Wie lässt sich die Gesamtanlageneffektivität mittels Daten steigern?

Anbieter zum Thema

Schneider Electric GmbH

BE-terna GmbH

MEGLA GmbH

Die Frage, wie sich die Gesamtanlageneffektivität steigern lässt, treibt so manchen Produktionsverantwortlichen an. Hier eine mögliche Antwort.

„Die" Maßeinheit für eine effektiv ablaufende Produktion ist die Overall Equipment Effectiveness (OEE), zu deutsch: Gesamtanlageneffektivität. Aber wie setzen Fertigungsunternehmen den Hype und das Potenzial von Künstlicher Intelligenz (KI) sowie Internet of Things (IoT) in sinnstiftende Resultate für die Produktion um? Sprich, wie steigern sie die Gesamtanlageneffiktivität mittels gesammelten Daten?

Mit solchen Fragen beschäftigt sich FactoryPal als Teil des Körber-Konzerns seit einigen Jahren. Körber wiederum ist im Kern ein Maschinenbauer, der Produktionsmaschinen für die Bereiche Pharma, Tissue (Hygiene-Papiere) , Supply Chain (Logistik) und die tabakverarbeitende Industrie herstellt.

Autor: Asdrúbal Pichardo ist CEO von FactoryPal

Warum sich die Gesamtanlageneffektivität immer noch steigern lässt

Auch die optimierteste Fertigungsanlage besteht aus zahlreichen verschiedenen Maschinen unterschiedlicher Hersteller und mehreren Produktionslinien. Das führt zu diversen Herausforderungen, bei denen KI und maschinelles Lernen (ML) unterstützen können, um ungenutzte Potentiale zu erschließen. Zum Beispiel beim Koordinieren unterschiedlicher Geschwindigkeiten der Maschinen einer Produktionslinie, und der deutlichen Reduktion von ungeplanten Ausfallzeiten.

Hier setzte auch das Körber Geschäftsfeld Digital an, als es 2019 das Unternehmen FactoryPal gründete. Dieses wendete sich zunächst an die Tissue-Industrie. Nicht zuletzt, weil Körber hier ein eigenes Geschäftsfeld hat, das das branchenspezifische Detailwissen zur Maschinensteuerung und den Produktionsmaschinen liefert. Mittlerweile richtet sich FactoryPal aber an alle Fertigungsunternehmen in der Prozessindustrie und hat sich erfolgreich als KI-getriebene SaaS-Lösung positioniert.

In der Praxis heißt das: die Software verarbeitet die Produktionsdaten von bis zu 600 Datenpunkten pro Sekunde und empfiehlt den Maschinenführern in Echtzeit optimale Maschineneinstellungen über eine „Smartphone“ App. Die Daten werden über ein IoT-Gateway gesammelt, das beim Anwender installiert ist, und schließlich in die Cloud übertragen.

Ausfallzeiten mit maschinellem Lernen vorhersagen und die Gesamtanlageneffektivität steigern

Nutzen und Mehrwert der Softwarelösung zeigt sich bei der Umsetzung für einen von Europas führenden Herstellern von Hygienepapieren und Recyclingfasern.  Dieser Use-Case bebildert die Herausforderungen, denen FactoryPal begegnet, sehr gut. Die Ausgangssituation war komplex, ging es doch darum die Daten von 30 Produktionslinien in neun europäischen Fabriken in verwertbare Ergebnisse umzuwandeln und die Gesamtanlageneffektivität zu steigern, im Zusammenspiel von Mensch, Technik und Software.

Ein Problem besteht in solchen Fällen vor allem in der Datenerfassung – die schiere Menge und Komplexität der Daten macht eine Auswertung schwierig, zugleich schmälern Fehleinschätzungen und Inkonsistenzen das Vertrauen in die gesammelten Informationen. Um besagte Fehleinschätzungen zu verhindern, generiert Körber die gesamte KI-Pipeline selbst mit einem Team von Spezialisten. Um von Anfang an so eng als möglich an den Bedürfnissen der Anwender zu bleiben, arbeitet das Unternehmen mit potentiellen Anwendern im Rahmen von Co-Creation zusammen. So begann auch die Zusammenarbeit mit besagtem Papierhersteller.

Maschinendaten richtig deuten bedeutet OEE-Steigerung

Die Kooperation machte schnell deutlich, dass bereits kleine und ungeplante Ausfallzeiten in der Fertigung zu erheblichen OEE-Rückgängen führen. Es ist eine Herausforderung für die Fabriken, die Gründe für die Ausfälle detailliert zu erfassen und zu analysieren. Wenn es gelingt lässt sich schnell und mit geeigneten Maßnahmen auf sie reagieren, um die Auswirkungen auf die Gesamtanlageneffektivität zu minimieren. Dies erfordert, dass man proaktives Handeln ermöglicht und die Indikatoren erkennt, bevor es zu einem Ausfall kommt. FactoryPal wendet dafür ein eigenständiges ML-Modell an, das die zukünftige OEE vorhersagt, während andere Lösungen eher reaktiv agieren und weniger auf Echtzeitdaten basieren.

Für diesen Blick nach vorne kombiniert die Software Daten aus verschiedenen Datenquellen: Maschinendaten, die von SPSen (Speicherprogrammierbare Steuerungen) stammen, Daten aus anderen Kundensystemen wie ERP und MES (etwa Produktspezifikationen und Arbeitsaufträge) sowie Eingaben der Maschinenbediener (beispielsweise der Grund für die Ablehnung einer Maschinenparameterempfehlung). Nach dem Einlesen und Übertragen der Daten werden sie in der Cloud von der generierten KI-Pipeline analysiert. Haben die Algorithmen Vorschläge zur Optimierung errechnet, werden diese per Nachricht auf eine App an den zuständigen Maschinenführer geschickt, die sowohl am PC, Smartphone als auch auf dem Tablet läuft. Durch die Anwendung der KI-generierten Empfehlungen konnten dabei eine signifikante OEE-Steigerung von bis zu 30 Prozent erzielt werden. Darüber hinaus hat sich die Maschinenstillstandszeit um mehr als 50 Prozent reduziert.

Fazit

Die technologische Entwicklung sprintet im atemberaubenden Tempo voran. Bereits heute ist es möglich, durch die Auswertung von Daten in Echtzeit die Gesamtanlageneffektivität von Fertigungsunternehmen signifikant zu erhöhen. Das Ziel von FactoryPal ist es, Software zu entwickeln, die den Faktor Mensch in der industriellen Fertigung stärkt und mit Hilfe von Echtzeitdaten Maschinenführer zu Dirigenten über ein harmonisch orchestriertes Maschinenensemble macht. Klar ist, KI und IoT benötigen auf absehbare Zeit in letzter Konsequenz immer auch den Menschen, um im industriellen Kontext Mehrwert zu stiften.

Lesen Sie auch: DMG Mori legt bei Aufträgen zu und hebt seine Prognose an