Predictive Maintenance in der Herstellung
Im Bereich der Industrie 4.0 kann die Datenstromanalyse von Live-Daten zur Prozessoptimierung, als Maßnahme des Predictive Maintenance und zur Verringerung von Produktionskosten eingesetzt werden. Das gelingt durch die kontinuierliche Auswertung verfügbarer Daten. Erhöht sich beispielsweise der Stromverbrauch einer Maschine, kann automatisiert eine Benachrichtigung versandt und sofort eine Überprüfung eingeleitet werden. Auf diese Weise wird es möglich, Ausfallzeiten zu verhindern, notwendige Instandhaltungsarbeiten vorherzusagen und Prozesse zu optimieren, indem sofort auf die zur Verfügung gestellten Informationen reagiert werden kann. Resultierend aus diesen Vorteilen ergibt sich die Möglichkeit, Produktionskosten zu reduzieren.
Predictive Maintenance als Service-Angebot
Nicht nur die Auswertung von Daten der herstellenden Maschinen können für das Unternehmen wertvoll sein, sondern auch jene, die Auskunft über den Zustand eines verkauften Produkts geben. Dadurch ergeben sich Service-Dienstleistungen, die ein Kunde buchen kann. Beispielsweise können Sensordaten aus verkauften technischen Geräten ausgewertet werden und ein Verschleiß anhand von Anomalien in den Daten frühzeitig erkannt werden. Somit kann der Kunde schnell reagieren und eine Reparatur veranlassen, ehe ein größerer Defekt oder ein irreparabler Schaden entsteht.
Welche Informationen aus den Daten herausgefiltert werden sollen, können Sie als Anwender selbst bestimmen, indem Sie die Analyseschritte modellieren. Durch das einfache Zusammenfügen der vorgefertigten und erprobten Operatoren unserer Data Stream Processing Plattform entstehen individuelle Lösungen, die genau die Informationen bereitstellen, die für Ihre Entscheidungen relevant sind.
Grundlage für diese Auswertungsmöglichkeiten ist das Internet der Dinge, durch das ununterbrochen Daten an Sensoren und weiteren Einheiten entstehen. Diese können, wenn sie ausgewertet werden, wichtige Informationen liefern. Unsere Lösungen zur Auswertung kommen dabei direkt an der Datenquelle oder im lokalen Netzwerk der Fabrik zum Einsatz. Das Edge Computing ist ressourcenschonender, da die enormen Datenmengen nicht in einer Cloud verarbeitet werden müssen, sondern sofort bei der Entstehung lokal genutzt werden. Eine dauerhafte Netzwerkverbindung zu externen Servern ist somit nicht notwendig. In der Folge ergibt sich eine schnellere Reaktionszeit, die im Falle von Anomalien in den Messdaten ein sofortiges Eingreifen ermöglichen und schwere Schäden an den Geräten verhindern können.
Überblick über den Supply Chain
Produkte setzen sich meist aus zahlreichen Komponenten zusammen, die global gehandelt werden. Daher ist es schwer, den Überblick zu behalten, ob es bei einem Lieferanten zu einer Verzögerung kommt. Im schlimmsten Fall fällt ein Fehler oder eine Verzögerung in der Lieferkette erst auf, wenn der Kunde sich beschwert, dass seine Lieferung noch nicht angekommen ist.
Mit dem Einsatz der Datenstromanalyse von Live-Daten können Informationen jedes Lieferanten gesammelt und in einem System zusammengeführt werden, sodass zu jeder Zeit ersichtlich ist, ob Probleme im Ablauf auftreten. Dadurch können Kunden und andere Lieferanten frühzeitig informiert und, wenn nötig, Optimierungen der Zusammenarbeit und an der Lieferkette insgesamt vorgenommen werden.