TB Daten oder mehr sein – stellen die Basis dar, um einen echten Kostenvorteil zu ziehen!

So erlaubt die Datenanalyse beispielsweise den genauen Einblick in den Produktionsstatus, den Energieverbrauch und die Taktzeiten. Auch werden neue Erkenntnisse möglich, etwa das Verhalten einer Maschine unter halber Last und die Auswirkungen davon auf notwendige Wartungsintervalle. Die Datenanalyse unterstützt Unternehmen somit dabei, die Effizienz in der Produktion zu steigern – und gleichzeitig Kosten effizient zu senken.

Unternehmensübergreifende Verwendung der generierten Daten

Mit leistungsstarker Software lassen sich die gesammelten Daten nicht nur umfangreich analysieren, sondern auch visuell übersichtlich aufbereiten. Auf der Übersichtlichkeit muss hier unbedingt der Fokus gelegt werden, denn die gesammelten Daten können und sollten in allen Unternehmensbereichen Verwendung finden. Denkbar ist hier unter anderem die Verwendbarkeit im Vorstand oder der Geschäftsleitungs-Ebene, in der IT, dem Rechnungswesen oder der Forschung. Visuell verständlich aufbereitete Datensätze können darüber hinaus auch die Arbeit der Servicetechniker und Bedienmannschaften vereinfachen.

Die Vorteile der Datenanalyse in Produktionsbetrieben

Der Einstieg in die digitale Produktion ist nicht in wenigen Tagen erledigt – und bringt zwangsläufig die Notwendigkeit von nicht unbeträchtlichen Investitionen mit sich. Völlig zu Recht stellt sich hier die Frage nach dem Mehrwert, den ein umfassenden Sammeln und Analysieren von Daten einem Unternehmen bringt.

Zu den Vorteilen der Datenanalyse gehören unter anderem:

Aufdecken versteckter Muster und Informationen, die für zu treffende Geschäftsentscheidungen verwendet werden und den Unternehmenserfolg deutlich erhöhen können.
Präventive Entscheidungen treffen. Durch die Analyse von Maschinendaten kann ermittelt werden, in welchen Zyklen eine Maschine mit welchen Fehlern ausfällt. So werden präventive Maßnahmen ermöglicht, die einem Ausfall vorbeugen.
Datenanalyse als Tool für die Prozessoptimierung. Durch die Analyse von Big Data lassen sich automatisiert massenhaft Informationen verarbeiten und zueinander in einen Kontext bringen. So lassen sich Prozesse verschlanken und effizienter gestalten.
Anpassung an den Bedarf des Kunden. Durch die Kombination von Maschinendaten und Kundendaten lassen sich durch spezifische Analysen unter Umständen Muster aufdecken, die die Produkte eines Unternehmens noch näher am Kundenbedarf ausrichten lassen.

Bedenken bei der Datenanalyse in Produktionsbetrieben

Auch wenn die Datenanalyse in der Produktion unbestreitbar viele Vorteile mit sich bringt, bestehen natürlich noch viele Bedenken hinsichtlich der neuen Technologien. Die am häufigsten genannten Bedenken sind:

Benachteiligung kleinerer Unternehmen:

Nicht jeder kleine oder mittlere Produktionsbetrieb kann sich die Investition in und den laufenden Betrieb von Datenanalysen leisten. Große Konzerne haben hier weniger finanzielle Schwierigkeiten – und im Wettbewerb dadurch die Nase vorn. Dies lässt den Wettbewerb am freien Markt natürlich schrumpfen oder sorgt gar dafür, dass kleine Unternehmen verdrängt werden.

Lösung:

Datenanalyse muss keine hohen Investitionen für eine Anschaffung bedeuten! Mit Software-as-a-service erhalten Unternehmen umgehend Zugriff auf modernste Software, ohne dafür hohe Investitionen oder eine eigene IT Abteilung zu benötigen.

Es muss nicht nur Software-as-a-Service sein:

Unsere IIoT-Software da³vid in Verbindung mit einem Edge-Gerät beantwortet viele Ihrer Fragen. Dabei ist unsere IIoT-Software da³vid bereits auf Edge-Geräten mit geringen Ressourcen lauffähig, sodass für viele Anwendungsfälle keine hohen Investionen in die Hardware notwendig werden.

Überwachung:

Je mehr Produktionsdaten gesammelt werden, desto eher müssen sich die Maschinenbediener, Servicetechniker oder Monteure Fragen hinsichtlich ihrer Arbeitsleistung gefallen lassen. Wenn Mitarbeiter A pro Stunde 100 Teile fertigt und Mitarbeiter B in der nächsten Schicht an der gleichen Maschine nur 80 Teile, könnte Mitarbeiter B als weniger leistungsfähig klassifiziert werden – was unter Umständen einem Jobverlust gleichkommt.

Lösung:

Die Datensammlung und -analyse findet anonymisiert statt. Eine Zuordnung der Bedienmannschaften zur Produktivität ist nicht gegeben. Arbeiten Sie von Anfang an mit Ihren Mitarbeitern und dem Betriebsrat bei der Planung Ihres Digitalisierungsprojekts zusammen. Somit packen Sie die Bedenken direkt an der Wurzel.

Hackerangriffe:

Bisher war die IT im Büro streng von der OT in den Produktionshallen getrennt. Im Zuge der Industrie 4.0 verschwinden diese Grenzen – und gleichzeitig eröffnen sich dadurch neue Angriffstüren für Hacker aller Art. In der Regel haben Produktionssysteme eine wesentlich längere Lebensdauer als die PCs in der Verwaltung, entsprechend veraltet können die Sicherheitsmaßnahmen sein.

Lösung:

Aktuelle Datenanalyse-Software bietet umfassende Sicherheitsmaßnahmen, die einen Zugriff von außen auf die empfindliche IT-Infrastruktur zuverlässig unterbinden.

Auch können der Entwicklungsprozess, und die IIoT-Software durch bestimmte Sicherheitszertifizierungen dahingehend maximal gesichert sein.

Fazit

Die Datenanalyse ist elementarer Bestandteil der Industrie 4.0. Erstmals in der knapp 200-jährigen Geschichte der industriellen Fertigung ist es möglich, Maschinendaten in nahezu unbegrenztem Detailreichtum zu generieren, abzuspeichern und automatisiert auszuwerten. Die Vorteile der Datenanalyse liegen dabei klar auf der Hand. Die Analyse erlaubt Einblicke in Muster und Informationen, die ohne Software und Algorithmen nicht aufzudecken wären. Dadurch werden Geschäftsentscheidungen beschleunigt, Erfolge gesteigert und Prozesse verschlankt.

Aber auch bestehende Bedenken hinsichtlich ausreichendem Datenschutz oder Hackerangriffen auf das IoT sollten nicht unbeachtet bleiben. Dennoch überwiegen die Vorteile, zumal dann, wenn man einen Ausblick in die mittelfristige Zukunft wagen mag. Denn was heute noch in den Kinderschuhen steckt, ist morgen garantiert weltweiter Standard. Unternehmen, die bereits heute in der Frühphase der digitalen Transformation in die Datenanalyse investieren, sichern ihre Wettbewerbsfähigkeit dauerhaft – und entdecken vielleicht „ganz nebenher“ völlig neue Geschäftsfelder.

Quellen:

https://www.researchgate.net/profile/Michael-Freitag/publication/285537085_Potenziale_von_Data_Science_in_Produktion_und_Logistik_Teil_2_-_Vorgehensweise_zur_Datenanalyse_und_Anwendungsbeispiele/links/5812182a08aea2cf64e25445/Potenziale-von-Data-Science-in-Produktion-und-Logistik-Teil-2-Vorgehensweise-zur-Datenanalyse-und-Anwendungsbeispiele.pdf

https://www.digital-manufacturing-magazin.de/maschinendaten-wie-datenanalyse-die-produktion-unterstuetzen-kann/

https://www.industry-analytics.de/chancen-und-risiken-durch-big-data/

Was genau verbirgt sich hinter dem Begriff Industrie 4.0?

2021-10-22T13:07:37Z

Der Begriff Industrie 4.0 ist in aller Munde – und sicherlich sind auch Sie schon über die „digitale Transformation“ im Bereich des produzierenden Gewerbes gestolpert. Doch was genau verbirgt sich hinter Industrie 4.0?

Im Rahmen unserer Orientierungshilfe Industrie 4.0 möchten wir Ihnen die Zukunft der Industrie und die faszinierenden Möglichkeiten, die sich durch das Erfassen, Analysieren und Visualisieren von Maschinendaten ergeben, genauer vorstellen.

In diesem Einstieg ins Thema erfahren Sie:

☑ Was Industrie 4.0 eigentlich bedeutet
☑ Was Industrie 4.0 von unserer heutigen Arbeit mit dem Computer unterscheidet
☑ Wie sich die Industrie von 1.0 zu 4.0 entwickelt hat
☑ Relevante Begriffe rund um das Thema Industrie 4.0

Was versteht man eigentlich unter Industrie 4.0?

Mit dem Begriff Industrie 4.0 wird die intelligente, digitale Vernetzung von Maschinen, Anlagen, Aggregaten und Prozessen in der Industrie bezeichnet. Diese Vernetzung wird durch Informations- und Kommunikationstechnologien realisiert. Verbunden über das Internet sollen Maschinen und Anlagen zukünftig automatisiert Daten austauschen, sammeln und für spätere Analysen bereitstellen. Die Möglichkeiten, die die Industrie 4.0 bietet, sind dabei überaus vielfältig. Neben einer flexibilisierten Produktion, modular aufgebauten Produktionsstraßen und einem breiten Einsatz von Daten rücken vor allem kundenzentrierte Lösungen in den Fokus.

Was unterscheidet die Industrie 4.0 von der computergestützten Arbeit von heute?

Das wir unsere tägliche Arbeit mit Hilfe des Computers durchführen, ist seit den späten 1970er Jahren nichts aufsehenerregendes mehr. Damals startete mit der CNC-Technik die Automatisierung der Fertigung – und in den Büros lösten erste Personal Computer die Schreibmaschinen ab. Eine digitale Revolution also, die jetzt von der nächsten Revolution abgelöst wird. Denn für Industrie 4.0 steht nicht der Computer als zentrale Technologie im Mittelpunkt, sondern das Internet. Die globale Vernetzung über alle Grenzen hinweg hebt die Digitalisierung auf ein neues Niveau. Smarte Fabriken, das IoT (Internet of Things) und Maschine-zu-Maschine-Kommunikation ermöglichen innovative Fertigungskonzepte, wie sie noch vor ein paar Jahren kaum vorstellbar waren. Man kann tatsächlich von einem Epochenwechsel sprechen, den die vierte industrielle Revolution einläutet.

Von 1.0 zu 4.0: Eine kleine Geschichte der Industrie

Die Industrie entwickelt sich kontinuierlich weiter. Mit Beginn des industriellen Zeitalters Ende des 18. Jahrhunderts erweiterte der Mensch die Produktivität durch die Unterstützung von Maschinen deutlich. Drei Epochen der Industrie haben wir bereits hinter uns gelassen und in der vierten Epoche stecken wir aktuell mittendrin. Doch was genau macht eine industrielle Revolution eigentlich aus?

Industrie 1.0 – Von Wasser und Dampf

Bis zum Jahre 1780 war die menschliche Muskelkraft als „Motor“ für rudimentäre Maschinen unverzichtbar. Spinnräder, Drechsel- oder Drehbänke waren seit der Antike bekannt – und ausreichend für die Versorgung der überschaubaren europäischen Bevölkerung. Um das Jahr 1780 herum beginnt in England mit der Einführung von Dampfmaschinen die erste Industrialisierung der Geschichte. Diese Revolution ist zurückzuführen auf den Untergang der ständisch-agrarischen Gesellschaftsordnung im damaligen England und geht einher mit der Erfindung neuer Arbeitsmaschinen wie dem mechanischen Webstuhl. Die neuen Erfindungen steigerten die Produktivität enorm – und wurden ergänzt durch die erste Eisenbahn, Dampfschiffe und den Kohleabbau im industriellen Maßstab. Immer mehr Fabriken entstanden am Rande der Städte und sorgten für ein starkes Bevölkerungswachstum – die Urbanisierung nahm ihren Lauf.

Industrie 2.0 – Fließbandarbeit und das Auto

Es dauerte nur knapp 50 Jahre, bis die erste industrielle Revolution ihren Siegeszug durch Europa beendet hatte. Die Bevölkerungsexplosion sorgte dafür, dass mehr Arbeitskräfte als jemals zuvor zur Verfügung standen. Und mit der Nutzung von Elektrizität startete in den frühen 1830er Jahren die Industrie 2.0. Es dauerte noch rund 60 Jahre, bis Ende des 19. Jahrhunderts elektrische Antriebe die Dampfmaschinen verdrängten. Mittels elektrischer Energie wurden neue Produktionsmöglichkeiten erschaffen. Und auch genutzt, zum Beispiel durch einen Herren namens Henry Ford. Henry Ford führte in seinem Autowerk das Fließband ein, mit dem die Produktion deutlich beschleunigt wurde. Da jeder Arbeiter nur noch einen Arbeitsschritt durchführen musste, konnten Autos fortan deutlich schneller und deutlich preiswerter gefertigt werden – der Beginn der „Motorisierung der Massen“. Auch Fortschritte in der Telekommunikation sind kennzeichnend für die Industrie 2.0. Telefonate beschleunigten die Kommunikation und Schreibmaschinen vereinfachten den Schriftverkehr.

Kollege Computer übernimmt

In den 1970er war die Zeit für eine weitere industrielle Revolution gekommen. Auch wenn der Computer eine Erfindung ist, die bis ins 18. Jahrhundert zurückreicht – seinen Siegeszug startete der Rechner erst in den 1970er Jahren. Mittels komplexer Rechenmaschinen konnten komplizierte Formeln automatisch berechnet werden – allerdings nur mit echtem Expertenwissen. Abgelöst wurden die Rechenmaschinen daher recht schnell, nämlich in den frühen 1980er Jahren, vom Personal Computer (PC). Der PC begann seinen Siegeszug in den Büros und eroberte zügig auch die Haushalte. Und auch in der Industrie wurde immer mehr Elektronik und Informationstechnologie wie beispielsweise spezialisierte Software, eingesetzt. Computer Numerical Control (CNC), also die computerunterstützte Steuerung, brachte die Automatisierung in der Fertigung – und damit einhergehend eine enorme Produktivitätssteigerung.

Vernetzt und digital in die Zukunft

Das Ende des 20. Jahrhunderts läutete den Beginn der vierten industriellen Revolution ein. Kennzeichnend für diese Epoche, in der wir uns gerade mittendrin befinden, ist die umfassende Digitalisierung der Produktionstechnik und der Arbeitswelt. Die bis dato getrennten Bereiche der IT und Fertigungstechnik verschmelzen zusehend und ermöglichen eine Vernetzung von Maschinen, Anlagen und Lieferketten. Die digitale Transformation spart Zeit und Ressourcen, lässt individuelle Werkstücke auch in kleinsten Stückzahlen wirtschaftlich herstellen und erweitert die Automatisierung der Betriebe nochmals deutlich.

Diese Begriffe der Industrie 4.0 sollten Sie kennen

Wie jede Epoche bringt auch die Industrie 4.0 ganz eigene Begriffe mit sich. Die wichtigsten Termini rund um die Digitalisierung haben wir für Sie zusammengetragen:

Condition Monitoring

Beim Condition Monitoring (oder auf Deutsch: der Zustandsüberwachung) werden mittels Sensoren kontinuierlich Maschinenparameter gemessen und erfasst. Zu diesen Parametern gehören unter anderem Drehzahlen, Motorleistung, Vorschübe, Geschwindigkeiten, Füllstände, Schwingungen oder Temperaturen. Mit den gesammelten Daten lässt sich der Maschinenzustand ermitteln und die Verfügbarkeit, Sicherheit und Effizienz verbessern.

Produktionsdatenerfassung

Eine einzige moderne Maschine kann pro Schicht mehr als ein Terabyte an Daten generieren. Hinzu kommen Daten, die von den Bedienern manuell erfasst werden. Die gewonnenen Daten dienen als Grundlage für Optimierungen der Fertigungsprozesse. Damit die Daten nicht nur erfasst, sondern auch nutzbar gemacht werden, können Sie zum einen direkt und automatisiert in intelligenten IIoT-Plattformen verarbeitet werden, zum anderen lassen die Daten sich in übergeordnete Systeme, beispielsweise ERP-Programme, übertragen. Auch Mischformen aus beiden Varianten sind gängig. Der große Vorteil einer Erfassung der Produktionsdaten: Erhöhte Transparenz, verbesserte Prozesslenkung und erhöhte Effizienz. Weiterhin lassen sich Kosten senken und die Qualität der Produkte steigern.

Maschinen- und Produktionsdatenvisualisierung

Endlos erscheinende Zahlenreihen sind nur von Algorithmen zuverlässig analysierbar. In der digital vernetzten Produktion kommt erschwerend hinzu, dass es nicht nur um eine Zahlenreihe geht, sondern um ein komplexes Zusammenspiel unterschiedlichster Herkunft. Diese großen und komplexen Datensets – auch Big Data genannt – lassen sich manuell nicht mehr verarbeiten. Damit die erfassten Maschinendaten für weitere Analysen verwendbar sind, müssen sie zunächst grafisch aufbereitet werden. So entsteht durch das Visualisieren aus Datenreihen unter anderem Diagramme, Graphen oder Karten. Die Datenvisualisierung ist eine zugängliche Methode, um Muster und Trends in Daten zu erkennen.

Datenanalyse

Maschinendaten sind eine wertvolle Ressource, die zwar in Massen eingesammelt, aber immer noch viel zu wenig genutzt werden. Mit einer Datenanalyse erhalten Produktionsbetriebe einen genauen Einblick in den Status der gesamten Produktion. So lassen sich unter anderem Wartungsintervalle optimieren und unproduktive Nebenzeiten minimieren.

Predictive Maintenance

Die vorausschauende Instandhaltung, so die deutsche Übersetzung, basiert auf großen Datenmengen, die durch Sensoren an einer Maschine generiert werden. Die Sensoren überwachen die Maschine in Echtzeit und erkennen Abweichungen vom Soll-Zustand. So können Fehler bereits dann erkannt werden, bevor sie auftreten. Dadurch können Wartungs- und Reparaturarbeiten optimiert geplant werden und genau dann stattfinden, wenn sie die Fertigung nur wenig oder gar nicht beeinträchtigen.

Quellen:

https://www.plattform-i40.de/PI40/Navigation/DE/Industrie40/WasIndustrie40/was-ist-industrie-40.html

Warum sollte ich Produktionsdaten visualisieren?

2021-11-05T13:46:42Z

Wenn vom Industrial Internet of Things (IIOT), der Industrie 4.0 und der digitalen Transformation die Rede ist, sind Daten grundsätzlich immer mit gemeint. Daten werden an Maschinen gesammelt, zu Big Data zusammengefasst und mittels Software analysiert. Je mehr Daten anfallen, desto komplexer wird deren Auswertung. Eine grafische Aufbereitung der Daten macht die Informationen verwendbar und liefert für den Geschäftsprozess wichtige Informationen – beispielsweise zum Zustand der Maschinen, zur Produktivität oder zu anstehenden Wartungsarbeiten.

Erfahren Sie in diesem Beitrag:

☑ Warum ist es sinnvoll, Daten zu visualisieren?
☑ Warum Datenvisualisierung auf die Zielgruppen angepasst werden muss
☑ Welche konkreten Vorteile die Datenvisualisierung bietet
☑ Die Probleme der Datenvisualisierung von Big Data
☑ Und warum grafisch aufbereitete Daten nicht nur gut aussehen, sondern auch Geld bringen

Warum ist es sinnvoll, Daten zu visualisieren?

Eine einzige Produktionsmaschine kann pro Tag ein Terabyte Daten generieren. Eine Fertigungslinie produziert eine entsprechend noch größere Datenmenge. Hieraus relevante Daten herauszusuchen, ist eine langwierige und nahezu aussichtslose Angelegenheit. Allerdings verbergen sich in den Datenbergen notwendige und für den Geschäftsprozess wichtige Informationen.

Damit die gesammelten Daten verwertbar werden, müssen sie aufbereitet und so miteinander in Zusammenhang gebracht werden, dass sie „lesbar“ werden. Durch Tools und Methoden der Datenvisualisierung lassen sich die gesammelten Daten leicht verständlich grafisch darstellen – und ermöglichen es so, datengesteuerte Entscheidungen zu treffen.

Die menschliche Kultur ist seit jeher visuell geprägt. Trends und Ausreißer in einer umfangreichen Excel-Tabelle zu erkennen, ist vielleicht mit viel Erfahrung möglich – für die meisten von uns wird diese Aufgabe jedoch eine unlösbare sein. Damit Menschen die erzeugten Datenreihen verstehen können, ist eine grafische Aufbereitung unumgänglich.

Die Datenvisualisierung wird damit zu einem wichtigen, nahezu unverzichtbaren Hilfsmittel, auch in der Produktion!

Datenvisualisierung an der Zielgruppe und dem Anwendungszweck ausrichten

Daten können auf unterschiedlichste Arten visualisiert werden. Ob als Infografik, Diagramm oder als Kombination mehrerer Diagramme in einem Dashboard: entscheidend bei der Auswahl der Datenvisualisierung ist der Empfänger.

Sollen beispielsweise Bediener direkt an der Maschine über den Zustand, den Fertigungsfortschritt oder auftretende Probleme informiert werden, eignen sich Tortendiagramme, die in einem Dashboard zusammengefasst werden. Auf einen Blick kann der Maschinenbediener so alle relevanten Informationen erhalten.

Für die Unternehmensführung hingegen sind allzu detailreiche Informationen über den Maschinenzustand eher unwichtig. Hier geht es vielmehr um Vergleiche, dem Erkennen von Zusammenhängen aus unterschiedlichen Firmenbereichen oder um die Analyse von Kennzahlen.

Moderne Software ist in der Lage, aus Big Data nahezu vollautomatisch Diagramme, Infografiken, Karten oder Heatmaps zu erstellen, die wiederum in Dashboards übersichtlich visualisiert werden. Auch ermöglicht entsprechende Software, die Informationen interaktiv zu gestalten. So kann beispielsweise der Bediener an der Maschine „sein“ Dashboard mit relevanten Diagrammen einrichten, diese in der Größe skalieren oder neu anordnen.

Generell können die einmal gewonnenen Daten für zwei Dinge verwendet werden: Zur Präsentation von Informationen oder für die Gewinnung neuer Erkenntnisse.

Ein Beispiel, wie die OEE mithilfe eines Dashboard in unserer IIoT-Software da³vid visualisiert werden kann:

Welche Vorteile bietet die Datenvisualisierung?

Die Visualisierung von Daten bringt auch für Produktionsbetriebe eine ganze Reihe an handfesten Vorteilen mit. Zunächst wäre hier die Zeitersparnis zu nennen. Denn während die Analyse von Daten, die nur in Tabellenform vorliegen, überaus aufwändig ist, ermöglicht die Datenvisualisierung hier einen echten Zeitgewinn. Auf einen Blick lassen sich aus grafisch aufbereiteten Daten wichtige Informationen und Zusammenhänge erzielen – während bei der Auswertung von Tabellen für ein ähnliches Ergebnis häufig viele Stunden Arbeit notwendig sind.

Ist das Unternehmen über mehrere Standorte verteilt, gestaltet sich die Auswertung der Daten ohne Visualisierung nochmals um einiges aufwändiger. Denn verschiedene Standorte bedeuten zumeist auch verschiedene Datenbanken – was für die Datenanalyse bedeutet, dass die Daten zusammengetragen, aufbereitet, miteinander verglichen und anschließend ausgewertet werden müssen. Anders bei einer automatisierten Datenvisualisierung. Hier erlauben Grafiken eine schnelle Übersicht über die unterschiedlichen Unternehmensstandorte oder -bereiche.

In Big Data verstecken sich stellenweise Potentiale, die einen echten Wettbewerbsvorteil ausmachen können. Durch das Sammeln der Daten aus dem gesamten Produktionsprozess werden durch eine Visualisierung Muster sichtbar, die ohne grafische Aufbereitung nie oder nur mit sehr viel Arbeit im Bereich des Data Mining auffallen würden. Somit kann die Datenvisualisierung „ganz nebenbei“ für völlig neue Erkenntnisse und unter Umständen auch für neue Geschäftsideen sorgen.

Damit sind die Vorteile einer Datenvisualisierung noch nicht am Ende. Denn mit entsprechender Software werden alle Mitarbeiter eines Unternehmens in die Lage versetzt, Big Data für die eigene, tägliche Arbeit nutzbar zu machen. Während der Bediener an der Maschine sich „auf Knopfdruck“ die aktuellen Leistungswerte seiner Maschine während der Produktion übersichtlich anzeigen lassen kann, kann das Management Auswertungen, Trends oder Entscheidungsgrundlagen erstellen – und dies ohne spezielle technische Kenntnisse. Datenvisualisierung trägt somit dazu bei, die Zusammenarbeit zwischen den einzelnen Abteilungen im Unternehmen deutlich zu verbessern.

Der größte Vorteil der Datenvisualisierung liegt in der leichten Verständlichkeit. Grafisch aufbereitete Daten machen auch hoch komplexe Zusammenhänge einfach erkennbar und auch themenfremde Personen haben die Möglichkeit, Nutzen aus den generierten Daten zu ziehen.

Die Probleme der Datenvisualisierung von Big Data

Je mehr Daten vorliegen, desto leichter kann der Überblick verloren gehen. Dies gilt auch für die Visualisierung von Daten. Im Umgang mit Big Data sind es enorm große Datenmengen mit vielen unterschiedlichen Informationen – die sich zusätzlich unter Umständen auch noch täglich, stündlich oder minütlich aktualisieren. Die Erkennbarkeit von Trends, Zusammenhängen oder Strukturen kann durch die riesigen Datenmengen leiden – wenn der Fokus auf das Wesentliche verloren geht oder die Anwender die Orientierung im Datendickicht verlieren.

Vermeiden lassen sich die Probleme vor allem durch eine sorgfältig auf die Datensätze des Unternehmens angepasste Software und deren Konfiguration. Auch muss entschieden werden, welche Daten für einen Erkenntnisgewinn wirklich relevant sind – und welche Daten besser ausgeblendet bleiben, will man einen „Info-Overkill“ vermeiden.

So eine Datenvisualisierung sieht nett aus – aber bringt kein Geld?!

So oder so ähnlich lauten die Vorurteile, wenn es erstmals um das Thema Datenvisualisierung im Betrieb geht. Klar: Ohne Investitionen in IT-Infrastrukturen und Software-Lösungen zur Datenvisualisierung geht es nicht. Allerdings machen sich diese Investitionen in kürzester Zeit bezahlt.

Denn wenn Entscheidungen schneller getroffen werden als bei den Wettbewerbern, entstehen Vorteile auf dem Markt. Wenn Bediener auf einen Blick bisher verborgene Leistungspotentiale an ihren Maschinen erkennen, steigert dies die Produktivität. Und wenn Informationen nicht mehr langwierig aus ewig langen Tabellen herausgesucht werden müssen, bleibt Zeit übrig – die für wertschöpfende Tätigkeiten genutzt werden kann.

→ Wie können Sie auch aus großen Datenmengen direkt aussagekräftige Informationen gewinnen, um schnell Entscheidungen treffen zu können? **Lösung**: [Kontinuierliche Aggregation von Roh-Produktionsdaten](roh-produktionsdaten-kontinuierlich-zu-zeitscheiben-vorverarbeiten)

Fazit

Die Datenvisualisierung macht Erkenntnisse einfacher, Vorgänge übersichtlicher und erlaubt auch Personen ohne tiefere technische Kenntnisse die Verwendung von Datensätzen. Moderne Software-Lösungen machen Daten dabei nicht nur leichter verständlich, sondern ermöglichen auch eine Reduzierung der Datensammlung auf das Wesentliche. Gerade beim Umgang mit Big Data, wie es in Zeiten des IIOT und der Industrie 4.0 in vielen Unternehmen bereits zum Alltag gehört, ist eine Datenvisualisierung unverzichtbar.

Alle Vorteile auf einen Blick

☑ Zeitersparnis gegenüber Arbeit mit Tabellen
☑ Relevante Infos direkt auf einen Blick erkennbar
☑ Versteckte Potentiale werden durch eine Visualisierung überhaupt sichtbar
☑ Keine Notwendigkeit für aufwendigen Abgleich von Datenbanken
☑ Big Data wird für alle Mitarbeiter nutzbar
☑ Verbesserte Zusammenarbeit der einzelnen Abteilungen eines Unternehmens
☑ Leichte Verständlichkeit auch hoch komplexer Zusammenhänge

Was unterscheidet Self-Service und das traditionelle BI im produzierenden Gewerbe?

2021-12-02T13:07:37Z

Die Industrie 4.0 bringt nicht nur völlig neue Möglichkeiten im Bereich des Industrial IoT mit sich, sondern verändert auch die Rolle der IT in den produzierenden Unternehmen. Während im traditionellen Verständnis die IT die durch die entsprechenden Fachbereiche definierten Anforderungen - beispielsweise Datenaggregationen oder Datenvisualisierungen - umsetzt, setzt sich im Bereich der Business Intelligence aktuell immer mehr der Self Service-Ansatz durch. Beim Self-Service stellt die IT-Abteilung einem Fachbereich notwendige Tools zur Verfügung, so dass befähigte Mitarbeiter die Anforderungen selbstständig umsetzen können. In diesem Beitrag erfahren Sie, was Self-Service im Bereich der Business Intelligence bedeutet, welche Vorteile der Ansatz im produzierenden Gewerbe bietet und wie eine endanwenderfreundliche Plattform den Self-Service-Ansatz unterstützen kann.

Erfahren Sie hier:

☑ Was Business Intelligence bedeutet
☑ Was Self Service ist
☑ Wie sich Self Service von traditioneller Business Intelligence unterscheidet
☑ Wo die Vorteile liegen
☑ Und welche Herausforderungen bei der Einführung zu meistern sind

Was bedeutet Business Intelligence?

Der Begriff Business Intelligence, kurz BI, bezeichnet Prozesse oder Verfahrensabläufe, die eine systematische Analyse des eigenen Unternehmens ermöglichen. BI, oder deutsch Geschäftsanalytik, unterstützt Managemententscheidungen durch Sammeln, Auswerten und Visualisieren von Daten. Für die Analyse werden unterschiedliche IT-Systeme und spezialisierte Software eingesetzt. BI soll vor allem Geschäftsprozesse optimieren und die Beziehungen des Unternehmens zu Kunden und Lieferanten verbessern. Vorteile der Geschäftsanalytik liegen in einer deutlich spürbaren Kostenreduzierung, einem geringeren Risiko und erhöhter Wertschöpfung.

Was ist der Self-Service Ansatz?

Der Self-Service Ansatz im Bereich der Geschäftsanalytik holt die Datenverarbeitung und -analyse aus den IT-Abteilungen heraus. Durch flexible, intuitiv und einfach zu bedienende IoT-Plattformen sollen Datenanalysen oder Datenvisualisierungen direkt in den Fachabteilungen durchgeführt werden können – und das ohne spezielles IT-Fachwissen.

Der Self Service Ansatz erlaubt allen Mitarbeitern – vom Management bis hin zu den Arbeitern an den Maschinen – die jeweils benötigten, relevanten Prozess- und Geschäftsdaten selbstständig zu generieren. Der Umweg über die IT-Abteilung wird in diesem Bereich überflüssig, Geschäftsentscheidungen sollen schneller getroffen und die Effizienz des gesamten Unternehmens erhöht werden.

Die traditionelle Geschäftsanalytik

In der traditionellen BI übernimmt ein spezialisiertes BI-Team oder die IT-Abteilung die Datenverarbeitung und -analyse für die Endanwender in den Fachabteilungen. Hierfür stellen die Fachabteilungen Anfragen für durchzuführende Analysen, die sodann von den Spezialisten in der IT ausgeführt werden. Auch agiert die IT als Dashboard-Editor, stellt also den Fachbereichen „ihre“ Dashboards nach den Vorgaben zusammen.

Sobald ein BI-Projekt durch die IT angenommen wird, was je nach Arbeitsauslastung auch mal mehrere Wochen in Anspruch nehmen kann, bereitet die IT die benötigten Daten vor, extrahiert sie aus den Quellsystemen, transformiert die Daten, bereinigt die Datensätze anschließend und stellt sie in einem Data Warehouse oder ähnlichen Datenspeichern bereit. Erst dann beginnt die eigentliche Analyse und das Design des Dashboards beziehungsweise die Erstellung eines Berichtes, um die Informationen für die Fachabteilungen nutzbar darzustellen.

Self-Service als Alternative

Der Self-Service Ansatz in der Geschäftsanalytik ermöglicht es prinzipiell allen Mitarbeitern eines Unternehmens, Datenvisualisierungen, Dashboards oder Berichte eigenständig zu generieren. Der Umweg der Datenaufbereitung oder Datenvisualisierung über die IT oder BI-Teams entfällt beim Self Service. Vielmehr ermöglichen intuitiv bedienbare User Interfaces den Umgang mit flexiblen, anwenderfreundlichen IoT-Plattformen – unabhängig von IT-Fachwissen oder einem tieferen Verständnis von Business Intelligence.

Die IT stellt die Infrastruktur bereit, kümmert sich um die Verwaltung der gesammelten Daten und sorgt dafür, dass diese zu den Plattformen transferiert werden. Die eigentliche Nutzung der Daten obliegt dann den Anwendern – also den Mitarbeitern in den Fachabteilungen. Dabei sind moderne IoT-Plattformen so konzipiert, dass sie sowohl den Bedarf von Casual Usern (Anwender, die kein explizites IT-Fachwissen besitzen und die Plattform nur in begrenztem Umfang für kleinere Aufgaben nutzen) als auch die höheren Anforderungen von Power Usern (Anwender, die spezielles Kenntnisse im Umgang mit der Plattform haben) abdecken können.

Natürlich setzt auch Self Service ein Training der Anwender voraus – vor allem im Umgang mit den verfügbaren Daten, deren Aufbereitung und Anwendung mit der Plattform. Allerdings genügt hier ein „rudimentäres“ Training! Im Rahmen von Schulungen werden den Anwendern die Bedienung der Plattformen, Besonderheiten in der Bedienung und sonstige Feinheiten näher gebracht. Es werden weder tieferer Kenntnisse in der Datenanalyse noch Fachwissen im Bereich der Datenvisualisierung benötigt noch ist dies Teil der Trainings beziehungsweise Schulungen.

Den Self-Service Ansatz einfach umsetzen: Mit der IIoT-Software da³vid Änderungen im Dashboard per Drag and Drop direkt selbst anpassen.

Welche Vorteile bietet der Self-Service Ansatz einem Unternehmen?

Der deutlich erweiterte Zugang zu verfügbaren Unternehmensdaten und die für alle Fachabteilungen verfügbaren Möglichkeiten der Datenanalyse bringen gleich mehrere Vorteile für Unternehmen mit:

☑ Schnellere Datenanalyse: Self-Service verschiebt die Analysearbeiten von den BI-Experten hin zu den Endanwendern. Dies beschleunigt unternehmensinterne Prozesse – denn wenn die Endanwender Daten eigenständig analysieren, können Entscheidungen schneller getroffen und auf Ereignisse aller Art zeitnaher reagiert werden.

☑ Optimierte Nutzung der IT-Ressourcen: Der Self-Service-Ansatz entlastet IT-Abteilungen oder BI-Spezialisten von Routinearbeiten rund um die Aufbereitung und Visualisierung von Daten. Dadurch bleibt den Profis mehr Zeit für die Bearbeitung komplexer Aufgaben.

☑ Wettbewerbsvorteile: Je mehr Daten unternehmensintern analysiert werden, desto schneller können Entscheidungen getroffen werden. Und dies nicht nur streng hierarchisch, sondern extrem agil und flexibel. Gerade in den noch weitestgehend klassisch denkenden, produzierenden Unternehmen stellt die erhöhte Agilität einen echten Wettbewerbsvorteil dar!

Welche Herausforderungen gilt es zu meistern, wenn Self-Service-Plattformen in einem Unternehmen implementiert werden sollen?

Natürlich bringt auch der Self-Service-Ansatz einige Hürden und Stolpersteine mit, die einem Erfolg bei der Einführung und Umsetzung im Wege stehen können. Bevor eine IoT-Plattform in ein Unternehmen implementiert wird, sollten folgende Herausforderungen bekannt sein – und entsprechende Maßnahmen getroffen werden, um mögliche Nachteile bereits im Vorfeld aus dem Weg zu schaffen:

☑ Mangelnde Akzeptanz in der Entscheidungsebene: Der Self-Service-Ansatz ermöglicht schnelle Entscheidungen – und benötigt hierfür nicht mehr unbedingt das Ok der Managementebene. Dies kann zu Widerstand in den leitenden Abteilungen sorgen, wenn diese lieber weiterhin Geschäftsentscheidungen treffen möchten, die auf ihrem eigenen Fachwissen, der gesammelten Erfahrung und Intuition beruhen.

Auch Endanwender in den Fachabteilungen können den Self-Service-Plattformen schnell den Rücken zudrehen – nämlich genau dann, wenn die Plattformen nicht intuitiv, einfach und anwenderfreundlich bedienbar sind.

☑ Datensicherheit: Self-Service bedeutet auch immer einen deutlich ausgeweiteten Zugriff auf Unternehmensdaten. In Unternehmen ohne strenge Sicherheitsmaßnahmen und effizienten Richtlinien für den Umgang mit sensiblen Daten kann IoT-Plattform schnell zu einer Schwachstelle in der IT Security werden.

☑ Ungenaue Analyseergebnisse: Der Self-Service ist nicht zentralisiert aufgebaut und nicht rund um die Uhr durch die IT-Abteilung oder BI-Experten betreut. Dadurch besteht die Möglichkeit, dass unvollständige Datensätze von den Anwendern verarbeitet werden, Fehler in den Daten nicht entdeckt und korrigiert werden oder unterschiedliche Anwender mit unterschiedlichen Versionen der gleichen Datensätze arbeiten. Dies kann zu falschen Ergebnissen in der Analyse und somit auch zu falschen Entscheidungen führen.

Fazit

Mit dem Self-Service Ansatz werden Daten unternehmensweit nutzbar – und das ohne Vorbereitung durch die IT. Moderne Plattformen erlauben es auch technisch unerfahrenen Mitarbeitern, schnell, einfach und „auf Knopfdruck“ Berichte, Visualisierungen oder Analysen zu erstellen. Ebenso mühelos können befähigte Mitarbeiter aller Fachabteilungen zum Dashboard-Editor werden und so alle Daten, die für eine Entscheidungsfindung notwendig sind, in Eigenregie generieren und den Kollegen zur Verfügung stellen. Durch den Self-Service Ansatz entfällt der teils langwierige Umweg über die IT-Abteilungen oder BI-Spezialisten, was zu schnelleren Entscheidungen und somit dem entscheidenden Wettbewerbsvorteil führen kann.

Das Industrial IoT im Rahmen der Industrie 4.0 ist durch die enorme Masse an Daten, die täglich durch vernetzte Maschinen und Anlagen produziert wird, optimal geeignet für den Self-Service. Es kommt jedoch stark auf eine möglichst anwenderfreundliche, intuitiv bedienbare und flexibel auf den Bedarf der einzelnen Abteilungen hin anpassbare IoT-Plattform an, ob Self-Service im Unternehmen angenommen wird. Die Vorteile liegen klar auf der Hand, während die Hürden, die bei einer Implementation in ein Unternehmen auftreten können, mit ausreichend Planung im Vorfeld recht einfach aus dem Weg geräumt werden können.

Anpassungen in der Software direkt selbst vornehmen: Mit individuell anpassbaren Dashboards per Drag-and-Drop und intuitiver Programmierung, für die keine Programmierkenntnisse notwendig sind

Statement embedded data zur log4j / log4shell -CVE-2021-44228

2021-12-16T15:19:05Z

Sicherlich haben Sie von der kürzlich bekannt gewordenen Sicherheitslücke in der Java- Softwarebibliothek log4j (CVE-2021-44228) gehört - diese ermöglicht auf betroffenen Systemen die Remote-Code-Ausführung (eine der schwerstmöglichen Sicherheitslücken).

Das Wichtigste zuerst: in unserer IIoT-Software da³vid zur Sammlung/Auswertung/Visualisierung von Prozess- & Maschinendaten werden keine Java-Komponenten und daher auch kein log4j verwendet - daher sind Anwender unserer Software auf keiner Ebene davon betroffen (weder Edge-Geräte, noch On-Premises-Server oder SaaS-Instanzen).

In unserem Unternehmen verwenden wir verschiedenste Software, die wir entweder selbst oder in Zusammenarbeit mit dem jeweiligen Anbieter auf die Verwendung der betroffenen Komponente oder andere Sicherheitsprobleme untersuchen bzw. bereits untersucht haben.
Möglicherweise betroffene von uns selbst betriebene Software wird mindestens bis zum Einspielen der entsprechenden Patches abgeschaltet.

Wir werden die Situation weiterhin genau beobachten und Sie auf dem Laufenden halten, sollte sich der Status hierzu ändern.
Bei weiteren Fragen oder Bedenken wenden Sie sich bitte an unseren Support (support@embedded-data.de).

Hintergrundinformationen:
BSI-Informationen zur Sicherheitslücke
Tagesschau-Artikel
Weitere Probleme nach dem 1. Patch
Übersicht von Statements vieler großer Softwarehersteller

Warum ist das (digitale) Erfassen von Daten nachhaltig?

2022-01-14T13:07:37Z

Wenn von Nachhaltigkeit die Rede ist, kommt einem vieles in den Sinn. Ein schonender Umgang mit endlichen Ressourcen wahrscheinlich, umweltfreundliches Handeln sicherlich – aber Daten? Betrachtet man den immensen Energiehunger der digitalen Welt, dann passen die Begriffe „Daten“ und „Nachhaltigkeit“ auf den ersten Blick überhaupt nicht zusammen. Auf den zweiten Blick jedoch bieten das IoT, die Industrie 4.0, ein kluger Einsatz von Software und die Speicherung von Maschinendaten immense Möglichkeiten, die Produktion nachhaltiger zu gestalten.

Erfahren Sie in diesem Text:

Warum Datenanalyse und Datenauswertung in der Industrie 4.0 unverzichtbar sind
Warum eigentlich nachhaltig produziert werden sollte
Nachhaltigkeit beginnt direkt beim Datenspeichern
Wie sich ein Unternehmen nachhaltiger gestalten lässt
Wie die Instandhaltung von Daten profitiert
Wie automatisierte Prozesse Verschwendungen verhindern

Datenanalyse und Datenauswertung – Unverzichtbar in der Industrie 4.0

Kanzleramtschef Helge Braun und seine Kollegin, Staatsministerin Dorothee Bär, bezeichneten Daten im Rahmen der Präsentation zur neuen deutschen Datenstrategie als einen „Schatz wie Gold und Rohstoffe“ 1. Dabei sind Daten alleine noch kein „Schatz“ für sich. Denn das Erzeugen, Speichern und Archivieren von Maschinendaten (und natürlich auch allen anderen Daten, die täglich anfallen) ist ein weitestgehend automatisierter und preisgünstiger Prozess. Was Daten wirklich zu einem Schatz macht, sind Analyse- und Auswertungsvorgänge.

Gesammelte Maschinendaten lassen sich durch den Einsatz von Software so in Form bringen, dass aus dem riesigen Datenberg wertvolle Informationen werden – beispielsweise Hinweise zur Produktivität des Maschinenparks, zur Analyse und späteren Optimierung von unternehmensinternen Arbeitsprozessen (Stichwort OEE) oder für eine schlanke Instandhaltung im Rahmen von Condition Monitoring und Predictive Maintenance.

Warum sollte nachhaltig produziert werden?

Unternehmen werden von den Verbrauchern in die Pflicht genommen. Gemäß einer Umfrage der Unternehmensberatung Accenture aus dem Jahre 2019 sind rund die Hälfte der Deutschen bereit, mehr Geld für nachhaltige Produkte auszugeben 2. Für produzierende Unternehmen bedeutet dies, dass ein nachhaltiges Wirtschaften nicht nur im Sinne des Umweltschutzes, sondern auch im Sinne gesteigerter Umsätze mehr als sinnvoll ist. Energie und Ressourcen schonen, negative Einflüsse auf die Umwelt durch die Produktion reduzieren und gleichzeitig durch optimierte Prozesse den Gewinn steigern: Nachhaltigkeit ist weit mehr als nur das „grüne“ Label, mit dem das Marketing um Kunden buhlt.

Eine nachhaltige Produktion…

Reduziert Verschwendung von Rohstoffen und Kapazitäten
Stärkt die Unternehmensmarke und verbessert die Wahrnehmung
Steigert den Wettbewerbsvorteil
Ermöglicht eine langfristige Rentabilität und Erfolg

Weniger Energieaufwand, weniger Kosten: Nachhaltigkeit beginnt direkt beim Datenspeichern

Werden Daten ohne zugrundeliegende Strategie und damit recht sinnlos gesammelt und gespeichert, ist dies alles andere als nachhaltig. „Dunkle Daten“ (Dark Data), die zwar erzeugt und abgespeichert, aber niemals genutzt werden, verursachen rund sechs Millionen Tonnen CO2 – pro Jahr. Einer Studie zufolge stechen besonders deutsche Unternehmen negativ hervor. Hier sind es 66 % aller gespeicherten Daten, die ungenutzt auf den Speichermedien verbleiben.3

Durch den Einsatz von verschiedenen Technologien lassen sich gesammelte Daten so vorsortieren und kategorisieren, dass sich der Anteil an Dark Data zuverlässig minimieren lässt. Mit Hilfe von bestimmter IIoT-Software wie z. B. da³vid kann der Nutzer entscheiden, in welchem Detailgrad Daten überhaupt gespeichert werden sollen und welche verworfen werden. Beispiel: Ein Temperatursensor erfasst die Temperatur mit einer Dezimalstelle, beispielsweise 18,3 °C. Änderungen im Dezimalbereich können somit prinzipiell erfasst werden, sind jedoch nicht bei allen Anwendungsfällen relevant. Interessiert sich der Maschinenbediener nur für größere Temperaturänderungen, wie z. B. der Unterschied von 18 auf 19 °C, kann er vorab filtern, dass Schwankungen im Dezimalbereich gar nicht erst gespeichert werden.

Auch mittels KI lässt sich der Anteil an Dark Data reduzieren. Algorithmen entscheiden hier, ob Daten sofort oder später, temporär oder gar nicht verwendet werden. Die nicht benötigten Daten werden durch den Algorithmus umgehend gelöscht, die restlichen Daten entsprechend ihrer Verwendung auf den geeignetsten Datenträgern gespeichert. Diese Vorselektion verhindert einerseits, dass Energie für unnötige Datenspeicherungen aufgewendet werden muss, zum anderen ermöglicht die Sortierung der Daten minimierte Kosten für das Unternehmen. Einsparpotentiale sind hier besonders in den Bereichen Pflege, Wartung und Support zu erkennen.

Mit Maschinendaten, Software und dem IoT das Unternehmen nachhaltiger gestalten

Das Sammeln, Aufbereiten und Analysieren von Unternehmens- und Maschinendaten können die gesamte Arbeitsweise innerhalb eines Unternehmens nachhaltig ausrichten. Nachhaltigkeit will hier auf zwei Arten verstanden werden, nämlich:

Nachhaltig für den Unternehmenserfolg
Nachhaltig für die Umwelt

Eine Datenanalyse ermöglicht zum einen eine Optimierung der Unternehmensleistung durch das Aufdecken von Mustern oder Trends, die in der Folge zu gesenkten Kosten führen können. Zum anderen dienen die aufbereiteten und analysierten Daten zu einem zielgerichteten Einkauf von Rohstoffen, Betriebsmitteln oder Ersatzteilen. Ressourcen werden so deutlich nachhaltiger eingesetzt.

Condition Monitoring und Predictive Maintenance – Nachhaltigkeit in der Instandhaltung

Gerade bei der Wartung und Instandhaltung ermöglicht der Einsatz modernster Hard- und Software eine Nachhaltigkeit, die noch vor einigen Jahren undenkbar war. In der Vergangenheit war die Instandhaltung reaktiv ausgerichtet. Verschleißteile wurden in regelmäßigen, periodisch geplanten Einsätzen ausgetauscht – ob sie das Ende des Lebenszyklus erreicht haben oder nicht. Mit Wartungs- und Instandhaltungseinsätzen geht auch immer ein Stillstand der Maschine oder Anlage einher. In der Vergangenheit hieß das: Steht eine Wartung an, steht die Maschine – unabhängig davon, ob die Auslastung besonders hoch ist oder nicht.

Durch die Digitalisierung wird die Produktion „smart“. Sensoren überwachen kritische Komponenten in den Produktionsmaschinen und Anlagen, vernetzte Datenlogger sammeln die Informationen und eine Software wertet die Maschinendaten aus. Erreicht nun ein Verschleißteil sein Lebensende, wird eine entsprechende Meldung an die Instandhaltung gesendet – und bei einer entsprechenden Verknüpfung mit dem ERP des Unternehmens das benötigte Ersatzteil automatisch nachbestellt. Die Instandhaltung wird vorausschauend – und somit immer genau dann tätig, wenn es wirklich erforderlich ist und kann die Einsätze so planen, dass unproduktive und damit teure Stillstandzeiten vermieden werden.

Smarte Produktion: Automatisierte Prozesse verhindern Ressourcenverschwendung

Die smarte Fabrik der Zukunft ist kundenorientiert, hochgradig flexibel und weitestgehend automatisiert. Der Grundgedanke bei einer smarten Fabrik – nämlich dass alle vorhandenen Systeme unter- und miteinander vernetzt sind, kann eine Verschwendung wertvoller Ressourcen minimieren oder sogar ganz verhindern. Wenn Maschinen proaktiv während der Fertigung erkennen können, ob ein Bauteil den geforderten Toleranzen entspricht oder nicht und gegebenenfalls automatisiert in den Produktionsprozess eingreifen, wird Ausschuss verhindert. Dies bedeutet, dass ein fehlerhaftes Teil weniger aussortiert und entsorgt werden muss. Hochgerechnet auf ein Produktionsunternehmen sind das eine ganze Menge Rohstoffe, die nicht „in der Tonne“ landen. Das wiederum bedeutet, dass zum einen die Produktivität des Unternehmens steigt und zum anderen, dass weniger Energie im Rahmen des Herstellungsprozess von Rohstoffen vergeudet wird.

Fazit

Das abstrakte Feld der Datengewinnung und Datenanalyse wird greifbar, wenn man sich mit den dahinterstehenden Prozessen und Vorteilen beschäftigt. Big Data, Datenvisualisierungen und KI-gestützte Analysen sind im Zeitalter der Industrie 4.0 unverzichtbar – denn diese Werkzeuge ermöglichen es, den „Schatz“ aus dem Datenwust zu bergen. Muster, Trends und Informationen ermöglichen, sobald sie sichtbar gemacht wurden, völlig neue Ansätze im Umgang mit Ressourcen, Energie und strategischen Entscheidungen. Nicht zuletzt erlauben Daten eine nachhaltige Ausrichtung eines Unternehmens durch reduzierten Rohstoffeinsatz, verschlankte Produktionsprozesse oder minimiertem Ausschuss.

Quellen:

1 https://www.rnd.de/politik/datenstrategie-der-bundesregierung-90-prozent-der-daten-bisher-ungenutzt-QQYM76IS7ZDPJBHYWJHQCC66XE.html

2 https://www.produktion.de/nachhaltige-produktion-durch-3dexperience/nachhaltige-produktion-was-bedeutet-das-eigentlich-110.html

3 https://www.veritas.com/de/de/news-releases/2016-03-15-veritas-global-databerg-report-finds-85-percent-of-stored-data

Wegweiser Industrie 4.0 – Wo stehe ich mit meinem Unternehmen?

2022-01-31T13:07:37Z

Industrie 4.0, die vierte industrielle Revolution der Menschheitsgeschichte, entwickelt sich in einem Tempo, das vor noch 30 Jahren wohl kaum einer vorhergesagt hätte. Immer mehr Produktionstechnik verschmilzt mit der IT – und moderne Kommunikationsmöglichkeiten vernetzen Maschinen, Anlagen, Baugruppen und Arbeitsplätze untereinander und miteinander. Produktionsunternehmen erhalten Informationen in Echtzeit entlang der gesamten Kette der Wertschöpfung – und dadurch die Option auf neue, unerschlossene Märkte.

Die allergrößte Mehrheit der deutschen Maschinen- und Anlagenbauer, nämlich satte 86%, erkennt gemäß einer Studie der Commerzbank die Chancen der Industrie 4.0 und dem Internet of Things (IoT). Allerdings zögern auch noch sehr viele Unternehmen mit der Einführung. Mit diesem Beitrag möchten wir Ihnen einen Wegweiser in Richtung Industrie 4.0 bieten. Denn sicherlich haben auch Sie sich schon mit der „smarten Fabrik“ beschäftigt. Doch wo genau steht Ihr Betrieb eigentlich in Sachen Digitalisierung?

In diesem Beitrag widmen wir uns den zentralen Fragen rund um die Digitalisierung:

Was ist Industrie 4.0?
Von Visionen zur Realität
Den Status Quo im eigenen Betrieb ermitteln
Was braucht ein Unternehmen für die digitale Transformation?
Die Anforderungen an eine Datenplattform

Was ist Industrie 4.0 eigentlich?

Spricht man in Deutschland von Produktionsbetrieben, ist eine Vielfalt an unterschiedlichsten Unternehmen und Branchen gemeint. Die vielfältige Unternehmenslandschaft aus Maschinen- und Anlagenbauern, Werkzeugmachern, Drehereien und Lohnfertigern – um nur einen kleinen Ausschnitt zu nennen – bedingt eines: Jedes Unternehmen hat eine individuelle Sichtweise auf Industrie 4.0. Und entsprechend individuell sind die Potenziale, die sich durch die digitale Transformation ergeben. Kurz gesagt: Es gibt keine einheitliche Definition von Industrie 4.0!

Der VDMA, Verband Deutscher Maschinen- und Anlagenbauer, hat einen umfangreichen Leitfaden für den deutschen Mittelstand zur Verfügung gestellt, der als Werkzeug für die Entwicklung digitaler Konzepte in den Unternehmen eingesetzt werden kann. Im Leitfaden kommt ein „Werkzeugkasten“ zum Einsatz, mit dem der Stand des eigenen Unternehmens im Bereich der digitalen Transformation ermittelt werden kann. Dieser Leitfaden baut auf den Empfehlungen des VDMA auf.

Von der Vision zur Realität

Industrie 4.0 ist ein breites Feld voller Potenziale – und ein breites Feld, das an sich keinen Wert darstellt. Vielmehr ist Industrie 4.0 ein Komplex aus Visionen. Und die Kunst für jedes Unternehmen muss es sein, diese Visionen auf eine wertschöpfende, realisierbare Entwicklungsstufe zu reduzieren. Das bedeutet, dass aus der Vielzahl der Möglichkeiten genau die Optionen herausgepickt werden müssen, deren Nutzen für den eigenen Betrieb greifbar sind – und die sich auch finanziell feststellen lassen.

Der „Wert“ der Industrie 4.0 liegt in den zahlreichen Lösungsansätzen für neue Produkte, innovative Ideen, Dienstleistungen mit unmittelbarer Ausrichtung am Bedarf des Kunden und natürlich in verbesserten Produktionsprozessen. Kostenreduzierung in der Fertigung einerseits, Umsatzsteigerungen durch höheren Nutzen der eigenen Produkte auf der anderen Seite – das will Industrie 4.0 möglich machen.

Den Status Quo festlegen

Wenn es um eine mögliche digitale Transformation eines Unternehmens geht, stehen zwei Fragen im Raum:

Produktion: Wie kann man mit Hilfe der Industrie 4.0 Produktionskosten senken und Produktionsabläufe optimieren?
Produkte: Wie kann mittels Industrie 4.0 ein neues Produkt entwickelt oder ein bestehendes Produkt weiterentwickelt werden, so dass der Kunde hierdurch einen Mehrwert erhält?

Die Beantwortung dieser zentralen Fragen lässt sich aufgrund der Diversität der Produktionslandschaft in Deutschland weder allgemeingültig festlegen noch „kurz und knapp“ zusammenfassen. Vielmehr muss hier jeder Betrieb seine ganz eigene Definition und Umsetzung finden.

Was braucht mein Unternehmen für Industrie 4.0?

Neben Anwendungsfeldern benötigt Ihr Unternehmen für die digitale Transformation vor allem eines: einen Internetzugang. Denn die smarte Fabrik ist davon abhängig, dass sie vollständig vernetzt ist. Das eine handelsübliche DSL-Leitung für die enormen Datenmengen, die täglich in einer digitalen Fabrik entstehen, nicht ausreicht, ergibt sich von selbst.

Folgende Fragen sollte sich jedes Unternehmen stellen, bevor eine Transformation in Sachen Digitalisierung angegangen werden kann:

Welche Bandbreite steht zur Verfügung – und wie zuverlässig ist der Internetanschluss?
Welche technischen Voraussetzungen müssen gegeben sein, um sowohl die vorhandene IT als auch die OT ins Netz zu bringen?
Sind die vorhandenen Maschinen und Anlagen bereits dafür ausgelegt, mit dem Internet verbunden zu werden oder werden zusätzliche Schnittstellen benötigt?
Bestehen bereits Sicherheitskonzepte im Bereich Datensicherheit, Datenschutz und aktiver Abwehr von Cyberangriffen?
Welche zentrale Plattform eignet sich am besten, um das IoT in der Produktionshalle, die Maschinen und Anlagen, umfassend miteinander zu verbinden?
Sind die Protokolle der Maschinen bekannt und stehen die passenden Schnittstellen zur Verfügung – oder lassen sie sich nachrüsten?

Die Anforderungen an die Datenplattform

In nicht vernetzten, aber bereits in Ansätzen digitalisierten Betrieben entstehen zwangsläufig Dateninseln. An den Maschinen werden Produktionsdaten erfasst, die Buchhaltung und die Verwaltung arbeiten mit einem ERP und die Marketingabteilung trackt das Besucheraufkommen der Website. In einer smarten Fabrik sind derartige Datencluster allerdings nicht mehr erwünscht. Vielmehr geht es hier darum, die einzelnen Dateninseln zu einem Gesamtkonstrukt zusammenzubringen.

Die Entscheidung für eine Plattform, die die einzelnen Abteilungen und deren Daten zentral speichert, verarbeitet und für andere Anwendungen zur Verfügung stellt, ist eine der wohl wichtigsten Entscheidungen im Rahmen der digitalen Transformation. Auch hier kann es wieder nicht nur eine optimale Lösung geben – sondern immer nur auf das jeweilige Unternehmen optimierte Ansätze.

Für die Auswahl der geeigneten Plattform müssen im Vorfeld einige Entscheidungen getroffen werden:

Welche digitalen Services sollen zukünftig angeboten werden?
Welche digitalen Produkte werden gefertigt – und welche werden unternehmensintern eingesetzt? Zu denken wären hier beispielsweise an Werkzeuge oder Werkzeugträger mit Sensorik
Wie wird der Leitgedanke eines „Management 4.0“ umgesetzt? Ist das Management bereit, die eigene Entscheidungsfindung mit einer Softwarelösung zu teilen?
Welche Software und welche Tools stehen zur Auswahl?
Wie weit sind die Mitarbeiter bereits auf Arbeit 4.0 ausgelegt – und wie hoch ist die Bereitschaft, die Digitalisierung mitzutragen?
Kann die Industrial Security gewährleistet werden? Stehen ausreichend interne Fachkräfte für Cybersicherheit zur Verfügung oder soll auf externe Dienstleister gesetzt werden?
Ist eine Interoperabilität zwischen den einzelnen Unternehmensstandorten (falls vorhanden) gegeben?
Ist unser Unternehmen bereits auf die neuen Anforderungen in den Bereichen Digitalrecht und Datenschutzrecht vorbereitet?

Fazit

Die vierte industrielle Revolution ist in vollem Gange. Und die deutsche Produktionslandschaft ist mitten drin in einem Transformationsprozess, der die Art und Weise, wie Waren und Güter zukünftig hergestellt werden, für immer verändern wird. Die Chancen der smarten Fabrik liegen auf der Hand. Optimierte Produktion, geringere Kosten, individuellere Möglichkeiten – mit einer rundum vernetzten Fabrik, dem IoT und leistungsstarker Datenanalyse werden Fertigungsmöglichkeiten machbar, die noch vor einer Generation undenkbar gewesen sind.

Allerdings gibt es auch eine große Herausforderung bei der digitalen Transformation: Es gibt keine allgemeingültige Richtschnur für den Transformationsprozess! Vielmehr muss jedes Unternehmen die eigenen Ziele der Digitalisierung entwickeln und Strategien festlegen. Eines eint jedoch alle Betriebe, die sich auf den Weg in die digitale Zukunft machen – nämlich die Auswahl einer geeigneten Plattform für die Datenverarbeitung, passende Software und Tools, die nicht nur leistungsstark, sondern auch einfach anzuwenden sind. Denn der Erfolg (oder Misserfolg) einer digitalen Strategie hängt nicht zuletzt von der Akzeptanz der Mitarbeiter und Kunden ab.

Low-Code oder No-Code: Welche Lösung eignet sich für Ihre Produktion?

2022-02-25T13:07:37Z

Mit dem Industrial Internet of Things (IIoT) zieht auch in klassischen Produktionsunternehmen immer mehr Informationstechnologie ein. In der Produktion werden Maschinendaten mittels Software gesammelt, aufbereitet und analysiert. Da kaum ein Unternehmen auf „Software von der Stange“ zurückgreifen kann – hierfür sind die unternehmenseigenen Anforderungen zumeist zu speziell - müssen bestehende Software-Lösungen meistens an den individuellen Bedarf angepasst werden. Die Programmierung der eigenen Software-Tools ist eine Sache für echte Spezialisten – die aber auf dem leergefegten Arbeitsmarkt kaum oder gar nicht mehr verfügbar sind. Mit Low Code und No Code stehen zwei kosten- und zeitsparende Alternativen zur klassischen Programmierung zur Verfügung.

Erfahren Sie in diesem Beitrag:

☑ Wie IIoT-Plattformen Unternehmen erhöhte Effizienz ermöglichen
☑ Was Low-Code-Plattformen sind
☑ Welche Vor- und Nachteile Low-Code-Plattformen bieten
☑ Was No-Code-Plattformen sind
☑ Welche Vor- und Nachteile No-Code-Plattformen bieten
☑ Anwendungsbeispiele für Low-Code-/No-Code-Plattfomen

Mehr Automatisierung = Mehr Effizienz in der Fertigung

Das IIoT ist für mittelständische Produktionsunternehmen mittlerweile unverzichtbar geworden – vor allem dann, wenn es um den globalen Wettbewerb geht. Mit gesammelten und visualisierten Daten lassen sich nicht nur die Fertigung optimieren, sondern auch Abhängigkeiten in den Lieferketten reduzieren. Je höher der Grad der Automatisierung in der Fertigung ist, desto höher ist die Effizienz. Gleichzeitig unterstützt das IIoT durch die Automatisierungs-möglichkeiten die Produktionsbetriebe dabei, dem Kostendruck entgegenzutreten.

Grundlage für automatisierte Prozesse und flexibles Arbeiten stellen IIoT-Plattformen dar. Die Plattformen „verwalten“ die unterschiedlichen Technologieebenen in einem Unternehmen, sammeln und speichern Maschinendaten und führen Visualisierungen oder Auswertungen durch. Damit eine IIoT-Plattform ihre Aufgaben erfüllt, muss sie in die bestehende Infrastruktur des Unternehmens integriert werden können. Modulare Lösungen, die sich wie ein Baukasten zusammensetzen und flexibel auch an zukünftige Aufgaben anpassen lassen, bieten im Vergleich zu vertikalen Lösungen (Individuallösungen) umfangreiche Möglichkeiten. Allerdings erfordert die Anpassung eine ganze Menge technisches Wissen – und Erfahrung in der Programmierung. Genau an dieser Problemstellung setzen Low-Code und No-Code-Plattformen an.

Low-Code: Softwareentwicklung mit minimaler Programmierung

Low-Code, zu Deutsch in etwa „Wenig Code“, bezeichnet eine Entwicklungsmöglichkeit für individuelle Software mit hauptsächlich visuellen Werkzeugen. Low-Code-Plattformen ermöglichen es, Apps und Software ohne oder mit nur minimaler Programmierung zu erstellen. Anstelle von Zeilen über Zeilen an Programmcode werden in einer Low-Code-Plattform Einstellungen, Algorithmen oder Aufgaben über eine grafische Benutzeroberfläche zusammengestellt. Eines der wohl bekanntesten Beispiele für Low-Code-Plattformen ist Wordpress – eine Open-Source-Softwarelösung, mit der sich Websites, Blogs oder auch Apps erstellen lassen, ohne hierfür Kenntnisse in HTML, JavaScript oder im Umgang mit CSS (den in der Webentwicklung häufig in Kombination eingesetzten Beschreibungs- und Programmiersprachen) notwendig sind.

Low-Code ist keine neue Technik. Bereits in den 1990er Jahren gab es mit dem Rapid Application Development (RAD) Verfahren eine Herangehensweise für die Entwicklung von Software, die Codezeilen gegen intuitive, verständliche „Bausteine“ austauschte. Low-Code als Begriff wurde erstmals 2014 von dem Branchenanalysten Forrester Research eingeführt.

Welche Vorteile bieten Low-Code-Plattformen eigentlich?

Der wohl offensichtlichste Vorteile einer Low-Code-Plattform ist die Möglichkeit, Software auch ohne umfangreiche Programmierung beziehungsweise die dafür nötigen Fachkenntnisse erstellen zu können. Je mehr ein Unternehmen digitalisiert wird, desto schneller müssen Prozesse angepasst werden. Mit Low-Code-Plattformen lassen sich viele individuelle Lösungen in kürzester Zeit realisieren – auch ohne eigene IT-Abteilung.

Dazu kommen noch weitere Vorteile:

☑ Für die Entwicklung von Anwendungen mittels Low-Code-Plattformen wird dem Fachkräftemangel entgegengewirkt. Auch Nicht-Programmierer können mit den Plattformen passende Software-Lösungen erstellen.
☑ Verkürzte Entwicklungszeiten.
☑ Software kann direkt in den Fachabteilungen erstellt werden, in der die Software später auch zum Einsatz kommen soll.
☑ Die Kosten für die Erstellung von Anwendungen werden teils deutlich reduziert.

Und welche Nachteile ergeben sich bei der Anwendung von Low-Code?

Auch Low-Code-Plattformen kommen nicht ganz ohne Nachteile aus. Vor allem ist hier die hohe Lernkurve zu nennen, die auf Anwender ohne Erfahrung in der Software-Entwicklung zukommen. Denn auch der Umgang mit einer anwenderfreundlichen Plattform will erst einmal gelernt werden. Auch wenn es um hochgradig skalierbare Anwendungen oder Software in höchster Qualität und mit optimaler Performance gehen soll, stoßen Low-Code-Plattformen schnell an Ihre Grenzen. Nicht zuletzt bedeutet Low-Code, dass zumindest ein kleiner Teil der durchzuführenden Arbeiten mit klassischer Programmierung zu erledigen sind. Grundlegendes Verständnis in der Programmierung wird vor allem bei umfangreicheren Software-Lösungen gefordert.

No-Code-Plattformen: Weniger Code geht nicht

Die Alternative zu Low-Code-Plattformen sind die sogenannten No-Code-Varianten. No-Code-Plattformen bieten den Anwendern Entwicklungsumgebungen, die völlig ohne Programmiersprachen auskommen. Über eine grafische Benutzeroberfläche und via Drag and Drop werden hier vorgefertigte Bausteine zu einer funktionierenden Anwendung zusammengesetzt. No-Code-Plattformen richten sich explizit nicht an Software-Entwickler/innen, sondern an Endanwender/innen. Durch den vollständigen Verzicht auf Programmiersprachen können auch Mitarbeiter/innen ohne jeglichen technischen Hintergrund in vergleichsweise kurzer Zeit effiziente Anwendungen erstellen. Die vorgefertigten Bausteine verkürzen die Entwicklung und Programmierung von Prozessen deutlich. Änderungen an bestehenden Anwendungen, auch kurzfristige, können schnell und mit minimalem Aufwand realisiert werden.

Für die Allround-Lösung da³vid sind keine IT-Fachkenntnisse notwendig:
Drag and Drop Dashboards mit über 20 Widgets

Welche Vorteile bieten No-Code-Plattformen?

No-Code-Plattformen beziehen Mitarbeiter/innen ohne technisches Fachwissen, aber mit vertieftem Knowhow, in die Entwicklung von Anwendungen mit ein. Der insbesondere in kleinen und mittelständischen Unternehmen ausgeprägte Fachkräftemangel im Bereich der IT kann so in Teilen ausgeglichen werden.

Darüber hinaus bieten No-Code-Plattformen:

☑ Einfache und schnelle Entwicklung von Anwendungen durch vorgefertigte Bausteine
☑ Deutliche Zeitvorteile bei der Entwicklung
☑ Einfache, anwenderfreundliche Menüführung
☑ Automatisierung von täglichen Routine-Aufgaben
☑ In hohem Maße kompatibel mit Ansätzen der agilen Unternehmensführung

Die Nachteile von No-Code-Plattformen

Da No-Code-Plattformen ohne die Möglichkeit auskommen, eigenen Code zu integrieren, sinkt die Flexibilität, was das Erstellen von hoch komplexen Anwendungen anbelangt. Anwender sind darauf beschränkt, ausschließlich die vorgefertigten Bausteine der Plattform zu nutzen. Das Weniger an Flexibilität im Bereich komplexer Anwendungen machen No-Code-Plattformen allerdings mit ihrer einfachen Bedienbarkeit wieder wett.

Low-Code oder No-Code?

Bei der Entscheidung für oder gegen eine der beiden Plattformen müssen die Unterschiede in Betracht gezogen werden:

Low-Code	No-Code
Low-Code-Plattformen sind für Software-Entwickler/innen ausgelegt	No-Code-Plattformen richten sich an den Endanwender/innen
Low-Code benötigt stellenweise Programmierarbeit	No-Code funktioniert rein über Drag and Drop von Bausteinen
Low-Code bietet erhöhte Flexibilität durch die Option, manuell Code hinzuzufügen	No-Code ist auf das vorgegebene User Interface beschränkt

Low-Code/No-Code: Anwendungsbeispiele für die Industrie

Anwenderfreundliche und intuitiv bedienbare IIoT-Plattformen wie da³vid ermöglichen ohne Programmierkenntnisse die schnelle visuelle Aufbereitung von gesammelten Produktionsdaten.

Die Programmierung ist in da³vid sowohl in Low- und/oder No-Code möglich - je nach Anforderung und Anwendungsfall. Die Bedienung des Dashboard-Editors erfolgt über Drag and Drop und setzt keinerlei Programmierkenntnisse voraus. Dabei stehen mehr als 20 Widgets zur Verfügung, welche mittels Baukastenprinzip individuell und ohne Schulungsaufwand durch die Benutzer selbst zusammengesetzt werden können:

Mögliche Anwendungsfälle:

☑ Berechnung der aktuellen OEE
☑ Erfassung von (auch hochfrequenten) Maschinendaten
☑ Übersicht über Stillstände Ihrer Produktionslinien (Zustandsüberwachung)

Fazit

Low-Code-Plattformen bieten Anwenderfreundlichkeit gepaart mit erhöhter Flexibilität, setzen aber zumindest grundlegende Programmierkenntnisse voraus. No-Code-Plattformen hingegen richten sich gezielt an Endanwender/innen, die via Drag and Drop von vorgefertigten Bausteinen in Rekordzeit die Erstellung von Anwendungen ermöglichen. Mit No-Code-Plattformen lassen sich keine individuell auf einen speziellen Anwendungsfall hin optimierte, extrem komplexe Software-Lösungen programmieren - der Preis für dieses Maximum an Bedienerfreundlichkeit ist eine geringere Flexibilität.

Quellen:

https://www.informatik-aktuell.de/entwicklung/methoden/wie-low-code-die-softwareentwicklung-auf-die-naechste-stufe-hebt.html

https://www.dev-insider.de/die-beliebtesten-anbieter-von-low-code-und-no-code-plattformen-2020-a-981049/

https://www.heise.de/select/ix/2019/8/1912614354860810247

Warum Ihre Unternehmens- und Maschinendaten im IoT sicher sind

2022-03-10T13:07:37Z

Das Internet der Dinge (Internet of Things, IoT) vernetzt Maschinen, Geräte und Alltagsgegenstände miteinander. Durch das IoT wird eine Kommunikation zwischen technischen Geräten, Prozessen und Menschen ermöglicht – und physische Objekte werden mit der digitalen Welt verbunden. Ein riesiges Netzwerk aus vielen Milliarden einzelnen, miteinander vernetzten Geräten bietet nicht zuletzt der Wirtschaft im Zuge der Industrie 4.0 eine Menge Vorteile. Zu erwähnen wären hier optimierte Lieferketten, Analysemöglichkeiten von Produktionsmaschinen durch Gewinnung von Maschinendaten und Effizienzsteigerungen.

Im gleichen Maße, wie sich das IoT global ausbreitet, steigen aber auch die Sicherheitsrisiken, wie zuletzt durch die Sicherheitslücke in der Java-Softwarebibliothek log4j (CVE-2021-44228). Cyberangriffe, die gezielt die Schwachstellen im IoT ins Visier nehmen, verunsichern Unternehmen wie Endverbraucher gleichermaßen. Wir haben die größten Bedenken rund um das IoT unter die Lupe genommen.

Zu den größten Bedenken rund um den Einsatz von IoT zählen:

☑ Maschinendaten gelangen ins Internet
☑ Fehlendes Know-How im Unternehmen
☑ Vergrößerte Angriffsfläche für Hacker durch mehr vernetzte Geräte
☑ Falscher Umgang mit Passwörtern
☑ Mangelnde Übersicht über die vernetzten Geräte
☑ Langer Einsatz und damit fehlende Zukunftssicherheit

In der Vergangenheit wurden Maschinendaten unternehmensintern gesammelt und verarbeitet. Durch die strikte, technisch begründete Trennung von IT (Informationstechnologie) in den Büros und OT (Operational Technology) in den Produktionshallen war sichergestellt, dass keine Maschinendaten online verfügbar waren. Mit dem IoT und der damit einhergehenden Vernetzung ändert sich dieser Zustand natürlich rapide. Maschinendaten werden in Echtzeit in der Cloud gespeichert und Mitarbeiter haben standortunabhängig Zugriff auf diese Daten.

Warum das IoT hier sicher ist: Maschinendaten stehen auch in der Industrie 4.0 nicht frei verfügbar im Internet! Durch End-to-End Verschlüsselungen, individuelle Zugriffsrechte, Schutz-Software und nicht zuletzt Anwenderschulungen bewegt sich die Gefahr, dass Maschinendaten für alle sichtbar im Internet landen, gegen Null.

Das Internet der Dinge ist eine relativ neue „Erfindung“ – entsprechend rar ist die benötigte Expertise in den Unternehmen. Werden IoT Geräte ohne Plan angeschafft und eingesetzt, kann auch die beste Software im Hintergrund keine Datensicherheit gewährleisten.

Warum das IoT hier sicher ist: Jedes Unternehmen profitiert von der Integration des IoT in die Prozessabläufe. Fehlendes Know-How oder ein Mangel an IT-Spezialisten sorgen gerade in der Einführungsphase naturgemäß zu Bedenken. Wer hier auf externe Spezialisten zurückgreift, die die Einführung des IoT vom ersten Tag an begleiten, geht auf Nummer Sicher. Nicht nur, was die Datensicherheit anbelangt, sondern auch hinsichtlich einer uneingeschränkten Funktionalität.

Je mehr IoT-Geräte sich innerhalb eines Netzwerkes befinden und miteinander kommunizieren, desto höher ist die Anzahl an potenziellen Sicherheitslücken. Insbesondere IoT-Geräte mit veralteter Software stellen hier eine Gefahr da – und natürlich die Geräte, die in Eigenregie von den Mitarbeitern im Netzwerk angemeldet werden.

Warum das IoT hier sicher ist: Gemäß einer Studie des US-Sicherheitsunternehmens Tripwire geben 99 % der befragten Unternehmen an, dass ihre IT-Securityteams bereits Anfragen von Mitarbeitern ablehnen, wenn es darum geht, neue Geräte ins Netzwerk zu integrieren. Hier liegt eine der Schlüsselaufgaben, um die Sicherheit im IoT aufrechtzuerhalten: Möglichst wenig Geräte in den vernetzten Bestand eines Unternehmens aufnehmen und diese Geräte rundum in das bestehende Sicherheitskonzept integrieren.

Ob Software oder IoT-Gerät: Viele Anwender verlassen sich immer noch auf die Kombination von Benutzername und Passwort bei der Anmeldung. Beliebte, weil einfach zu merkende, Kombinationen wie „Admin / Admin“, „Gast / 1234“ oder „User / Passwort“ sind zwar bequem – aber auch Teil jeder „Die schlechtesten Passwörter aller Zeiten“-Liste. Werden IoT-Geräte so abgesichert, ist ein Hackerangriff mit entwendeten Maschinendaten tatsächlich nur eine Frage der Zeit.

Warum das IoT hier sicher ist: Aktuelle Software und natürlich auch aktuelle IoT-Geräte bieten mit der Multi-Faktor-Authentifizierung ausreichend Sicherheit. Bei dieser Form der Authentifizierung muss zusätzlich zu Benutzername und Passwort auf einem dritten Gerät der Zugang freigegeben werden – beispielsweise per Fingerabdruck auf dem Smartphone oder einer SMS mit Zugangscode. Die Multi-Faktor-Authentifizierung sichert das IoT zuverlässig ab.

Vor allem nach einer Firmenübernahme, aber auch im laufenden Betrieb, können eine Menge vergessene oder nicht inventarisierte IoT-Geräte im Netzwerk verbleiben. Vor allem die Geräte, die nicht zum produktiven Einsatz genutzt werden, stellen ein echtes Sicherheitsrisiko dar. Als Beispiel kann hier die alte Webcam dienen, die, obwohl längst vergessen, immer noch fleißig Live-Bilder des Unternehmens ins Internet streamt.

Warum das IoT hier sicher ist: Mit moderner Software zur Inventarisierung lassen sich alle IoT Geräte innerhalb eines Unternehmens aufzeigen. Ist ein Gerät nicht mehr bekannt oder wird es nicht mehr benötigt, kann es so einfach, schnell und sicher aus der IT-Infrastruktur entfernt werden.

In der Tat sind IoT-Geräte in der Industrie deutlich länger in Verwendung als im privaten Bereich. Jahre- oder jahrzehntelange Nutzung ist hier eher die Regel, als denn eine Ausnahme.

Warum das IoT hier sicher ist: Sobald Sicherheitslücken entdeckt werden, stellen Hersteller Updates bereit. Das gilt für Software genauso wie für smarte Sensoren, Server oder den PC am Arbeitsplatz. Entsprechend sorgfältig muss auf das regelmäßige Updaten aller im Netzwerk befindlichen IoT-Geräte geachtet werden. So wird Cybersicherheit auch für die Zukunft gewährleistet.

Fazit

Das IoT und die Datensicherheit – zwei Punkte, die nicht immer reibungslos zusammengehen. Während die Vorteile des Internet der Dinge für einen Großteil der Unternehmen sichtbar sind, ist ein ebenso großer Teil der Unternehmen unsicher, was Cybersicherheit durch die komplexe Vernetzung anbelangt. In der Vergangenheit waren IT und OT streng voneinander getrennt – ein Eindringen von Hackern in die sensible Infrastruktur der Maschinen war ausgeschlossen. Mit der Industrie 4.0 ändert sich dies nun rapide – und plötzlich stehen auch Produktionsanlagen im Fadenkreuz der Cyberkriminellen. Dennoch lässt sich sagen, dass das Internet der Dinge sicher ist – sofern entsprechende Sicherheitsrichtlinien, Schulungen, Schutz-Software und regelmäßige Updates aller vernetzten Geräte beachtet und eingesetzt werden.

Datensicherheit in der IIoT-Software da³vid

da³vid läuft auf Servern in Deutschland oder der Schweiz bei unserem Partner Exoscale (zertifiziert nach ISO 9001:2008 und ISO/IEC 27001:2013).

Warum wir uns für die Internetplattform Exoscale vom Cloud- und IoT-Service-Anbieter A1 Digital entschieden haben, erfahren Sie in unserer Referenz:

Referenz A1 Digital

Quellen:

https://www.it-daily.net/it-management/industrie-rpa/28929-sicherheitsrisiko-alte-und-vergessene-iot-geraete-im-industriellen-einsatz

https://www.avast.com/de-de/c-iot-security-risks

https://www.bigdata-insider.de/iot-sicherheit-land-in-sicht-oder-land-unter-a-1009927/

3 typische Fehler bei der manuellen Maschinendatenerfassung in der Produktion

2022-03-24T13:07:37Z

Die systematische Maschinendatenerfassung hat im Zuge der Digitalisierung der Produktion nochmals an Relevanz für die Industrie gewonnen. Die Datenerfassung ermöglicht eine umfassende und zuverlässige Bewertung der Profitabilität ablaufender Fertigungsprozesse. In vielen Unternehmen findet die Erfassung von Maschinendaten trotz Industrie 4.0 immer noch manuell statt, zumeist durchgeführt von den Bedienmannschaften direkt an ihren Maschinen.

Bei der manuellen Datenerfassung treten immer wieder Fehler auf, die das Ergebnis verfälschen oder zu falschen Schlussfolgerungen führen können. Erfahren Sie in diesem Beitrag, was die häufigsten Fehler bei der manuellen Datenerfassung sind und wie sie sich nachhaltig beseitigen lassen.

Die typischen Fehlerquellen bei der manuellen Datenerfassung

Bei der händischen Erfassung von Daten stehen drei Faktoren im Fokus, die zu Fehlern in den Datensätzen führen:

Zeit
Gar nicht erfasste Daten
Große Interpretationsspielräume

Fehlerquelle Nummer 1: Die (fehlende) Zeit

Eine Maschine muss laufen, damit sie produzieren kann. Damit die Maschine läuft, muss der Bediener seine Maschine im Blick haben, kontinuierliche Anpassungen und Optimierungen durchführen, Werkzeuge wechseln, Spannzangen mit Rohmaterial füllen und fertig produzierte Teile verpacken. In diesem durchgetakteten Arbeitstag bleibt wenig Spielraum, um zusätzlich noch gründlich und sauber die gewünschten Daten zu erfassen.

In der Hektik des Produktions-Alltags ist Zeit ein rares Gut – entsprechend tendieren Bedienmannschaften häufig dazu, die Arbeiten rund um die Datenerfassung so schnell wie möglich in den zur Verfügung stehenden Zeiträumen zu absolvieren. Dies führt unter Umständen zu falsch erhobenen Daten , sei es durch „Tippfehler“ bei der Eingabe oder durch stressbedingte „Schludrigkeit“.

Gar nicht erfasste Maschinendaten

Viele Daten werden von den Bedienmannschaften erst gar nicht erfasst, weil die auftretenden Ereignisse nicht als relevant angesehen werden. Steht beispielsweise an einer Maschine ein Werkzeugwechsel an, der durch den Bediener innerhalb von einer Minute behoben werden kann, ist das Ereignis für den Bediener unter Umständen keine Notiz wert. Für eine anschließende Analyse der Wirtschaftlichkeit ist diese fehlende Minute jedoch fatal. Denn wenn 10 Maschinen 365 Tage im Jahr produzieren und jede dieser Maschinen auch nur eine Minute pro Tag stillsteht, sind es immerhin 3650 Minuten Stillstand. Eine stolze Summe, die bei der Bewertung der Rentabilität einer Produktion unbedingt mit in Betracht gezogen werden müsste.

Hinzu kommt ein weiterer Punkt, der zur Nichterfassung von Daten führt. Maschinenbediener werden zwangsläufig anhand der gesammelten Daten bewertet. Gewisse Ereignisse, beispielsweise Ausschuss oder Stillstände, werden häufig und gerne verschwiegen. Dies ist einerseits aus menschlicher Sicht vollkommen nachvollziehbar, andererseits verfälscht dieses Vorgehen die Datensätze maßgeblich.

Subjektivität und Interpretationsspielräume

Immer dann, wenn die Erfasser von Daten ein Ereignis bewerten sollen, tritt der Störfaktor der Subjektivität in Aktion. Bei der Einschätzung von Störgründen beispielsweise kann ein Bediener den Grund als „technische Störung“ erfassen, obwohl eigentlich ein Fehler bedingt durch „fehlende Hilfsstoffe“ vorliegt. Darüber hinaus ist die Herangehensweise eines Beobachters an die Informationen zumeist subjektiv. So entstehen Unschärfen bei der Maschinendatenerfassung, die eine genaue Analyse verhindern und Entscheidungen negativ beeinflussen können.

Auswirkungen manuelle Maschinendatenerfassung

So wichtig und unverzichtbar eine gründliche Erfassung von Maschinendaten für produzierende Unternehmen auch ist: die händische Gewinnung von Daten ist ein echter Zeitfresser. Und Zeit ist gerade in der durchgetakteten Welt der Produktion ein überaus rares Gut.

Je komplexer die Aufgaben im Bereich der Maschinendatenerfassung für die Bedienmannschaften sind, desto weniger Zeit bleibt ihnen für die eigentliche Arbeit. Das wiederum bedeutet: entweder werden die Daten nur unzureichend und nicht in der geforderten Gründlichkeit erfasst oder die Effizienz der Produktion leidet.

Auch wenn die Daten gründlich erfasst werden, kommt ein weiterer Zeitfaktor ins Spiel. Die manuell erfassten Datensätze müssen in der Regel aufbereitet werden, damit sie für eine Weiterverarbeitung, beispielsweise im ERP des Unternehmens, zur Verfügung stehen. Der hierfür benötigte Zeitaufwand blockiert aber wertvolle Ressourcen, die somit nicht mehr für wertschöpfende Optimierungsmaßnahmen zur Verfügung stehen. Zusätzlich wirkt erschwerend, dass zwischen dem Zeitraum der Datenerfassung und der Auswertung unter Umständen mehrere Wochen vergehen können.

Lösungsvorschläge für eine effiziente Maschinendatenerfassung

Nicht immer muss gleich auf eine automatische, voll digitale Datenerfassung umgeschwenkt werden, um die Datengewinnung effizient, produktiv und nachhaltig zu gestalten. Schon mit kleinen Optimierungen lässt sich auch die manuelle Maschinendatenerfassung rationalisieren.

Lösung für einen echten Zeitgewinn

Das händische Ausfüllen von Papierlisten ist weit verbreitet, per se auch nicht verkehrt – und dennoch ein Garant für unnötigen Zeitverlust. Mit dem Umstellen auf digital gestützte Datenerfassung, beispielsweise über Tablets oder Smartphones, wird den Bedienern das Datensammeln deutlich erleichtert. Vorgefertigte Auswahlmöglichkeiten anklicken geht schneller und einfacher als das Ausfertigen von handschriftlichen Notizen.

Auch für die Weiterverarbeitung der gesammelten Daten ist eine digital gestützte Erfassung von Maschinendaten förderlich. Durch einheitliche, bereits digital vorliegende Daten ist die Übertragung in ein ERP oder ähnliche Systeme ohne großen Zusatzaufwand möglich. Die „sanfte Einführung“ digitaler Erfassungssysteme verhindert zusätzlich, dass sich die Bediener überfordert fühlen – was bei einem „harten“ Umstieg auf komplett automatisierte Systeme durchaus der Fall sein kann.

Lösung für weniger nicht erfasste Maschinendaten

Wenn ein Unternehmen möchte, dass Maschinendaten umfassend von den Bedienmannschaften erfasst werden sollen, muss eine gewisse Anonymität der Daten gewährleistet sein. Während bei handschriftlichen Notizen der entsprechende Bediener auch ohne Angabe seines Namens identifiziert werden könnte, kann dies bei digital unterstützten Systemen wie Tablets leicht ausgeschlossen werden. Dies kann zu mehr Akzeptanz der Datenerfassung führen – und zur Erfassung von Maschinendaten, die ansonsten aus Sorge um einen möglichen Jobverlust oder Problemen mit den Vorgesetzten nicht erfasst werden würden.

Lösung für weniger Subjektivität bei der Erfassung von Maschinendaten

Der Punkt der Subjektivität lässt sich zugegebenermaßen bei der manuellen Datenerfassung nie ganz vermeiden. Allerdings kann mit standardisierten Vorlagen und Fehlerbeschreibungen dafür gesorgt werden, dass die eingegebenen Daten möglichst präzise wiedergeben, was zu einer Störung, einem Ausfall oder auch einem Werkzeugbruch geführt hat. Im Idealfall meldet die betroffene Maschine bereits einen Fehlercode, der von dem Bediener nur noch übernommen werden muss.

Wie Sie vom neuen Asset-Management in da³vid profitieren

2022-04-07T13:07:37Z

Wir haben in 2021 viel wertvolles Feedback von unseren Kunden erhalten und auf dieser Basis einige Grundkonzepte unserer Software überarbeitet. Daraus ist unser neues Asset-Management in da³vid entstanden.

Das neue Knotenkonzept oder auch Asset-Management, was ist das?

Bisher gab es in da³vid die Möglichkeit, seinen Standort, seine Halle oder seine Anlage mit Hilfe von Stationen und Stationsgruppen abzubilden.

Das neue Knotenkonzept oder auch Asset-Management, löst nun die zuvor verwendeten Stationen und Stationsgruppen ab.

Dieses Asset-Management ermöglicht uns die Darstellung eines gewünschten IST-Zustandes in Form von Knoten und Unterknoten verschiedener Typen. Ein ganzes Werk kann detailgetreu in eigenen Worten abgebildet werden. Vom Gebäudekomplex, über einzelne Büros oder Hallen bis hin zum einzelnen Sensormodul.

Welche Möglichkeiten bietet das neue Asset-Management?

Ganz einfach: Übersicht und Kontrolle bei der Darstellung und Verwaltung des abzubildenden IST-Zustandes.

Mithilfe des neuen Asset-Managements können Anwendungsfälle wie Gebäude-Management oder eine Zustandsüberwachung ermöglicht oder deren Umsetzung erleichtert werden. Dabei unterstützt da³vid bei der Pflege und Wartung der relevanten Daten.

Wie genau das Gebäude-Management oder eine Zustandsüberwachung in da³vid aussehen könnte, haben wir in Beispielen für Sie zusammengestellt. Später stellen wir auch weitere Funktionen in da³vid vor, die bei der Wartung und Gerätesuche helfen.

Ein Beispiel für das Gebäude-Management könnte in etwa eine Schule oder ein Werk sein, welche sich 1:1 in da³vid abbilden lässt:

Als Hauptknoten hat man hier die Schule, als Unterknoten etwa einzelne Räume und als deren Unterknoten könnten Sensoren oder dort befindliche Hardware, wie z.B. ein Beamer oder ein mobiler Drucker, angelegt sein.

Im Beispiel erleichtert das Asset-Management hier die Verwaltung und den Überblick über die einzelnen Luftqualitätssensoren und in dem Zuge auch die Überwachung des vorherrschenden Zustandes in den einzelnen Räumen. Mit Hilfe der angelegten Luftqualitätssensoren hat man dank der angelieferten Daten dann die Möglichkeit, genau festzustellen, wann und in welchem Raum gelüftet werden muss.

Dieses Vorgehen hilft nicht nur bei der Übersicht der einzelnen Räume und deren Zustände, sondern auch beim Thema Sicherheit.

Hat man beispielsweise Lichtsensoren im Einsatz, kann verfolgt werden, ob und wo diese ausgelöst wurden. Dadurch kann festgestellt werden ob und wo sich jemand möglicherweise unerlaubt im Gebäude aufhält oder aber, ob man die letzte Person im Gebäude ist und somit die Türen entsprechend abschließen kann.

Zustandsüberwachung: Sind alle meine Fenster geschlossen?

Um seinen Gebäudekomplex einfach zu überwachen, können aggregierte Datenpunkte zu Knoten und Unterknoten hinzugefügt werden. Aggregierte Datenpunkte sind Datenpunkte, die ihren Wert automatisch aus den vorhandenen Werten direkter Unterknoten generieren. Diese Werte können etwa der Maximal- oder Minimalwert sein, oder auch ein Durchschnittswert oder die Summe aller Werte aus den Unterknoten.

Mit Hilfe dieser aggregierten Daten lässt sich ganz einfach feststellen, ob die geöffneten Fenster oder Türen zum Arbeitsende hin geschlossen wurden und wenn nicht, in welchen Räumen entsprechender Handlungsbedarf besteht.

In den unten aufgeführten Beispielen sieht man, dass oben alle Fenster in der Firma geschlossen sind. Das erkennt man an dem grünen Punkt. In dem unteren Beispiel scheint etwas nicht zu stimmen, da dort der Punkt rot ist. Bei Aufklappen beider Strukturen fällt auf, dass in Büro 1 das Fenster noch geöffnet ist.

Mithilfe dieser Ansicht konnte in unserem Beispiel direkt erkannt werden, in welchem Büro Handlungsbedarf besteht. Diese aggregierten Datenpunkte können auch für andere Szenarien eingesetzt werden, beispielsweise ob und in welchen Räumlichkeiten das Licht nicht an- oder ausgeschaltet wurde.

Die Knotensuche : Wo ist meine Hardware?

Über die Verwaltung in da³vid kann man angelegte Knoten und Unterknoten flexibel verschieben und neu anordnen. Das bedeutet, wenn in der Schule von Beispiel 1 der Beamer in einen neuen Raum geschoben wird, genau das in der Software deutlich gemacht werden kann. Über die Suche kann dann mit Eingabe der gesuchten Hardware der entsprechende Standort direkt ermittelt werden.

Im Beispiel ist zu sehen, dass sich der Beamer momentan in Raum 101 befindet.

Das Gleiche gilt für Plotter, mobile Drucker oder auch Maschinen und Aggregate in einer Fertigungshalle.

Schnellfilterfunktion als Überwachung : Wann und welche vorhandenen Maschinen oder Aggregate müssen gewartet oder erneuert werden?

Um einfach herauszufinden, wann welche vorhandenen Geräte gewartet oder gar ersetzt werden müssen, kann man über die Schnellfilter-Funktion betroffene Geräte ausfindig machen und entsprechend handeln. In diesem Beispiel möchte man wissen, welches Miet-Aggregat gewartet werden muss.

Ein Anwendungsfall für die Schnellfilterfunktion könnte sein, dass geprüft werden muss, welche Geräte und Maschinen vor einem bestimmten Zeitpunkt, etwa vor dem 01.12.2021 gewartet wurden. Alle diese Geräte müssen nun erneut gewartet werden.

Mithilfe der Ansicht in der Schnellfilterfunktion sieht der zuständige Mitarbeiter hier direkt, dass die Miet-Aggregate 1 und 2 gewartet werden müssen und kann dies vornehmen. Zusätzlich dazu sieht er, wo sich diese Geräte befinden oder zu wem sie gehören.

Damit anstehende Wartungen im Arbeits-Alltag nicht untergehen und zeitig eingeplant werden können, wäre hier eine frühzeitige Benachrichtigung oder ein passender Alarm hilfreich. Auch das lässt sich über da³vid steuern.

Dank unseres Alarm-Managements ist es möglich, regelmäßige Wartungen über zeitgesteuerte, also Instandhaltungsalarme, anzukündigen und betroffene Benutzer per Mail oder SMS darüber zu informieren, dass etwas ansteht.

In unserem Beispiel könnte ein passender Alarm wie folgt aussehen:

Ein Instandhaltungsalarm, welcher alle 6 Monate ausgelöst wird und eine Nachricht an den betroffenen Mitarbeiter sendet. Der Mitarbeiter erhält durch die selbst einstellbare Alarmnachricht die Information, Geräte und Maschinen auf ihre letzte Wartung oder das Anschaffungsdatum zu prüfen und anschließend entsprechend zu handeln. Zusätzlich besteht die Möglichkeit, den eingestellten Alarm quittieren zu lassen, damit sichergestellt ist, dass diese Aufgabe erledigt wurde.

Diese Ansicht kann ganz einfach als Widget in ein vorhandenes Dashboard integriert oder als eigenes Dashboard angelegt werden.

Voraussetzungen

Um diese und weitere Filter-Funktionen nutzen zu können, müssen die entsprechenden Stammdaten der einzelnen Knoten und Unterknoten korrekt hinterlegt und entsprechend gepflegt sein.

All diese Funktionen können bereits genutzt werden, OHNE dass Daten im System angeliefert werden.

→ Schon mit wenigen Daten gewinnen Sie einen großen Nutzen!

Die weiteren Schritte in Richtung Online-Monitoring können Sie dann in Ihrem Tempo mit da³vid gehen und so zustandsbasierte Alarme oder Visualisierungen erhalten.

Welche Folgen hat eine manuelle Datenerfassung in der Produktion?

2022-05-05T13:07:37Z

Daten sind das neue Gold. Insbesondere gewonnene Maschinendaten haben im Zuge der Industrie 4.0 nochmals an Relevanz zugelegt. Mit sauber ermittelten Maschinendaten lässt sich die Effizienz der Produktion erhöhen, teure - weil unproduktive – Nebenzeiten verringern und Ausschuss vermeiden.

In vielen produzierenden Betrieben wird die Maschinendatenerfassung nach wie vor manuell durch die Bediener:innen durchgeführt. Welche Folgen eine manuelle Maschinendatenerfassung haben kann und welche Alternativen es gibt, erfahren Sie in diesem Beitrag.

Die manuelle Datenerfassung und ihre Folgen

Unter Maschinendaten versteht man grundsätzlich alle Informationen, die beim Betrieb einer Industriemaschine anfallen. Unterschieden wird dabei zwischen Prozess- sowie Produktdaten. Prozessdaten beinhalten dabei alle für den Betrieb der Maschine notwendigen Daten, beispielsweise Stromverbrauch oder Steuerungsdaten. Produktdaten hingegen bieten einen Einblick in den Verlauf der Produktion und bestehen unter anderem aus Informationen zu Stückzahlen, Temperaturen, Gewichten oder Toleranzen. Aus den erfassten, gesammelten und sortierten Daten lassen sich Rückschlüsse auf die Produktionsmengen, die Anzahl von Gut- und Ausschussteilen, Laufzeiten, Energiebedarf oder der Maschinen- beziehungsweise Anlagenverfügbarkeit ziehen.

Bei einer manuellen Datenerfassung werden all diese Informationen händisch erfasst – zumeist direkt von den Bedienmannschaften an der Maschine und neben der eigentlichen Arbeit. Die Erfassung erfolgt dabei zumeist auf Papier. Die Folgen einer manuellen Datenerfassung gestalten sich dabei unterschiedlich und können mit einigen Nachteilen für Produktionsbetriebe einhergehen.

Typische Folgen einer manuellen Erfassung von Maschinendaten sind:

Lange Reaktionszeiten

Damit aus manuell erfassten Daten auswertbare Datensätze werden, müssen die an den Maschinen und Anlagen gesammelten Informationen sortiert, transferiert und zusammengefügt werden. Diese Vorgänge kosten vor allem Zeit. Bis aus gewonnenen Daten verwertbare Informationen werden, vergehen zumeist Tage bis Wochen.

Anpassung der Maschinen dauert länger

Wenn durch die manuelle Datenerfassung in der Produktion bei einer anschließenden Analyse festgestellt wird, dass Optimierungspotenziale vorliegen, sind Anpassungen notwendig. In der Zeit zwischen der Erfassung der Daten und der Umsetzung der Anpassungen vergeht Zeit, in der die Maschine mit den „alten“ Parametern weiterarbeitet. Diese Verzögerung senkt die Rentabilität des Produktionsprozesses.

Maßnahmen können nicht direkt abgeleitet werden

Zu den Hauptgründen für eine kontinuierliche Erfassung von Maschinendaten gehören mögliche Optimierungen an den Werkzeugeinstellungen, an den Programmen oder am gesamten Fertigungsprozess. Je schneller notwendige Maßnahmen umgesetzt werden, desto eher lassen sich Fehlerquellen ausschalten oder Prozesse verbessern.

Die manuelle Maschinendatenerfassung bietet zwar eine gute Grundlage für die Umsetzung von Maßnahmen – die allerdings immer mit einem Zeitverzug durchgeführt werden. Eine Umsetzung der gewonnenen Erkenntnisse in Maßnahmen in Echtzeit ist bei manueller Datenerfassung nicht möglich.

Die Produktionsanlage läuft nicht effizient

Nicht erst seit der Industrie 4.0 ist eine maximale Effizienz der eingesetzten Investitionsgüter wie Maschinen und Anlagen der Schlüssel zum Erfolg auf einem immer härter umkämpften, globalisierten Markt. Durch gewonnene Maschinendaten lässt sich so gut wie jeder Parameter optimieren. Doch nicht jeder Parameter lässt sich auch manuell erfassen! Bediener sind immer mit einem subjektiven Blick unterwegs und können Daten – bewusst oder unbewusst – verfälschen. Andere Informationen, beispielsweise minimal schwankende Temperaturen an Lagern oder ein langsam, aber stetig sinkender Ölstand, sind in vielen Fällen erst gar nicht erkennbar. So werden trotz kontinuierlicher Datenerfassung Effizienz-Potenziale verschwendet, die der Wettbewerb eventuell längst erkannt hat – und zu seinem Vorteil umsetzt.

So wird die manuelle Datenerfassung wirkungsvoller

Nicht immer muss gleich die gesamte Produktionslinie auf eine automatisierte Erfassung von Daten umgestellt werden. Dies ist zwar möglich – ist aber nicht in allen Fällen sinnvoll und meist mit recht hohen, initialen Kosten verbunden. Mit kleinen, aber wirkungsvollen „Upgrades“ kann auch eine manuelle Maschinendatenerfassung zu einem mächtigen Instrument für eine gesteigerte Produktivität werden.

Daten digitalisieren und visualisieren

Digitale Daten lassen sich nicht nur deutlich einfacher und schneller verarbeiten als Papierstapel, sondern sich auch „auf Knopfdruck“ visualisieren. Der erste Schritt zu einer effizienteren Erfassung von Daten liegt daher in der Digitalisierung. Im Idealfall werden Maschinenbediener:innen mit tragbaren Geräten ausgestattet, in die sie die relevanten Daten eingeben. Natürlich ist auch ein „Abtippen“ von handschriftlichen Notizen möglich, dies kostet allerdings Zeit und personelle Ressourcen. Digitale Daten sollten, wenn immer möglich, visualisiert – also in Graphen oder Diagramme – umgesetzt werden. Mit visuellen Informationen kann der Mensch wesentlich besser umgehen als mit Zahlen in umfangreichen Tabellen. Erkenntnisse können so deutlich schneller gewonnen werden.

Daten zentral sammeln statt Insellösungen

In vielen Betrieben werden Daten zwar erfasst, aber nicht an einem zentralen Ort gesammelt. Gerade bei Unternehmen mit mehreren Produktionsstandorten findet man regelmäßig „Dateninseln“ – die für sich genommen zwar durchaus nützlich sind, allerdings kein umfassendes Bild des kompletten Produktionsstatus des Unternehmens ermöglichen. Ob Cloud-Lösung oder interner Server: Daten sollten grundsätzlich immer zentralisiert gesammelt werden, um eine Auswertung zu beschleunigen.

Standardisieren der zu ermittelnden Daten

Je feiner und komfortabler die Vorlagen gestaltet werden, in die erfasste Maschinendaten eingetragen werden sollen, desto schneller und zielführender lassen sich die Daten im Anschluss sortieren, analysieren und nutzen. Mit unternehmensweit einheitlichen Prozessen für die manuelle Datenerfassung wird den Bediener:innen an der Maschine die Eingabe erleichtert und Missverständnisse werden vermieden.

Teilweise Automatisierung

Mit einer schrittweisen Automatisierung der Datenerfassung können die relevantesten Daten schnell, effizient und wirtschaftlich erfasst werden – und das zu vertretbaren, initialen Kosten. Mit der Ausstattung der Maschinen und Anlagen mit entsprechender Sensorik sowie intelligenten, maßgeschneiderten Software-Lösungen werden Bedienmannschaften entlastet und Zeiträume zwischen der Erfassung und Umsetzung von Maßnahmen deutlich verringert.

Fazit

Die manuelle Maschinendatenerfassung ist trotz Industrie 4.0 und fortschreitender Digitalisierung immer noch eine wertvolle Methode, um Prozesse zu verbessern, Fehlerquellen aufzuspüren und nachhaltig zu beseitigen. Die Schwächen der manuellen Datenerfassung in der Industrie lassen sich mit kleinen Maßnahmenpaketen beseitigen. Eine automatisierte Datenerfassung entlang der gesamten Produktionslinie ist nicht immer notwendig – mit einer gezielten Automatisierung vor allem an neuralgischen Punkten lässt sich die Datenerfassung auf ein deutlich höheres Niveau bringen. Gerne beraten wir Sie ausführlich zu möglichen Maßnahmen rund um die Datengewinnung in Ihrer Produktion. Sprechen Sie uns hierzu einfach an.

Warum die manuelle Erstellung von Reportings ein teurer Zeitfresser in der Produktion ist

2022-05-24T11:07:37Z

In manchen produzierenden Unternehmen in Deutschland ist die Erstellung von Reportings noch recht aufwändig. Daten werden von Hand erfasst und in andere Medien übertragen, um dann diese Daten auszuwerten. Die Gründe, warum Unternehmen Daten manuell erfassen, können vielfältig sein: Etwa wurde z. B. ein Klemmbrett als “schnelle Lösung” für die Datenerfassung an der Maschine implementiert und danach nicht mehr modernisiert. Oder aber die manuelle Erfassungsmethode wird als kostengünstig angesehen, da oft erstmal keine zusätzlichen Softwarekosten anfallen.

Schnelle Implementierung und kostengünstige Umsetzung klingt erstmal gut. Doch ist diese Art der Datenerfassung auf Dauer wirklich so günstig? Und gibt es pragmatische Lösungen, diesen Vorgang zu optimieren? Auf diese Fragen gehen wir in diesem Blogbeitrag ein.

Zwischenschritte kosten wertvolle Zeit

Erfasst man Daten von Hand können im ungünstigsten Fall viele verschiedene Schritte notwendig sein, bis ein fertiges Reporting vorliegt. Auch die Anzahl der Menschen, die sich mit der Aufbereitung eines Reportings beschäftigen, kann mit der Zahl der Zwischenschritte steigen, z. B. wenn für die Erfassung und Aufbereitung verschiedene Medien oder Formate genutzt werden oder mehrere Abteilungen involviert sind.

Wie viel Zeit durchschnittlich für ein Reporting benötigt wird und welche Kosten entstehen können zeigen wir Ihnen in folgendem Beispiel:

Der Produktionsleiter eines Unternehmens möchte einen fortlaufenden Überblick über seine Overall Equipment Effectiveness (OEE) erhalten. Damit diese berechnet werden kann, bestückt der Leiter die Maschinen mit einer Papierliste, auf denen die für die Kennzahl relevanten Daten von den Mitarbeitenden stündlich erfasst werden sollen (Schritt 1, ungf. 10 Minuten). Am Ende der Schicht werden diese Papiere eingesammelt (Schritt 2, ungf. 20 Minuten) und in einem Tabellenbearbeitungsprogramm eingepflegt (Schritt 3, ungf. 60 Minuten). In diesem Beispiel benötigen mehrere Mitarbeitende insgesamt 90 Minuten für die Erfassung und Aufbereitung von Daten.

In Zwei- bis Dreischichtbetrieben müssen die Vorgänge für jede Schicht wiederholt werden. Rechnet man diesen hoch ergibt sich ein relativ hoher Zeitaufwand: Knapp 4,5 Stunden pro Tag. Das sind 4,5 Stunden, in denen sich die Mitarbeitenden nicht auf ihre eigentliche Arbeit konzentrieren können, sondern Mehraufwand haben.

Es stellt sich außerdem die Frage: Welche Kosten fallen pro Jahr an?

Anlehnend an das obige Beispiel fallen schätzungsweise auf 330 Werkarbeitstage und einem durchschnittlichen Personalkostensatz von 25 € in einem Jahr rund 37.000 € an – nur für die Datenerfassung und Übertragung in ein entsprechendes Tabellenprogramm. Hier sind der Arbeits- und Zeitaufwand für die Aufbereitung der Daten als Diagramme oder auch die Papierkosten nicht berücksichtigt. Software, die bei der Erfassung und Aufbereitung von Daten unterstützen kann, gibt es heutzutage bereits deutlich unter 37.000 € im Jahr.

Subjektive, unvollständige oder zeitverzögerte Daten lassen wenig Optimierungsspielraum zu

Neben den anfallenden Zeitaufwänden und Arbeitskosten ergeben sich außerdem weitere gravierende Nachteile, die händisch erstellte Reportings mit sich bringen: Chancen auf weitere Optimierungen können verpasst werden, weil Daten z. B. subjektiv oder unvollständig sind. Sie lassen unter Umständen keine Rückschlüsse auf Ereignisse zu, die Abläufe stören und deren Beseitigung eine Verbesserung darstellen würde.

Außerdem liegen die Daten aus manuell erstellten Reportings immer zeitverzögert vor, da sie nach der Erfassung oft noch übertragen und aufbereitet werden müssen. Echtzeit-Einblicke in Daten sind somit nicht möglich. Maßnahmen, die keinen Zeitverzug tolerieren, können so schwer durchgeführt werden.

Es muss nicht immer gleich eine vollautomatisierte Lösung sein

Der Gedanke liegt nahe, dass für eine Reduktion der Kosten für das Reporting zwingend vollautomatisierte Prozesse und Daten notwendig sind. Dies wäre hinsichtlich des Zeitaufwands und der Genauigkeit der Datenerfassung der Idealfall, ist für ein kleines oder mittelständiges Unternehmen aber nicht immer umsetzbar. Es kann außerdem vorkommen, dass der vorhandene Maschinenpark im Status Quo für eine vollautomatisierte Datenerfassung noch gar nicht genutzt werden kann, sondern noch im Rahmen einer Modernisierung (Retrofit) mit Sensoren oder ähnlichem nachgerüstet werden muss.

Auch ohne vollautomatisierte Datenerfassung lassen sich bereits Schritte für die Erstellung des Reportings minimieren. Eine pragmatische Lösung für unser Beispiel oben wäre es, die Zettel an den Maschinen durch ein industrietaugliches Tablet zu ersetzen. Zusätzlich bedarf es idealerweise einer Software, die Datenerfassung und die darauffolgende Aufbereitung in einem vereint. Die Daten werden dann von den Mitarbeitenden direkt am Tablet in das System eingegeben, in dem sie für die weitere Analyse bereitstehen. Die Schritte für die Übertragung in ein Tabellenprogramm sowie das Einsammeln der Zettel entfallen. In unserem obigen Beispiel würden so von den 4,5 Stunden täglich vier Stunden eingespart werden – vier Stunden, in denen die Mitarbeitenden ihrer eigentlichen Arbeit nachgehen können. Da die Daten schon im System erfasst sind, sind weitere Datenaufbereitungen wie Dashboards schnell und einfach möglich und je nach Software in Echtzeit abrufbar.

Fazit

Der schnelle und pragmatische Weg über eine manuelle Datenerfassung ist nicht immer die beste Wahl, wenn man Reportings erstellen will. Oftmals sind von der Erfassung bis zum fertigen Reporting Zwischenschritte erforderlich, die relativ viel Zeit in Anspruch nehmen und die Mitarbeitenden von ihrer eigentlichen Tätigkeit abhalten. Es kann sich lohnen, sich hier den Prozess und die notwendigen Schritte in der eigenen Produktion anzuschauen und zu hinterfragen.

Warum Industrie 4.0 Projekte nicht umgesetzt werden

2022-06-10T11:07:37Z

Die klassische Industrie ist einem Wandel unterworfen, der vollkommen zu Recht das Attribut „Revolution“ trägt. Die Digitalisierung der Produktion, die Vernetzung von Maschinen und Anlagen im Zuge des Industrial Internet of Things (IIoT) und eine immer umfassendere Datenanalyse: die Industrie 4.0 ist auch im konservativen Deutschland auf dem Vormarsch.

Einer Studie des Consulting-Dienstleister Deloitte zufolge ist es für Unternehmen marktentscheidend, effektive Strategien zu entwickeln, um die Vorteile der neuen Industrie 4.0-Technologien zu nutzen und langfristig Wachstumschancen zu erschaffen. Gemäß der Studie sind die Unternehmen mit einer implementierten Industrie 4.0-Strategie wirtschaftlich erfolgreicher – allerdings verfolgen in Deutschland gerade einmal 9 % eine entsprechende Strategie. Im internationalen Vergleich liegen die deutschen Unternehmen deutlich zurück.

41 % der in der Studie befragten Unternehmen verfügen über keinerlei Digitalisierungs-Strategie – das sind fast doppelt so viele Betriebe wie im globalen Vergleich. Doch woran liegt es, dass gerade in Deutschland so viele Industrie 4.0 Projekte nicht umgesetzt werden?

An diesen Gründen scheitern Industrie 4.0-Projekte

Fehlende Ressourcen und Kompetenzen im Betrieb

Die Digitalisierung der Produktion benötigt hoch spezialisiertes Fachwissen. IIoT-Experten, Datenanalysen, IT-Security und Big Data: Gerade in kleinen und mittleren Betrieben fehlt es in Deutschland an geeignetem Fachpersonal zur Entwicklung und Umsetzung von Industrie 4.0-Projekten. Das Angebot an Fachkräften auf dem Arbeitsmarkt tendiert nahezu gegen 0, entsprechend viel müssen Unternehmen in die Weiterbildung von Mitarbeitern investieren. Die Weiterbildung dauert und bindet wertvolle Ressourcen. Kein Wunder, dass mangelnde Kompetenz im Betrieb zu den größten Hindernissen bei der Umsetzung von Industrie 4.0 Projekten zählt.

Die Implementierung dauert zu lange

Damit Maschinen oder Anlagen „smart“ werden – also Daten erfassen und für spätere Analysen weiterleiten – müssen entsprechende Sensoren, CPUs und Schnittstellen implementiert werden. Das Upgrade vorhandener Investitionsgüter ist zwar möglich, allerdings steht während der Implementierung die Fertigungslinie still. Gerade in den aktuellen Zeiten angespannter Lieferketten und galoppierender Inflation scheuen Betriebe einen Produktionsstillstand – und verschieben anstehende Digitalisierungsprojekte lieber auf die Zukunft.

Die „German Angst“ vor Veränderung

Digitalisierungsprojekte und -strategien verändern bestehende Arbeitsprozesse teils deutlich. Und Phasen des Umbruches bringen immer Unwägbarkeiten mit sich. Insbesondere in deutschen Unternehmen zeigt sich hier eine tiefsitzende Angst – vor ungeplant langen Stillständen der Produktionsmittel, vor möglichen Schäden während der Implementierungsphase und nicht zuletzt auch vor der Digitalisierung im Allgemeinen. Viele Führungskräfte sorgen sich zusätzlich noch um die Kosten, die das Budget überlasten könnten.

Wir haben doch keine Zeit!

Damit eine Produktion bereit für eine umfassende Datenanalyse und damit fit für die Industrie 4.0 wird, muss Zeit investiert werden. Einerseits für die Umrüstung des Maschinen- oder Anlagenparks, andererseits für das Recruiting neuer Fachkräfte oder die Weiterbildung der Belegschaft. Keine Zeit für Digitalisierungs-Projekte: kaum ein Argument wird so häufig ins Feld geführt wie der Zeitfaktor.

Unternehmensvorgaben für Daten blockieren das Projekt

Jede Schnittstelle „nach draußen“ birgt in digitalen Umgebungen auch immer die Gefahr von Cyberangriffen. Entsprechend streng sind viele Unternehmensrichtlinien ausgelegt. Daten in der Cloud speichern? Zu unsicher, daher verboten. Datenanalyse? Da könnte die DSGVO Probleme machen. Produktionsmaschinen mit dem Internet verbinden? Zu leicht könnten Hacker an wertvolle Programme und Zeichnungen gelangen. Mit bestehenden Vorgaben werden viele Industrie 4.0 Projekte bereits in der Ideenfindungsphase blockiert und entsprechend niemals umgesetzt.

Die Software und Systeme sind zu kompliziert

Je konservativer ein Unternehmen aufgestellt ist, desto größer ist die Sorge vor komplizierten, schwer zu verstehenden IT-Systemen und Software, die für die Digitalisierung zwingend benötigt werden. Gerade dann, wenn die IT-Personaldecke dünn und die Belegschaft im fortgeschrittenen Alter ist, stellen vermeintlich komplizierte, komplexe IT-Architekturen und spezialisierte Software ein enormes Hindernis für die Bereitschaft zur Umsetzung von IIoT-Projekten dar.

Hindernisse sind zum Überwinden da!

Kommen Ihnen die genannten Bedenken rund um die digitalisierte Produktion bekannt vor? Ganz unberechtigt sind die Sorgen nicht, denn schließlich wurde bereits 2015 durch die Uni Siegen festgestellt (Publikation der Uni Siegen), dass die „zunehmend komplexere Verbindung von Maschinen, Materialien, Standorten und Unternehmen […] zweifelsohne weitreichende Auswirkungen für die Produktion, die eingesetzten Produktionsressourcen sowie die inner- und zwischenbetriebliche Organisation von Unternehmen haben.“

Gleichzeitig ist aber sicher, dass sich kein Betrieb vor der vierten industriellen Revolution verstecken kann. Denn der Prozess der umfassenden Digitalisierung der Produktion ist in vollem Gange – und wird sich auch nicht mehr rückgängig machen lassen. Darum sollten Hindernisse nicht aufhalten, sondern überwunden werden!

Implementierung in Echtzeit

Tatsächlich sind die zeitlichen und finanziellen Aufwände, um eine Maschine oder Anlage für digitale Datenanalysen umzurüsten, in vielen Fällen deutlich geringer als vermutet. Oftmals können notwendige Komponenten sogar ohne einen kompletten Shutdown erledigt werden oder lassen sich mit Wartungs-, Reinigungs- oder Instandhaltungsarbeiten verknüpfen.

Jede Veränderung kann auch eine Chance sein

Gewohnte Arbeitsprozesse abschaffen, neue Strategien einführen: Veränderungen können Angst machen, müssen es aber nicht! Je detailreicher Projekte zur Digitalisierung im Vorfeld geplant und besprochen werden, desto geringer sind die Unwägbarkeiten. Tatsächlich bringt die Digitalisierung der Industrie einen deutlichen Mehrwert – durch gesteigerte Transparenz, eine effizientere Produktion und unter Umständen dem entscheidenden Wettbewerbsvorteil.

Datensicherheit „Made in Germany“

IIoT bedeutet nicht zwangsläufig, dass unternehmensinterne Daten über das Internet auf andere Kontinente gesendet werden. Mit Rechenzentren in Deutschland oder dem eigenen Server im Unternehmen lassen sich Industrie 4.0-Projekte datenschutzkonform und rundum sicher aufziehen.

Moderne Lösungen sind anwenderorientiert

Ob individuelles Dashboard oder Programmierung aus dem Baukasten: Moderne Software-Lösungen sind so konzipiert, dass sie in den allermeisten Fällen ohne spezielles Fachwissen eingesetzt werden können. Ergonomie und Zugänglichkeit stehen im Fokus – die Zeiten von mühsam eingetipptem Code, der nur mit jahrelangem Studium verstanden und umgesetzt werden kann, sind endgültig vorbei.

Fazit

Die vierte industrielle Revolution krempelt die Produktionslandschaft drastisch um. Wer jetzt aus Angst vor finanziellen Einbußen die Augen verschließt, wird in naher Zukunft abgehängt. Negative Gedanken und Sorgen spielen gerade in Deutschland immer mit, wenn das Thema „Industrie 4.0“ auf die Agenda kommt. Dabei sind die meisten Sorgen und Nöte schnell zu entkräften – denn wer sich intensiv mit der Digitalisierung beschäftigt, der wird mehr Chancen und Möglichkeiten erkennen als denn unüberwindbare Hindernisse.

5 Wege, wie IoT Ausfallzeiten deutlich reduzieren kann.

2022-07-28T09:08:03Z

Ausfallzeiten sind für Produktionsunternehmen meist teuer und störend. Mit dem (Industrial) Internet of Things (kurz: (I)IoT) können fertigende Unternehmen die digitale Transformation umsetzen. Dabei kann der Einsatz von IoT-Technologien Werkern, Maschinenführern, Produktions- und Betriebsleitern helfen, Probleme zu erkennen, bevor sie auftreten. Somit können beispielsweise die Arbeitsbelastung verringert oder viele andere Aspekte der industriellen Produktion deutlich verbessert werden.

Mit diesen 5 Ansätzen können Sie Stillstände in Ihrer Produktion deutlich reduzieren:

datengesteuerter Ansatz
Predictive Maintenance (vorausschauende Wartung)
Echtzeit- und Fernüberwachung
Erweiterte Analytik
Erstellung anschaulicher Berichte

Es kann relativ schwierig sein, den Zustand der Maschinen permanent im Auge zu behalten. Durch Kurzstopps oder Ausfälle wird die Produktion unterbrochen, was Kosten verursacht und den Geschäftsprozessen und Kundenbeziehungen schadet - etwa durch verzögerte Auslieferungen bzw. mangelnde Liefertreue. Die Ursachen dafür sind meist ungeplante Wartungsarbeiten an der Maschine, Werkzeugbrüche, manuelle Einstellungen oder unbemerkte Leckagen. Mit jeder Minute des Stillstandes, gehen zusätzliche Einnahmen verloren.

Produktions- und Betriebsleiter suchen daher nach einer zuverlässigen Lösung, mit der sie wertvolle Erkenntnisse gewinnen, um Störungen zu verhindern oder zu minimieren - der Einsatz von IoT ist hierfür eine Möglichkeit. Dies ist dann sinnvoll, wenn keine Daten aus den Steuerungen (SPS) abgerufen werden können oder dies mit einem zu hohen Aufwand verbunden ist.

Wie IoT-Technologie die Ausfallzeiten von Maschinen verkürzt

Mit dem Einsatz von IoT-Technologie lassen sich industrielle Aufgaben leichter bewältigen, und es ermöglicht Produktions- und Betriebsleitern datengetriebene Entscheidungen zu treffen.

Nachfolgend finden Sie fünf Wege, wie IoT die Ausfallzeiten von Maschinen verkürzen kann:

1. Datengesteuerter Ansatz

Die Verwendung eines datengesteuerten Ansatzes zur Überwachung von Industrieanlagen bietet messbare Vorteile. Durch IoT-Technologie werden Daten gesammelt, um fundierte Erkenntnisse über Produktionsanlagen und -prozesse zu gewinnen. Diese Daten erhöhen die Chancen auf eine präzise Entscheidungsfindung, die es ermöglicht, die Produktionskosten zu senken.

Betriebs- und Produktionsleiter nutzen die Informationen der installierten Sensoren, um bestimmte Muster zu extrahieren und sich jederzeit ein umfassendes Bild von ihrer Produktion und den Betriebsabläufen zu machen.

2. Predictive Maintenance (Vorrausschauende Wartung)

Eine vorausschauende Wartung mit IoT-Technologie minimiert die Anzahl der Maschinenausfälle, maximiert die Betriebszeit und verbessert die Zuverlässigkeit der Anlagen. Außerdem können die Betriebskosten gesenkt werden, da die Wartung nur dann durchgeführt werden muss, wenn sie notwendig ist. Die IoT-basierte vorausschauende Wartung optimiert den Zeitpunkt der Wartung und sorgt so für große Kosteneinsparungen.

Darüber hinaus profitieren die Branchen, die intelligente Angebote zur Vorhersage rechtzeitiger Maschinenstillstände nutzen, auch von der Erkennung von Anomalien. Sie ermöglicht es den Produktionsmitarbeitern und der Instandhaltung, den Zustand der Maschinen genau im Auge zu behalten - selbst an entfernten Standorten.

3. Echtzeit- und Fernüberwachung

Das IoT ermöglicht die Echtzeitüberwachung von Industrieanlagen und ein intelligentes Aufgabenmanagement. Es hilft bei der Optimierung und Verbesserung der Prozesse und konvertiert Daten in ein benutzerfreundliches Format, damit Produktions- und Betriebsleiter effektiv Entscheidungen treffen können.

Außerdem wird die gesamte Anlage in einem einzigen Dashboard zusammengefasst - idealerweise mit Drill-Down-Möglichkeit auf einzelne Maschinen und Anlagenteile. Dies erleichtert Betriebs- und Produktionsleitern die Arbeit und führt zu messbaren Zeitersparnissen. Auch übermäßige Vibrationen in den Maschinen können erkannt werden, die ungeplante Ausfallzeiten verursachen könnten.

Um Daten und Informationen wie Gerätezustand, Temperatur, Druck und Betriebsbedingungen in Echtzeit zu erfassen, werden an den entsprechenden Anlagen Sensoren installiert.

4. Erweiterte Analytik

Das IoT bringt die Industrie durch Datenanalysen voran: Untersuchungen von McKinsey haben ergeben, dass fortschrittliche Analysen helfen, Maschinenausfälle vorherzusagen, bevor sie eintreten, und die Ausfallzeiten insgesamt um 30 bis 50 % reduzieren können. Darüber hinaus erhöht sich die Lebensdauer der Anlagen um bis zu 40 %, so dass die industrielle Produktivität in jeder Hinsicht verbessert wird.

Eine IoT-gestützte Fertigungssoftware ist meist mit fortschrittlicher Analytik ausgestattet, um fundierte Erkenntnisse zu gewinnen, genaue Vorhersagen zu treffen und Empfehlungen in Form von Berichten zu erstellen. Fortgeschrittene Analysen durch IoT-Technologie setzen Produktivität in der Industrie frei und können die Rentabilität steigern.

5. Erstellung anschaulicher Berichte

IoT-gestützte Fertigungsanlagen helfen Betriebs- und Produktionsleitern dabei, effektive Entscheidungen zu treffen, indem sie verschiedene anschauliche Berichte oder sogar Live-Dashboards erstellen, die alle erforderlichen Daten erfassen und darstellen. Diese veranschaulichen ein Verständnis der gesamten Produktionsstätte, wie z.B. Maschinenzustände, Temperaturanforderungen, Feuchtigkeitskontrolle, Vibrationen, Lärm und Ressourcenverschwendung.

Die Berichte - und das IoT - bieten somit eine effektive Kontrolle über alles, was mit dem Anlagenbetrieb zusammenhängt.

Fazit

Das IoT verändert viele Branchen durch fortschrittliche Techniken; die Fertigung bildet da keine Ausnahme. Dabei ist ein Hauptziel des IoT in der Fertigung die Schaffung einer intelligenten Fabrik. Dementsprechend entscheiden sich viele Hersteller für die Installation intelligenter Software und für den Einsatz von IoT-Technologie. Das erhöht die Produktivität und sorgt für Zukunftssicherheit.

MQTT - Die wichtigsten Infos zum Standardprotokoll der IoT

2022-08-25T13:46:42Z

Ob Smartphone oder Armbanduhr, ob Toaster oder Waschmaschine: In den vergangenen 15 Jahren wurden immer mehr Alltagsgegenstände „smart“. Die Geräte können Daten senden und empfangen und somit miteinander kommunizieren. Damit die Verbindung zwischen den einzelnen Geräten auch in Umgebungen mit niedrigen Bandbreiten oder über große Distanzen funktioniert, braucht es ein verlässliches, leichtgewichtiges Kommunikationsprotokoll: MQTT.

Erfahren Sie hier die wichtigsten Infos rund um das Standardprotokoll des IoT!

Was ist MQTT eigentlich?

Message Queue Telemetry Transport, kurz MQTT, ist ein einfaches und leichtes Messaging-Protokoll, das 1999 von Arlen Nipper und Dr. Andy Stanford-Clark entwickelt wurde. Das Protokoll diente zunächst als Kommunikationsmethode, um in der Öl- und Gasindustrie den Einsatz von Monitoring-Geräten an Remote-Standorten zu ermöglichen, ohne dabei auf die zu der damaligen Zeit übliche Satellitenkommunikation zurückgreifen zu müssen.

Das MQTT Protokoll wurde darauf optimiert, Geräte mit geringen Ressourcen zu vernetzen und auch in instabilen Netzen eine zuverlässige Versorgung mit Dateninformationen zu gewährleisten. Zusätzlich überträgt MQTT Daten in jedem möglichen Format– allesamt Eigenschaften, die das Protokoll optimal für den Einsatz im IoT geeignet machen. Im Jahre 2013 wurde MQTT von OASIS, der „Organization for the Advancement of Structured Information Standards” als Open Source standardisiert.

Wie funktioniert MQTT?

MQTT basiert auf einer Publish/Subscribe-Architektur, die auf TCP/IP läuft. Innerhalb der Architektur wird zwischen zwei Arten von Systemen unterschieden, den Clients auf der einen und dem Broker auf der anderen Seite. Die Clients stellen dabei die Endgeräte dar, während der Broker ein Server ist, mit dem die Clients kommunizieren. Anders als bei http gibt es bei MQTT keine direkte Ende-zu-Ende-Kommunikation zwischen den einzelnen Geräten im Netzwerk, vielmehr verbinden sich Sender und Empfänger mit dem Broker, um Nachrichten auszutauschen.

Die einzelnen Clients können gleichermaßen Nachrichten senden (publish) oder empfangen (subscribe). Beim Versand einer Nachricht erhält diese einen sogenannten Topic – ein String, der als Betreffzeile der Nachricht fungiert und gleichzeitig den Kommunikationskanal des Clients darstellt. Trifft die Nachricht beim Broker ein, überprüft dieser, welche Subscriber einen Kanal für den Empfang der Daten geöffnet haben – und leitet die Nachricht dann an die entsprechenden Geräte weiter.

Der große Vorteil dieser Architektur: Es findet nur dann eine Datenübertragung statt, wenn Informationen zum Versand vorliegen.

Wichtige MQTT-Begriffe kurz erklärt

Broker

Der Broker ist gewissermaßen die Schaltzentrale im Mittelpunkt des MQTT-Protokolls. Der Broker übernimmt den Empfang der durch die verbundenen Clients versendeten Nachrichten, filtert die Nachrichten und bestimmt, welcher Client welche Nachrichten-Topics abonniert hat. Auch den Versand der Nachrichten an die Clients ist Aufgabe des Brokers. Weiterhin ist der Broker zuständig für die Authentifizierung und Autorisierung von Clients und verwaltet die Sitzungen von dauerhaft verbundenen (persistenten) Clients.

Client

Client ist der Sammelbegriff für alle Geräte oder Software, die mit dem Broker verbunden sind. Clients können beispielsweise Temperatursensoren, Smartphones oder Uhren, aber auch CNC-Steuerungen, Messgeräte oder Datenlogger sein. Clients können sowohl als Publisher Nachrichten an den Broker senden als auch als Subscriber Nachrichten vom Broker empfangen.

Topic

Das MQTT Protokoll ermöglicht es IoT-Geräten, Informationen zu einem bestimmten Thema – dem Topic – an den Broker zu senden. Das Topic stellt dabei grob gesagt die „Betreffzeile“ der versendeten Informationen dar. Der Broker wählt unter den verbundenen Clients dann diejenigen aus, die das Topic abonniert haben. Wichtig zu wissen: Das Topic stellt nicht die Adresse des Clients dar, sondern vielmehr einen Kommunikationskanal.

Payload

Die Payload bildet den Inhalt der Nachrichten, die zwischen Client und Broker über das MQTT Protokoll ausgetauscht werden. Zur Verdeutlichung kann hier ein Temperatursensor aufgeführt werden. Der Sensor schickt eine Nachricht mit dem Topic „Temperatur“ an den Broker und verwendet als Payload „18° Celsius“. Jeder Subscriber, der dieses Topic abonniert hat, erhält somit die Information „18° Celsius“ durch den Broker. Die Payload ist bei MQTT frei gestaltbar, sollte jedoch strukturiert werden. Häufig verwendete Nachrichtenstrukturen sind XML oder JSON – immer abhängig von den eingesetzten IoT-Geräten und Schnittstellen. Je besser die Struktur auf die verbundenen Geräte und Software abgestimmt ist, desto reibungsloser gelingt die Kommunikation.

Wie wird MQTT verwendet?

MQTT ist als schlankes, datensparendes Kommunikationsprotokoll wie geschaffen für den Einsatz in der Industrie 4.0 und allen weiteren Anwendungsbereichen, in denen Geräte und Software untereinander kommunizieren. Durch das Publisher/Subscriber-Konzept lassen sich Informationen zwischen Geräten, Software und Maschinen austauschen.

Im Bereich der Industrie 4.0 ist ein typischer Anwendungsfall der Einsatz von smarten Sensoren, beispielsweise Temperatursensoren am Antrieb einer Maschine. Der Sensor verschickt seine Nachricht mit dem Topic „Temperatur“ und dem Inhalt „75° Celsius“ an den Broker, der die Nachricht an die Abonnenten versendet:

Der Servicetechniker erhält eine Warnung über eine deutlich erhöhte Temperatur am Antrieb von Maschine XYZ.
Gleichzeitig erhält die Steuerung der Maschine die gleiche Nachricht und drosselt die Drehzahl des Antriebs, um Schäden zu vermeiden.
Die verbundene Produktionsplanungs-Software erhält die Nachricht und nimmt die Maschine vorerst aus dem Arbeitsplan.

Fazit

Das offene Nachrichtenprotokoll MQTT ist perfekt für die Kommunikation in unzuverlässigen Netzwerken oder solchen mit geringer Bandbreite geeignet – und damit wie geschaffen für das Internet der Dinge oder die Maschine-zu-Maschine-Kommunikation. Die effiziente Publisher/Subscriber Architektur, die auf TCP/IP läuft, kommt ohne periodische oder dauerhafte Datenübertragung aus und arbeitet mit einem sehr eng definierten, sehr kleinen Aufbau der Nachrichten. Ob Sensoren oder Software, ob Maschine oder Steuerung: MQTT ist sicherlich eine der wichtigsten Bausteine im Bereich Industrie 4.0.

david IoT Release v2.19.0: Aufbewahrungsrichtlinien für historische Daten direkt im Frontend konfigurieren.

2025-04-30T14:00:00Z

🆕 david IoT v2.19.0: Historische Daten gezielt verwalten
Mit dem neuen Release v2.19.0 erhält david IoT eine zentrale Funktion für alle, die ihre Datenhaltung optimieren und Speicherplatz effizient nutzen möchten: individuell konfigurierbare Aufbewahrungsrichtlinien für historische Messwerte.
Was zuvor den Systemadmins mit Zugriff auf die Linux-Konsole und Datenbank vorbehalten war, wird nun für alle regulären Admins im Frontend möglich.

🔧 Was ist neu?
Ab sofort können Sie direkt im Frontend von david IoT festlegen:

Wie lange Rohdaten gespeichert bleiben
Wie lange zeitlich aggregierte Werte (z. B. Minutendurchschnitte oder Tageswerte) vorgehalten werden
Dabei stehen sogenannte Time-Buckets zur Verfügung, die sich flexibel von einer Minute bis zu einem Monat einstellen lassen.

♻️ Speicher intelligent nutzen – mit automatischer Löschung
david IoT löscht ältere Daten automatisch, sobald sie außerhalb der definierten Aufbewahrungszeiträume liegen. Damit entsteht die Funktionalität eines Ringspeichers: Ihre Datenbank bleibt schlank, ohne dass Sie auf aktuelle Informationen verzichten müssen.

Ideal geeignet für:

Systeme mit begrenztem Speicher, z. B. auf Edge-Geräten
Anwendungen mit rechtlichen oder vertraglichen Aufbewahrungsgrenzen
Szenarien, in denen nur aktuelle Daten benötigt werden

🧪 Wie Sie die passende Konfiguration finden
Da sich der Speicherbedarf durch automatische Datenkompression verändern kann, empfehlen wir folgenden Ablauf:

Simulieren Sie einen realitätsnahen Datenfluss mit produktionsähnlicher Belastung.
Lassen Sie die Anwendung einige Tage unter diesen Bedingungen laufen.
Prüfen Sie anschließend den tatsächlichen Speicherverbrauch im Administrationsbereich.
Passen Sie die Aufbewahrungsrichtlinien entsprechend an.

⚠️ Bitte beachten Sie:

Eine Verkürzung der Aufbewahrungszeit führt zum unwiderruflichen Löschen älterer Daten.
Diese Einstellungen können sich auf Dashboards und Berichtsfunktionen auswirken.

Alle Details sowie weitere Neuerungen und Fehlerbehebungen finden Sie wie gewohnt in unseren vollständigen Release Notes.

🧠 Release-Highlights im Überblick:

Individuelle Aufbewahrungsrichtlinien pro Datenpunkt oder Aggregat
Automatische Löschung durch konfigurierbare Hintergrundprozesse (Jobs)
Visualisierung der Speichernutzung im Administrationsbereich
Fehlerbehebung: Standardrichtlinien für Bool-, String- und JSON-Datenpunkte ergänzt

Wir wünschen Ihnen viel Erfolg beim Einsatz der neuen Funktionen! Bei Fragen oder Anregungen steht Ihnen das embedded data Team gerne zur Verfügung.

Mit besten Grüßen
Ihr embedded data Team

david IoT Release v2.19.0: Configure data retention policies for historical data directly in the frontend.

2025-04-30T14:00:00Z

🆕 david IoT v2.19.0: Manage historical data with precision
With the new Release v2.19.0, david IoT introduces a key feature for all users who want to optimize their data retention and use storage space more efficiently: individually configurable retention policies for historical measurement data.
What was previously reserved for system administrators with access to the Linux console and database is now available directly to regular admins in the frontend.

🔧 What’s new?
From now on, you can define directly in the david IoT frontend:

How long raw data is stored
How long time-aggregated values (e.g., minute averages or daily values) are retained

To do this, you can use so-called Time Buckets, which can be flexibly configured from one minute to one month.

♻️ Use storage smartly – with automated deletion
david IoT automatically deletes older data once it falls outside the defined retention period. This creates the functionality of a ring buffer: your database stays lean without sacrificing access to current information.

Especially useful for:

Systems with limited storage, e.g., on edge devices
Applications with legal or contractual data retention limits
Scenarios where only the most recent data is needed

🧪 How to find the right configuration
Since actual storage requirements may vary due to automatic data compression, we recommend the following approach:

Simulate a realistic data stream under production-like load
Let the application run under these conditions for several days
Check the actual storage usage in the administration area
Adjust the retention policies accordingly

⚠️ Please note:
Reducing the retention period will result in the irreversible deletion of older data.
These settings may affect the display of dashboards and the generation of reports.

All details, as well as other new features and bug fixes, can be found in our full release notes.

🧠 Release highlights at a glance:

Individual retention policies per data point or aggregate
Automatic deletion via configurable background processes (jobs)
Visualization of storage usage in the administration area
Bug fix: Added default retention settings for Bool, String, and JSON data points

We wish you great success with the new features! If you have any questions or feedback, the embedded data team is happy to assist.

Best regards,
Your embedded data team