Maschinen digital anbinden
In fast jeder Produktion laufen Maschinen von unterschiedlichen Herstellern aus unterschiedlichen Jahrgängen mit unterschiedlichen Steuerungen. Die digitale Anbindung solcher Maschineparks gilt als die zentrale Herausforderung – insbesondere für global fertigende Unternehmen mit internationalen Produktionsnetzwerken. Basis jeder weitreichenden IIoT-Strategie ist daher Konnektivität. Die Anbindung der Maschinen erfolgt idealerweise mit Plug-in-Konzepten, die möglichst alle gängigen Protokolle von Maschinenherstellern sowie Industriestandards unterstützen sollten. Anbindungswege beziehungsweise unterstützte Protokolle sollten vielfältig sein und von einfachen Anbindungen via 24V-Kabel über Steuerung-Plugins und Standards wie MTConnect, OPC/UA bis zu Cloud-typischen Protokollen wie MQTT und DNC reichen. Mit einem standardisierten Konzept dauert der Anschluss zum Beispiel von drei Pilot-Maschinen ein bis zwei Tage. Dann kann die weitere Vernetzung mit Fabriksoftware-Lösungen oder der Planungsebene (ERP) via Adapter starten. Für Unternehmen mit globalen Fertigungsnetzwerken stellt die Vernetzung der Maschinen und Anlagen eine besondere Herausforderung dar. Eine Skalierung der Maschinenanbindung sollte in diesem Umfeld möglichst standardisiert erfolgen können, um Zeit und Kosten zu sparen. Mit der Zeit und dem Projektfortschritt wachsende Template-Bibliotheken helfen dabei.
Daten harmonisieren
Digitalisierung ist ein Werkzeugkasten, mit dem Unternehmen strategische Ziele erreichen können. Entscheidend ist die Generierung und Nutzung von vereinheitlichten Daten. Oft ist es dafür erforderlich, die Kluft zwischen IT- und OT-Ebene zu schließen. Operativ bedeutet das: Nach der Vernetzung der Fabrikanlagen müssen die eingesammelten Maschinen- und Sensorsignale von Software in relevante und nutzbare Informationen umgewandelt werden. Dabei zielen aktuelle IT-Projekte häufig darauf ab, Vorgänge in Echtzeit in allen gewünschten Systemen abbilden zu können. Anhand der Datenflüsse sollen Verschwendungen und Fehler virtuell analysiert und real optimiert werden können. Von einem digitalen Zwilling der Produktion ist zu sprechen, sobald die Signale aus dem Maschinenpark (Machine Twin) mit ihren Auftrags- und Eingabedaten zusammenlaufen. In solchen Systemen lassen sich etwa Effizienz- und Qualitäts-Analysen anstellen, die Rückverfolgbarkeit sicherstellen und eine höhere Ressourceneffizienz anstreben. Neben Echtzeit-Analysen profitieren Hersteller im besonderen Maße auch von der Auswertung historischer Daten. Typischerweise geht es um Fragen wie:
- In welchem Fertigungsbereich wurde im vergangenen Monat die höchste Qualität erreicht?
- Welche Anlagen hatten in den letzten sechs Monaten den höchsten Energieverbrauch?
- Welche Maschinen dürften im nächsten Monat einen erhöhten Wartungsbedarf haben?
Für gespeicherte Informationen, die auf Knopfdruck zur Verfügung stehen, sorgen sogenannte Data Lakes. Diese Datenseen enthalten – vereinfacht ausgedrückt – die digitalen Zwillinge jeder Maschine: eingesammelte Rohsignale auf Maschinen- und Event-Ebene (Strom, Hübe, Druck, Gewicht, Verbräuche etc.) sowie semantische Interpretationen der Signale mit Zeitstempel. Sind Unternehmen in der Lage, Echtzeit-Analysen und historische Analysen effizient und aussagekräftig durchzuführen, sind sie schon vergleichsweise gut aufgestellt.
Lösungen komponieren
Im aufkommenden Zeitalter lernender IT-Systeme stehen produzierende Unternehmen vor der besonderen Herausforderung, innovative Lösungen wie KI und Co. auf teils exorbitant teuren Bestandsanlagen einzusetzen, die noch Jahre ungestört laufen sollen. Unternehmen benötigen demnach Stabilität in der Produktion sowie Flexibilität in der Auftrags- und Kapazitätsplanung. Modular aufgebaute IT-Plattformen vermitteln zwischen beiden Bedürfnissen und ermöglichen die schrittweise digitale Transformation der Produktions-IT – und unterstützen längerfristig auch die Integration in digitale Liefer- und Serviceketten. IT-strategisch wünschen viele Unternehmen eine Trennung, welche Daten in welchen Systemen gehostet werden. Datensammeln und das Steuern der Maschinen wird aktuell häufiger dezentral am Netzwerkrand erledigt, am ‚Edge‘, während ein weiterer Teil der Software in einer Cloud läuft. Technologisch ist bei diesen Hybrid Cloud-/Edge-Lösungen eine Herausforderung, die verschiedenen Maschinenanbindungen und Maschinensignale zu übersetzen und als standardisierte Events an übergeordnete Systeme weiterzuleiten. In komponierbaren IT-Architekturen können die Maschinendaten der Produktion zur einheitlichen Datenquelle werden – einer Single Source of Truth. Damit arbeiten alle Rollen im Unternehmen bei ihren Auswertungen mit derselben Datenbasis. So wird der Maschinenpark, egal wie alt und heterogen, zu einem echten Aktivposten auf dem Weg zu den strategischen Unternehmenszielen Effizienz, Nachhaltigkeit und Innovationskraft.