Wie Daten-Streaming-Plattformen die OEE steigern

Maschinendaten müssen transformiert und unternehmensweit bereitgestellt werden, sobald sie generiert werden, um den größtmöglichen Mehrwert aus den Daten zu ziehen. Dadurch sind Betriebe in der Lage, kritische Ausfälle zu vermeiden und Gesamtanlageneffektivität (Overall Equipment Effectiveness – OEE). Automobilhersteller wie BMW und Tesla haben bereits das Potenzial von Daten-Streaming-Plattformen erkannt, um ihre Daten in Bewegung zu bringen. Dieser Artikel erklärt die Vorteile von Daten-Streaming und wie diese Technologie datengetriebene Produktionsunternehmen bereichert.

Die Ziele der zunehmenden Digitalisierung und Automatisierung des Fertigungsbereichs sind vielfältig: Produktionsprozesse sollen insgesamt effizienter, schneller und günstiger gestaltet sowie Fehlerraten minimiert werden. Fertiger sind zudem bestrebt, die Gesamtanlageneffektivität (Overall Equipment Effectiveness – OEE) in ihren Produktionsstätten zu steigern – vom Produktdesign und der Herstellung bis hin zu Wartungsarbeiten. Gleichzeitig werden sie dadurch mit ebenso vielfältigen Herausforderungen konfrontiert.

Autor: Kai Waehner, Field CTO bei Confluent.

Industrie 4.0 bedeutet, dass die Menge an täglich generierten Daten zunimmt, die in nahezu Echtzeit durch die Systeme transportiert, bearbeitet, analysiert und bereitgestellt werden müssen. Erschwerend kommt hinzu, dass sich in heutigen Produktionsstätten weiterhin Legacy-IT-Umgebungen befinden. Dies schränkt Fertiger in ihren Möglichkeiten ein, Daten über den gesamten Betrieb hinweg effizient zu integrieren.

Die Herausforderungen der Industrie 4.0 mittels Daten-Streaming meistern

Machine-to-Machine-Kommunikation und das (Industrial) Internet of Things ((I)IoT) ermöglichen unter anderem Automatisierung, datengestütztes Monitoring sowie den Einsatz intelligenter Maschinen, die zum Beispiel Mängel und Schwachstellen selbstständig identifizieren können. Für all diese Szenarien müssen große Datenmengen in nahezu Echtzeit verarbeitet sowie anlagen-, unternehmens- und unter Umständen weltweit bereitgestellt werden. Grundvoraussetzung ist dabei die Integration sowohl mit verschiedenen Systemen, wie Edge- und IoT-Geräte und Business Software, als auch die Ausführung unabhängig von der zugrundeliegenden Infrastruktur (Edge, On-Premises sowie Public, Multi- und Hybrid Cloud). Daher ist eine offene, elastische und flexible Architektur daher unerlässlich, um mit der Legacy-Umgebung zu integrieren und gleichzeitig von den Vorteilen moderner Cloud-nativer Anwendungen zu profitieren.

Event-getriebene, offene und elastische Daten-Streaming-Plattformen wie Apache Kafka bedienen genau diese Anforderungen. Sie sammeln neben den Daten aus informationstechnischen Systemen wichtige Sensor- und Telemetrie-Daten und bearbeiten diese, während sie sich in Bewegung befinden (Data in Motion). Die Datenintegration in Legacy- und moderne Systeme findet in nahezu Echtzeit statt – die Zielsysteme können relevante Daten sofort nutzen. Dabei spielt es keine Rolle, auf welcher Infrastruktur die IT-Landschaft des Betriebs aufbaut. Die Entkopplung der Systeme erlaubt neben dem kontinuierlichen Datenstrom auch die Speicherung von Nachrichten, bis diese von den Zielsystemen konkret benötigt werden. Kafka ist zudem höchst verfügbar und ausfallsicher, was im Produktionsumfeld von entscheidender Bedeutung ist.

Gesamtanlageneffektivität: OEE-Szenarien, die von Daten-Streaming profitieren

Als zentrales Nervensystem sind Daten-Streaming-Plattformen in verschiedenen Use Cases einsetzbar, um die Gesamtanlageneffektivität zu steigern. Diese umfassen die Konnektivität via Messaging-Technologien wie MQTT, Industrie-Standards wie OPC-UA, die Visualisierung verschiedener Geräte und Anlagen in Form von Digital Twins sowie Modern Maintenance in Form von Condition Monitoring und Predictive Maintenance.

Maschinenkonnektivität mit OPC-UA oder MQTT

Im IoT-Bereich haben sich das Message Queue Telemetry Transport-Protokoll (MQTT) und OPC Unified Architecture (OPC UA) als Standards für den Datenaustausch als plattformunabhängige offene Standards etabliert. 

OPC-UA und MQTT sind nicht für die Datenverarbeitung und -integration entwickelt. Stattdessen ist die Stärke, dass die bidirektionale “Letzte-Meile-Kommunikation” zu den Geräten, Maschinen oder Fahrzeugen in Echtzeit hergestellt wird. Dabei haben beide Standards unterschiedliche “Sweet Spots” und können auch kombiniert werden: OPC-UA wird von fast allen modernen Maschinen, SPS, und IoT-Gateways für die smarte Fabrik unterstützt. MQTT wird insbesondere in schlechten Netzwerken und/oder auch für tausende und hundert-tausende Geräte verwendet.

Diese Datenströme werden dann via Konnektor in die  Daten-Streaming-Plattformen gestreamt: Die Streaming-Platform   kann entweder parallel zu den IoT-Plattformen ‚at the Edge‘ eingesetzt werden oder auch in Hybrid oder Cloud Szenarien kombiniert werden.  Die Event-Streaming-Platform wird dabei als skalierbarer Datahub für die Datenintegration und -verarbeitung zwischen OT- und IT-Anwendungen verwendet. Neben OPC-UA und MQTT auf der OT Seite werden auch diverse IT-Anwendungen wie MES, ERP, Data Warehouse oder Data Lake in Echtzeit angebunden, egal ob diese ‘at the edge’, on-premise oder in der Cloud betrieben werden,  .

Digital Twins

Durch den kontinuierlichen Datenstrom und der Verarbeitung und Integration von unter anderem Sensordaten ermöglichen Daten-Streaming-Plattformen den Aufbau einer offenen, skalierbaren und hochverfügbaren Infrastruktur für den Einsatz von Digital Twins. Digital Twins verbinden die Bereiche IoT, Künstliche Intelligenz, Machine Learning und Software Analytics miteinander, um eine virtuelle Simulation von zum Beispiel physischen Bauteilen, Geräten und Prozessen zu erstellen. Sie sind zudem in der Lage, historische Daten zu berücksichtigen und sich selbst zu aktualisieren, sobald sich die Daten ändern, die vom physischen Gegenstück generiert werden. Industrie 4.0 profitiert in vielerlei Hinsicht von digitalen Zwillingen, da sie einen detaillierten Einblick in den Lifecycle der Elemente zulassen, die sie simulieren. So können zum Beispiel Produkt- und Prozessoptimierungen vorgenommen, einzelne Einzelteile oder ganze Systeme auf ihre Funktionsfähigkeit und Performance getestet oder Prognosen über Energieverbrauch und Abnutzung erstellt werden.

Condition Monitoring und Predictive Maintenance

Maschinenbetreiber stellen sich in Sachen Modern Maintenance vor allem Fragen wie: Funktionieren sämtliche Geräte wie vorgesehen? Wie lang werden diese Geräte normal funktionieren bis Wartungsarbeiten notwendig sind? Worin liegen die Ursachen von Anomalien und Fehlern? Zum einen können hier ebenfalls Digital Twins im Rahmen des Monitorings und der Diagnostik eingesetzt werden. Sie korrelieren aktuelle Sensordaten mit historischen Daten, wodurch sich Fehlerursachen identifizieren und Wartungsmaßnahmen antizipieren lassen. Zum anderen können Produktionsstätten auch in diesem Bereich von Daten-Streaming profitieren. Voraussetzung für Modern Maintenance ist eine zuverlässige und skalierbare Infrastruktur, die die Bearbeitung, Analyse und Integration von Datenströmen ermöglicht. Dadurch lassen sich in Anlagen in nahezu Echtzeit kritische Veränderungen wie starke Temperaturschwankungen oder Vibrationen feststellen, woraufhin Betreiber entsprechende Maßnahmen zur Erhaltung der Anlageneffektivität einleiten können. Durch die effizientere prädiktive Planung von Wartungsarbeiten sparen Fertigungsunternehmen vor allem wertvolle Ressourcen, da Geräte und Anlagen nur dann gewartet werden, wenn es notwendig ist. Zudem umgehen Betreiber kostspielige Downtime-Phasen, in denen Maschinen über einen gewissen Zeitraum nicht produktiv sind.

OEE: Wie das Konzept die Gesamtanlageneffektivität steigert

Eine Event-getriebene Daten-Streaming-Plattform stellt aufgrund ihrer Elastizität und hohen Verfügbarkeit eine Möglichkeit dar, die Gesamtanlageneffektivität von Produktionsstätten maßgeblich zu steigern. Mithilfe ihrer Datenbearbeitungs- und -integrationsfähigkeiten ergänzen sie unter anderem die Maschinenkonnektivität via MQTT oder OPC-UA. Dadurch lassen sich Ströme von Sensordaten in nahezu Echtzeit durch den gesamten Betrieb transportieren – die Grundlage für den Einsatz von Digital Twins sowie Modern Maintenance wie Condition Monitoring und Predictive Maintenance. Durch die gesteigerte Gesamtanlageneffektivität können Fertigungsbetriebe nicht nur produktiver arbeiten und Störpotenziale umgehen, sondern ebenfalls Zeit und Kosten einsparen.