Herausforderung 1: Passende technologische Infrastruktur schaffen

Prozesse, die Ende-zu-Ende ablaufen, setzen voraus, dass alle Beteiligten – z. B. via Cloud – miteinander kommunizieren – egal, ob es sich um Maschinen, Steuerungssysteme, Tools oder Menschen handelt. Jeder Prozess muss digital geplant werden, damit die Rückmeldung ebenfalls digital erfolgen kann. Und damit sich Abläufe jederzeit anpassen lassen, benötigen alle Akteure jederzeit Zugriff auf alle relevanten Informationen, überall und in Echtzeit.

Das funktioniert nur auf Basis einer umfangreichen Digitalisierung mit entsprechender technologischer Infrastruktur und passenden Lösungen. Neben einer Anbindung aller Maschinen benötigen die Mitarbeitenden ein mobiles Endgerät, und in der gesamten Fabrik muss eine redundante Internetverbindung mit 100 Prozent Abdeckung über WLAN oder LAN vorhanden sein.

Herausforderung 2: Digitales Mindset etablieren

Eine digitale Infrastruktur ist Voraussetzung, aber noch kein Erfolgsgarant für eine Cloud-basierte digitale Fabrik. Denn die digitale Transformation betrifft nicht nur die Maschinen und die Produktionsumgebung im Shopfloor, sie muss auch in den Köpfen der Belegschaft stattfinden. Die Mitarbeiter müssen ein Verständnis für die gesamte Prozesskette entwickeln, das über den eigenen Tätigkeitsbereich hinaus geht.

Dieses neue Mindset und die angepassten Denkmuster aufzubauen, ist ein kontinuierlicher Prozess und nicht immer einfach, vor allem, weil es darum geht, jahrelang gewohnte Abläufe aufzugeben. Doch die technologische Infrastruktur und die Möglichkeit, Prozesse zurückzumelden, ist allein für sich genommen noch kein Vorteil. Es ist wichtig, dass alle Beteiligten ein Verständnis dafür entwickeln, warum diese neue Form der Kollaboration, bei der Fachwissen zu einer stetigen Prozessoptimierung beiträgt, sinnvoll und notwendig ist.

Herausforderung 3: Komplexität reduzieren

Eine der größten Herausforderungen einer Cloud-basierten digitalen Fabrik im Sinne von Industrie 4.0 ist es, die komplexe technologische Umgebung fit für Standardprozesse zu machen. Es gilt, Schnittstellen zu reduzieren, Systeme zu integrieren und dafür zu sorgen, dass die Kommunikation zwischen Mensch, Maschine und Software reibungslos funktioniert. Gerade bei älteren Anlagen, die – wenn überhaupt – erst per Retrofitting im Zeitalter der Digitalisierung angekommen sind, kann sich die Anbindung schwierig gestalten.

Abhilfe schaffen hier Standard-Maschinenschnittstellen, und auch die Cloud kann in diesem Zusammenhang einige Vorteile ausspielen. Zum einen vereinfacht sie die Vernetzung dank offener Schnittstellen. Zum anderen kann sie als Basis für entsprechende Plattformen fungieren, mit deren Hilfe sich Verantwortliche einen Überblick verschaffen und die Komplexität reduzieren können.

Herausforderung 4: Realistische Kostenkalkulation und -kontrolle

Dass IT-Verantwortliche ihre digitale Fabrik in der Cloud betreiben möchten, hat meist mehrere Gründe. Neben Skalierbarkeit, Verfügbarkeit und plattformbasierten Services spielen auch planbarere Kosten im Rahmen nutzungsbasierter Abrechnungsmodelle eine Rolle. Wer umgebungsbedingt Standardsoftware nutzt, individuelle Prozesse vermeidet und geplanten Innovationen durch As-a-Service-Lösungen ein konkretes Budget zuordnen kann, spart Aufwand und Geld.

Das ist in der Theorie richtig, doch sobald die erste Rechnung des Cloud Providers kommt, herrscht oft Ernüchterung ob des vermeintlich zu hohen Preises. Um diese Überraschungen zu vermeiden, brauchen Entscheider eine realistische Kostenkalkulation, verknüpft mit einer funktionierenden Governance, die genau festlegt, wer welche Leistungen in welchem Umfang buchen darf. Passiert das nicht, kann es sogar zu höheren Ausgaben kommen, denn die Cloud rechnet konsequent und ohne Nachfrage ab.

Herausforderung 5: Ganzheitliches Security-Konzept

Eine durchgängige Vernetzung der Unternehmensteile einer digitalen Fabrik im Sinne von Industrie 4.0 ist eine wichtige Voraussetzung für Ende zu Ende konzipierte Prozesse – kann aber unter Umständen auch zum Sicherheitsrisiko werden. Denn jede noch so kleine Schwachstelle ist ein potenzielles Einfallstor für Cyberkriminelle. Dann reicht es, wenn der Kollege in der Buchhaltung aus Unachtsamkeit einen Mailanhang öffnet, dabei Schadsoftware ausführt – und der Angreifer hat im Zweifelsfall Zugang zur gesamten IT-Umgebung, inklusive MES und ERP.

Um das zu verhindern, müssen IT-Verantwortliche ein ganzheitliches Konzept für Cyber Security entwickeln. Dieses stützt sich idealerweise auf ein Security Operations Center (SOC). Hier erfolgt eine umfassende Koordination aller notwendigen Sicherheitsmaßnahmen, und potenzielle Sicherheitsrisiken werden schnell und zuverlässig identifiziert und eliminiert.

Herausforderungen der Digitalisierung mit dem richtigen Partner meistern

Wer seine digitale Fabrik zukunftssicher aufstellen möchte, sollte sich mit den Chancen eines Cloud-basierten Betriebs auseinandersetzen. Die Nutzung entsprechender Plattformen und Dienste bietet Fertigungsunternehmen innovative Möglichkeiten – nicht nur für die Produktion. Doch damit sich die Vorteile einstellen, gilt es, auf dem Weg in die Wolke und beim laufenden Betrieb einige Herausforderungen zu meistern. Um sicherzustellen, dass das erfolgreich gelingt, sollten IT-Verantwortliche auf einen Partner setzen, der neben der technischen Expertise auch tiefgehende Kenntnisse zu industrieller Fertigung und der Cloud mitbringt.

Kommen Sie auf uns zu, und wir entwickeln gemeinsam mit Ihnen eine persönliche Roadmap, die neben Ihren individuellen Anforderungen auch den aktuellen technologischen Stand Ihrer Produktionsumgebung berücksichtigt.

Was ist eine Smart Factory?

Auch wenn es für den Begriff keine allgemeingültige Definition gibt, lässt sich eine Smart Factory anhand einiger Kriterien charakterisieren. Sie nutzt moderne Technologien und Automatisierungssysteme, damit sämtliche Prozesse entlang der gesamten Wertschöpfungskette maximal effizient ablaufen. Da diese Lösungen jedoch nur mit einer entsprechenden Datenbasis gute Ergebnisse liefern können, ist ein zentrales Merkmal einer Smart Factory ihre weitläufige Vernetzung.

Das gilt insbesondere für die Produktion als Herzstück der Supply Chain. Die Maschinen im Shopfloor sind untereinander (horizontal) und mit den eingesetzten OT- und IT-Systemen wie MES, ERP, CRM (vertikal) vernetzt und integriert. Das ermöglicht einen Informationsaustausch in Echtzeit und ist Voraussetzung für das Sammeln, Kombinieren und Auswerten von Daten aus verschiedenen Quellen. Werden diese dann mithilfe von Analytics ausgewertet, lassen sich Prozesse hinsichtlich potenzieller Ineffizienzen untersuchen und anschließend im Rahmen von Hyperautomation oder Process Automation Excellence (PAE) mit entsprechenden Workflows (teil-)automatisieren. Das reduziert den manuellen Aufwand und steigert Prozesseffizienz und Produktqualität.

Wie unterscheiden sich digitale Fabrik und Smart Factory?

Digitale Fabrik und Smart Factory sind keine gegenläufigen Konzepte, sondern eher verschiedene Entwicklungsstufen von Industrie 4.0. Generell lässt sich sagen: Eine Smart Factory ist auch digital, eine digitale Fabrik aber nicht zwangsläufig smart. Denn die digitale Vernetzung von Fertigungsanlagen, IT- und OT- Systemen mit Technologien wie dem IIoT ist zwar Voraussetzung einer besseren Darstellung und Steuerbarkeit von ERP- und Produktionsabläufen, bestenfalls aber nur ein erster Schritt. Den zweiten Schritt geht die Smart Factory: Hier werden Lösungen wie KI-basierte Big Data Analytics optimal genutzt, um intelligente und effizientere Prozesse zu etablieren.

Das bezieht sich zum einen auf die technische Umsetzung. So lassen sich beispielsweise auch in einer digitalen Fabrik mit viel Aufwand singuläre Maschinenschnittstellen herstellen. In einer Smart Factory hingegen funktioniert diese Anbindung über entsprechende Standardisierungen idealerweise fast via „Plug & Play“. Aus dieser vereinfachten Bedienbarkeit ergibt sich ein weiteres Merkmal einer intelligenten Fabrik, nämlich die neue Rolle der IT-Abteilung. Früher ging der Weg für Änderungen in den Systemen zwangsläufig über sie. In einer Smart Factory stellen die IT-Spezialisten den Fachbereichen in den Fertigungsanwendungen häufig „nur“ Funktionen bereit, mit denen die Kollegen die Anpassungen oder sogar selbst entwickelte Erweiterungen selbstständig vornehmen können. Dank Low Code und No Code funktioniert das auch ohne weitreichende Programmierkenntnisse.

Was bedeutet „intelligent“ für die einzelnen Bereiche einer Smart Factory?

In einer Smart Factory gibt es keine isolierten Prozesse. Um die gesamte Supply Chain stetig optimieren zu können, müssen alle Vorgänge entlang der Wertschöpfungskette zusammenarbeiten. Wie genau das aussehen kann, zeigt sich beim Betrachten der einzelnen Unternehmensbereiche.

Smarte Produktionsvorbereitung

Die Optimierung beginnt bereits bei der Vorbereitung des eigentlichen Fertigungsvorgangs in der Produktionsumgebung. Auf Basis verschiedener Informationen, beispielsweise zum Lieferantennetzwerk, zum Materialbestand im Lager oder zu benötigten CAD/CAM-Dateien, lassen sich Aufträge optimal planen. Kombiniert mit den Daten früherer Fertigungsvorgänge und benutzerdefinierten, intelligenten Heuristiken ergibt sich so eine optimaler Vorgehensweise. Diese berücksichtigt dann nicht nur Personalplanung und Maschinenzuordnung, sondern auch automatisches Werkzeugrüsten und – durch das konsequente Zurückspielen der Ergebnisse in den Informationskreislauf – eine stetige Verbesserung des gesamten Vorbereitungsprozesses.

Smarte Produktion und Qualitätsmanagement

Die Vorgänge im Shopfloor einer Smart Factory werden mit Sensoren und Kameras überwacht, die erhobenen Daten in Echtzeit erfasst, visualisiert und direkt verarbeitet. Diese Transparenz dient zum einen dem Minimieren von Ausfällen, etwa durch automatische Meldungen von Anomalien – wie etwa beschädigtes Werkzeug – auf die mobilen Endgeräte der Werker. Zudem ermöglichen Technologien wie industrielle Bildverarbeitung ein smartes Fehler-Management und einen geschlossenen Regelkreis für die Qualitätssicherung anhand klar definierter KPIs im Sinne von Predictive Quality. Durch gezieltes menschliches Feedback ist die smarte Produktionsumgebung dann in der Lage, potenziell qualitätsbestimmende Faktoren wie Materialbeschaffenheit, Krafteinwirkung der Maschine oder andere Faktoren wie eine Verschmutzung der Werkstoffe zu erkennen und automatisch passende Gegenmaßnahmen einzuleiten oder per digitaler Werkerführung anzuweisen.

Smarte Logistik

Dank Industrie 4.0-Technologien wie dem IIoT ist in einer Smart Factory jederzeit ersichtlich, wo sich ein Produkt befindet und welchen Verarbeitungsstatus es hat. Intralogistische Prozesse laufen transparent ab und lassen sich lückenlos nachvollziehen. Das reicht von einer Kennzeichenerkennung des Transportfahrzeugs bei der Anlieferung über die Nachverfolgbarkeit einzelner Teile innerhalb der Fabrik mittels RFID-Tag bis hin zu einer automatischen Bestandsführung im Lager. Transportaufträge werden komplett digital erteilt, entweder „menschlich“ über ein mobiles Endgerät oder direkt und automatisch von den beteiligten OT- und IT-Systemen. Die schicken dann zum Beispiel ein fahrerloses Transportfahrzeug (AGV) los, um im Lager rechtzeitig neues Material an die Linie zu holen. Die Entnahme, der Transport und die Anlieferung werden in Echtzeit im ERP-System registriert, und bei niedrigem Lagerstand erfolgt eine Warnmeldung oder sogar die automatische Nachbestellung der knapp gewordenen Teile.

Intelligente Instandhaltung

Die Maschinen in einer Smart Factory kommunizieren sowohl untereinander als auch mit den involvierten IT- und OT-Systemen – ein Umstand, der eine intelligente, vorausschauende Wartung enorm erleichtert. Erfassen die Sensoren im Shopfloor beispielsweise ungewöhnliche, von der definierten Norm abweichende Messwerte, kann das auf einen baldigen verschleißbedingten Ausfall hindeuten. Dann erhält der Instandhalter eine Benachrichtigung auf sein Tablet oder Smartphone und kann sich direkt ein klares Bild von der Situation verschaffen. Mitunter liefert das System sogar schon spezifische Informationen zum vorliegenden Problem und sendet zum Beispiel die Meldung „Zylinder X in Maschine Y ist defekt und muss bei der nächsten geplanten Wartungsunterbrechung ausgetauscht werden.“ Dank der lückenlosen Dokumentation aller Wartungsvorgänge lassen sich zudem eventuelle Problemmuster erkennen, etwa dass bestimmte Teile einer Maschine häufiger ausfallen und besonders anfällig für Verschleiß sind.

Smart Factory und die Cloud

Ob eine intelligente Fabrik alle ihre Stärken ausspielen kann, hängt ganz wesentlich mit ihrer Betriebsumgebung zusammen. Dass Unternehmen hier am besten auf die Cloud setzen sollten, hat mehrere Gründe. Erstens funktioniert die lückenlose Vernetzung von Maschinen, Menschen, Endgeräten und Prozessen im Sinne von Industrie 4.0 besser, wenn alle Informationen, Tools und Services über eine einheitliche Plattform verfügbar gemacht werden. Zweitens sorgen Plattformservices, etwa für Big Data Analytics, Visualisierung oder Automatisierung, für eine optimale Nutzung der Daten. Und drittens garantiert ein Betrieb in der Cloud immer die neueste Softwareversion. Wer ERP, MES und Co. noch im eigenen Rechenzentrum hostet, muss wichtige neue Features im Zweifelsfall selbst hinzufügen – und zwar zeit- und kostenaufwendig via Programmierung.

Mit dem richtigen Partner zur Smart Factory

Egal ob Produktionsplanung, Fertigung, Wartung oder Logistik – eine Smart Factory funktioniert vor allem dann gut, wenn sich die zugrunde liegenden digitalen Lösungen möglichst unkompliziert und über einen zentralen Anlaufpunkt nutzen lassen. Hier empfiehlt sich beispielsweise ein Cloud-basiertes Portal, auf dem alle relevanten Informationen zusammenlaufen und mithilfe entsprechender Tools und Services ausgewertet werden. Das ermöglicht informierte Entscheidungen, eine weitreichende Automatisierung und eine intelligente, stetige Prozessoptimierung. Beim Umsetzen einer solchen Plattform empfiehlt es sich, von Anfang an einen Partner im Boot zu haben, der das notwendige branchenspezifische Know-how mitbringt und alle relevanten Services aus einer Hand bietet.

Sprechen Sie mit unseren Experten, und wir entwickeln gemeinsam mit Ihnen ein individuelles Paket – vom Einrichten der Maschinenschnittstellen über Managed Cloud und Security Services bis hin zu sicherem Betrieb und regelmäßigen Updates im Rahmen von Application Management Services (AMS).

Was ist Logistik 4.0?

Unter Logistik 4.0 versteht man den Ausbau der digitalen Vernetzung mithilfe moderner Technologien in die Supply Chain hinein, um Wert -, Mengen- und Materialflüsse sowohl in der Beschaffung als auch im Absatz zu optimieren. Der Begriff bezieht sich sowohl auf Intralogistik, also auf (Teil-)Abläufe der unternehmensinternen Wertschöpfungskette, als auch auf Extralogistik, also auf logistische Prozesse, die – beispielsweise in Form einer Lieferung – außerhalb des eigenen Firmengeländes stattfinden. Damit ist Logistik 4.0 ein wesentlicher Bestandteil einer Industrie-4.0-Umgebung. Das Ziel: digital verbesserte Abläufe automatisch und maximal effizient stattfinden zu lassen, damit Betriebsmittel, Waren und Produkte genau zur richtigen Zeit am richtigen Ort zur Verfügung stehen.

Logistik 4.0 in der Fertigung

Für produzierende Unternehmen ist der digital transformierte Shopfloor das Herzstück einer Fabrik im Sinne von Industrie 4.0. Hier sind MES und ERP miteinander verzahnt. Das heißt, wenn an der Linie ein bestimmter Werkstoff benötigt wird oder ein Bauteil gewechselt werden muss, kommuniziert das Produktionsleitsystem vorausschauend und direkt mit dem „Supply-Chain-Rückgrat“, das einen entsprechenden Prozess anstößt. So weit, so gut – doch optimierte Produktionsprozesse bringen nichts, wenn das zu verarbeitende Material nicht rechtzeitig an der Linie ist, die Intralogistik also außen vor bleibt.

Logistik 4.0 bedeutet deshalb, dass MES- und Logistikwelt näher zusammenrücken. Hier werden logistische Vorgänge (z. B. Anlieferung von Material oder Versand fertiger Produkte) im gesamten System erfasst und integriert. Das Ergebnis ist eine lückenlose Abbildung der internen Supply Chain mit der Produktion als „Schaltzentrale“.

Ein Beispiel aus dem Praxisalltag: Eine Maschine erkennt, dass die für die Montage notwendigen Schrauben ausgehen, und gibt diese Information an das Logistiksystem weiter. Dieses veranlasst entsprechend, dass ein fahrerloses Transportfahrzeug (AGV) neue Schrauben aus dem Lager holt und zur Linie bringt. Anschließend gibt das AGV dem MES Rückmeldung, dass der Nachschub angekommen ist. Zudem erfasst das IT-System des Lagers automatisch, wie viele Schrauben geholt wurden, und es prüft stetig, ob neues Material auf Vorrat gekauft werden muss.

Das Idealbild: Inventur in Echtzeit

Intralogistische Vorgänge wie Warenbewegungen werden in den meisten Fällen asynchron in die zugrunde liegenden IT-Systeme eingebucht, das heißt, die digitale Erfassung erfolgt zeitversetzt nach dem tatsächlichen physischen Vorgang. Das birgt Potenzial für Fehler, die dazu führen, dass das digitale Bestandsbild nicht der Realität entspricht. Um dieses Zerrbild zu korrigieren, müssen Unternehmen eine Inventur durchführen – ein aufwendiger und kostenintensiver Vorgang. Hier verspricht Logistik 4.0 eine wesentliche Verbesserung, denn neben der Automatisierung logistischer Prozesse werden diese idealerweise auch gleich korrekt digital erfasst. Das spart Zeit und Kosten.

Für unterstützende Technologien – etwa auf Basis von Industrial IoT – gibt es eine ganze Reihe an Beispielen. So lassen sich Warenbewegungsbuchungen mit Kamerasystemen automatisch erfassen. Wer das Material mit RFID-Tags ausstattet und entsprechend korrespondierende RFID-Tore installiert, registriert interne Transportwege direkt und sorgt dafür, dass sie in Echtzeit und ohne Verzögerung ins System eingebucht werden.

Ebenso erfolgsentscheidend ist eine funktionierende Kommunikation zwischen Mensch und IT-System. Hier kommen mobile Endgeräte und Apps ins Spiel, die dem Lagerpersonal Rückmeldung geben, welche dann beispielsweise durch eine Auftragsmeldung direkt eine Warenbewegung anstößt. Darüber hinaus ermöglichen KI-basierte Chatbots der Belegschaft im Lager, auch ohne SAP-Kenntnisse Daten zu Warenbewegungen zeitnah ins System eintragen zu können. Und künstliche Intelligenz spielt auch beim nächsten Punkt eine wichtige Rolle.

Prognosemodelle für die Supply Chain

Logistik 4.0 bedeutet auch, dass die Daten intern erfasster Abläufe gespeichert werden und sich somit analysieren lassen – idealerweise mit intelligenten Algorithmen, die Muster erkennen. Erweitert man diesen internen Pool noch mit global verfügbaren Daten (etwa zu Wetter, Preisentwicklung etc.), entstehen Prognosemodelle für eine effizientere Supply Chain. Bei entsprechender Datenqualität und -quantität lassen sich dann Fragen beantworten wie: Was bestelle ich wann wie und wo, um durch eine Lieferung just in time ein Optimum zwischen Lagerkosten und Verfügbarkeit zu erreichen? Und: Ergibt es eventuell sogar Sinn, manche Materialien und Waren auf Vorrat zu kaufen, da die Modelle in zyklischen Abständen eine eingeschränkte Verfügbarkeit zeigen?

Unternehmen, die in der Lage sind, diese Modelle auf Basis ihrer Logistik-4.0-Umgebung permanent mit qualitativ hochwertigen Daten zu „füttern“, profitieren von mindestens zwei konkreten Vorteilen. Erstens sparen sie durch korrekte Prognosen und azyklische Einkäufe mitunter viel Geld. Und zweitens können sie resiliente Lieferketten etablieren, die – dank rechtzeitiger Beschaffung aktuell knapper Ressourcen – auch in Krisenzeiten für gesicherte Materialflüsse sorgen.

Ein Blick in die Zukunft

Dieser Blogbeitrag behandelt mit der Intralogistik nur einen, wenn auch wichtigen Teilbereich, in dem sich Logistik 4.0 erfolgreich einsetzen lässt. Beim Blick über den Tellerrand und das eigene Fabrikgelände hinaus ergeben sich noch unzählige weitere spannende Möglichkeiten.
So lassen sich große Waren- und Transportbestände wie etwa mehrere Hundert Container in einem Hafen statt manuell künftig wesentlich einfacher via Drohne und intelligenter Bilderkennung erfassen.

Und auch bei komplexeren Materiallagerungen, beispielsweise einer Echtzeitmessung des Gasvolumens in Silos, können Technologien wie IoT und künstliche Intelligenz unterstützen. So wird der Bestand dann über Druck-Sensoren an den Stahlstreben erfasst, die kleinste Positionsänderungen im Mikrometerbereich erkennen und direkt melden.

Mit Logistik 4.0 alle Vorteile des digitalen Shopfloors nutzen

Von Chatbots über AGVs bis hin zu KI und Drohnen: Industrie 4.0 funktioniert nur mit einer gut organisierten Logistik. Um die entsprechenden internen Prozesse und den digitalen Shopfloor als Herzstück der Produktion ideal miteinander zu verzahnen, sollten sich Unternehmen einen versierten Partner an die Seite holen. Denn erst, wenn die digital erfassten und verbesserten Abläufe auch wirklich „analog“ ausgeführt werden, lassen sich die Effizienzgewinne einer umfassenden Digitalisierung und Automatisierung tatsächlich realisieren – und verschaffen Produktionsunternehmen einen entscheidenden Wettbewerbsvorteil.

IIoT zielgerichtet einsetzen

Die Vernetzung von Fertigungsanlagen ist Grundvoraussetzungen für das Erheben von Daten – und damit auch für eine funktionierende Digitalisierung in der Produktion. Es gilt, alle analogen Vorgänge im Shopfloor digital zu erfassen, abzubilden, auszuwerten und miteinander in Beziehung zu setzen. Über nachgerüstete Sensoren lassen sich die Informationen wie Materialqualität, Temperatur, Druck oder Ähnliches in Echtzeit erheben. Weitergeleitet und ausgetauscht werden diese Daten dann innerhalb eines Industrial IoT (IIoT)-Netzwerks, in dem alle Teilnehmer miteinander kommunizieren können. Dies ermöglicht moderne Verfahren wie beispielsweise Predictive Maintenance und Predictive Quality.

„Viel hilft viel“? Nicht unbedingt. Denn nicht alle Parameter, die im Rahmen der Produktionssteuerung erhoben werden können, bringen für die Prozessoptimierung auch einen echten Vorteil. Damit Produktivität und Effizienzgewinne nicht gleich wieder verpuffen, ist Verhältnismäßigkeit gefragt. Wer seine Maschinen mit Augenmaß nachrüsten und seine IIoT-Umgebung zielführend aufbauen möchte, sollte sich am besten einen erfahrenen Partner an die Seite holen, der sich sowohl in der IT als auch der OT (Operational Technology) auskennt.

Daten und Erfahrung kombinieren

Egal, wie viele Daten man erhebt und wie oft man den Algorithmus anpasst: Digitale Lösungen werden niemals die jahrelange Erfahrung der Werker an der Linie ersetzen – und das sollen sie auch nicht. Im Gegenteil: Digitalisierung in der Produktion bedeutet, dass IT-gestützte Lösungen und menschliche Kollegen zusammenarbeiten. Ziel ist, wertvolles Fachwissen in die neuen Prozesse mit einfließen zu lassen. Das funktioniert beispielsweise über mobile Endgeräte, die als Mensch-Maschine-Schnittstelle (HMI) dienen und mit denen die Werker Feedback ans System geben, um Abläufe anzupassen.

Dazu ein Beispiel einer solchen Zusammenarbeit in einer Industrie 4.0-Umgebung: Ein Mitarbeiter arbeitet seit über 20 Jahren an denselben Maschinen und weiß: Wenn die Anlage ein bestimmtes Geräusch von sich gibt, dauert es nicht mehr lange, bis sie sich aus Sicherheitsgründen selbst abschaltet. Kombiniert man dieses Wissen mit den Sensordaten, lässt sich das zeitliche Auftreten des Geräuschs in Verbindung mit konkreten Produktionsparametern setzen, die zu diesen Zeitpunkten erhoben wurden. Das kann dazu beitragen, die Fehlerquelle schnell zu identifizieren und sie dauerhaft zu beheben.

Ganzheitliches Konzept entlang der gesamten Supply Chain

Der Shopfloor ist das Herzstück eines Fertigungsunternehmens, hier findet an den Linien ein Großteil der Wertschöpfung statt. Doch Digitalisierung in der Produktion geht über die Fabrikhalle hinaus. Um das volle Potenzial dieser Transformation ausschöpfen zu können, müssen IT-Verantwortliche ein gesamtheitliches Konzept entwickeln und umsetzen, das alle Teilprozesse entlang der Wertschöpfungskette umfasst – vom Einkauf über die eigentliche Herstellung bis hin zu interner Logistik, Auslieferung und Aftersales Services.

Funktioniert dieses ganzheitliche Konzept, reagiert das zugrunde liegende ERP-System idealerweise dynamisch auf Änderungen oder Probleme. Ein Beispiel: Das MES, also das System für die Produktionssteuerung einer Maschine, meldet eine schlechte Produktqualität und kann diesen Umstand konkret mit einem scheinbar minderwertigen Rohstoff in Verbindung bringen. Entsprechend schickt der Werker an der Linie auf digitalem Weg eine direkte Anweisung an den Einkauf, den Rohstoff künftig von einem anderen Anbieter zu beziehen.

Change Management

Bei Industrie 4.0- und IIoT-Projekten gilt: Ohne IT funktioniert es nicht – allein mit IT aber ebenso wenig. Um sicherzustellen, dass die Umstellungen, die eine Digitalisierung in der Produktion mit sich bringt, auch Früchte tragen, müssen alle Beteiligten mit an Bord sein. Das ist nicht immer einfach, denn Digitalisierung in der Produktion bedeutet auch, gewohnte Prozesse anzupassen oder sogar komplett mit ihnen zu brechen. Wer seit vielen Jahren Laufzettel ausdruckt und jetzt papierlos auf ein Tablet oder Smartphone umsteigen soll, sträubt sich mitunter dagegen.

Deswegen machen gute Manager „von der Transformation betroffene Mitarbeiter“ zu „an der Transformation beteiligte Kollegen“. Sie nehmen Bedenken ernst, zeigen die Vorteile digitaler Produktionsprozesse auf und bauen so Vorbehalte ab. Denn nur, wenn die gesamte Belegschaft an einem Strang zieht, wird das Projekt gelingen.

Digitales Mindset etablieren

Dieser letzte Punkt hängt unmittelbar vom vorher erwähnten Change Management ab. Denn die Digitalisierung in der Produktion ist nur dann dauerhaft erfolgreich, wenn sie auch den Aufbau einer „digitalen Belegschaft“ umfasst. Damit sind keine Bots gemeint, sondern eine motivierte Mitarbeiterschaft, die sämtliche unternehmensinterne Abläufe automatisch digital mitdenkt und die Führungskräfte durch Feedback bei der Planung und Implementierung neuer Produktionsprozesse unterstützt.

Ein digitaler Shopfloor ist Ausgangspunkt für mehr Produktivität und moderner, zukunftsfähiger Geschäftsmodelle, doch die beste Technologie nutzt nichts, wenn die Belegschaft noch in alten Mustern denkt. Deswegen ist die Digitalisierung in der Produktion Chefsache: Das Top-Management muss die digitale Transformation anführen, nachhaltig vorantreiben und mit den Mitarbeitern regelmäßig über Digitalisierung sprechen – die Verantwortlichen werden begeistert feststellen, dass es eine ganze Flut an guten, neuen Ideen gibt.

Aus Herausforderungen Chancen machen – mit dem richtigen Partner

Die Digitalisierung in der Produktion ist ohne Frage ein Mammutprojekt, das weit über eine bloße Nachrüstung und Vernetzung von Fertigungsanlagen hinausgeht. Sollen am Ende zukunftsfähige Umsatzmodelle stehen, müssen alle Prozesse der unternehmensinternen Wertschöpfungskette genau durchleuchtet, angepasst oder sogar komplett verworfen werden. Und die Belegschaft muss fraglos mit an Bord.

Versierte Partner wie Syntax kennen sich nicht nur mit der erforderlichen Technologie bestens aus, sondern haben auch Erfahrung darin, Mitarbeiter aktiv in die digitale Transformation einzubeziehen und so Vorbehalte abzubauen. Sprechen Sie mit uns – wir unterstützen Sie bei Planung und Umsetzung, damit Sie mit Ihrem Industrie 4.0-Projekt das volle Potenzial ausschöpfen!

Was ist ein digitaler Zwilling?

Auch wenn es keine allgemeingültige Definition des Begriffs gibt, umschreibt ein digitaler Zwilling die virtuelle Abbildung eines real existierenden Objekts. Er basiert auf Daten und Informationen, die an einer zentralen Stelle zusammenlaufen, und bildet so den gesamten Lebenszyklus eines Produkts ab – von Planung und Design über Fertigung und Transport bis hin zur operativen Phase, in der das Asset zur Anwendung kommt. Damit sich dieses lückenlose Gesamtbild ergibt, müssen die Informationen verschiedener Systeme integriert und mit Live-Daten angereichert werden. Modernes Equipment verfügt standardmäßig über entsprechende Technik, alte Anlagen lassen sich im Zuge von Retrofitting entsprechend nachrüsten.

Digitaler Zwilling – Beispiel 1: Predictive Maintenance im eigenen Shopfloor

Ein Fertigungsunternehmen hat mit verschleißbedingten Ausfällen seiner in der Produktion eingesetzten Maschinen zu kämpfen. Die ungeplanten Stopps der Anlage verursachen erhebliche Verzögerungen und kosten bares Geld. Da die Störungen ohne den Einsatz eines digitalen Zwillings kein klares Muster erkennen lassen, setzt man zunächst auf Preventive Maintenance, also dem Austausch bestimmter Teile in einem festgelegten Turnus. Der Nachteil: Bei diesem Konzept werden mitunter auch Teile ausgetauscht, die noch einwandfrei funktionieren. Das vermindert zwar die Ausfälle, ist aber trotzdem ein ineffizienter Einsatz von Ressourcen.

Deswegen entschließen sich die Verantwortlichen, die Maschinen im Shopfloor digital nachzurüsten. So werden nicht nur die verbauten Einzelteile der Anlage dokumentiert und digital gespeichert, sondern auch die wichtigsten Produktionsparameter wie Temperatur, Druck, Materialbeschaffenheit, etc. durch Sensoren erhoben. Hinterlegt werden alle diese Informationen in der SAP Asset Central Foundation. Mit diesem digitalen Zwilling kann das zuständige Fachpersonal jetzt bereits im Voraus erkennen, dass ein bestimmtes Bauteil bald verschlissen ist und einen Produktionsstopp erzwingen wird. Entsprechend wird es im Rahmen einer geplanten Wartungspause dann rechtzeitig ausgetauscht.

Darüber hinaus bildet der digitale Zwilling auch die Grundlage für weiterführende Datenanalysen. Dabei zeigt sich: Ein bestimmtes Kugellager ist besonders anfällig für Verschleiß und musste in den vergangenen 24 Monaten bereits vier Mal getauscht werden. Gehäuft hatten sich die Ausfälle, nachdem ein günstigeres Modell eines anderen Herstellers verbaut wurde. Diese Erkenntnis fließt jetzt im Sinne von „Data to Action“ zurück in das SAP-basierte ERP-System, das den Einkauf anweist, das qualitativ anscheinend minderwertige Bauteil nicht mehr zu bestellen.

Digitaler Zwilling und das Management der Zukunft

Digitaler Zwilling – Beispiel 2: Neue, digitale Servicemodelle

Ein Hersteller von Härtungsöfen möchte seine Geschäftsmodelle um neue, digitale Services erweitern. Diese sollen von erweiterten Wartungsleistungen bis hin zu „Härtung-as-a-Service“ reichen – ein Modell, bei dem der Kunde statt der ausgelieferten Produkte lediglich deren Leistung und Betrieb im Rahmen einer nutzungsbasierten Abrechnung bezahlt.

Voraussetzung für diese neuen Angebote ist die Bereitstellung entsprechender Daten. Einige grundlegende Informationen wie Zeichnungen, Schaltpläne etc. muss der Hersteller als „abgespeckten digitalen Zwilling“ ohnehin pflichtgemäß an den Kunden weitergeben. Das gilt jedoch nicht für kontinuierlich und in Echtzeit erhobene Zahlen, die am Produkt über Sensoren erfasst werden und beispielsweise Auskunft über Temperaturschwankungen oder den Zustand der Brennkammer geben. Auch andere weiterführende Informationen wie animierte CAD-Zeichnungen oder Services für Augmented Reality (AR) gehören nicht zu diesem Standard-Paket.

Wer nach dem Kauf also ein komplettes Bild seines Ofens haben möchte, bestellt beim Hersteller ein entsprechendes Zusatzpaket. Dieser kann mit der Unterstützung von IT-Spezialisten wie Syntax beispielsweise ein Master Date Package auf Basis von des SAP Asset Intelligent Network (AIN) anbieten, das den standardmäßig ausgelieferten digitalen Zwilling erweitert. Bucht der Endkunde dieses Angebot, profitiert er dann beispielsweise von AR-Kapazitäten, die die Werker vor Ort bei fälligen Wartungsarbeiten Schritt für Schritt digital anleiten. Das spart den externen Servicetechniker, Zeit und Geld.

Alle Services für den digitalen Zwilling über eine Plattform

Idealerweise stellt der IT-Dienstleister Hersteller und Kunden darüber hinaus eine zentrale IIoT-Plattform zur Verfügung. Lösungen wie Synsights dienen als Speicherort und ermöglichen neben einer gemeinsamen Sicht auf den digitalen Zwilling auch eine schnelle und unkomplizierte Kommunikation. So kann der Endkunde bei einem Problem beispielsweise statt einer Mail direkt über die Plattform eine Anfrage stellen, deren Details der Hersteller gleich mit dem betreffenden Produkt in Bezug setzen kann. In einem nächsten Schritt lassen sich dann über eine entsprechende Anwendung sogar Ersatzteile direkt aus dem System heraus bestellen, ohne vorher auf einen Shop zugreifen zu müssen. So verbessert der digitale Zwilling das Serviceerlebnis – und stärkt die Kundenbindung.

Mit Syntax alle Vorteile des digitalen Zwillings nutzen

Der digitale Zwilling ist vielen Verantwortlichen in der Produktion ein Begriff, denn er bringt zahlreiche Vorteile – von der prädiktiven Wartung bis hin zu neuen Geschäftsmodellen, bei denen der Kunde nur noch für den Betrieb bezahlt. Doch nicht alles, was in einer digitalen Fabrik möglich ist, ist auch immer sinnvoll. Deswegen sollten sich Fertigungsunternehmen auf dem Weg zu Industrie 4.0 einen versierten Partner wie Syntax an die Seite holen. Wir erstellen gemeinsam mit Ihnen ein maßgeschneidertes Leistungspaket, das Ihren individuellen Anforderungen am besten entspricht – und runden unser Angebot durch eigene Lösungen wie die IIoT-Plattform Synsights ab.

Definition: Predictive Quality

Predictive Quality oder prädiktive Qualitätssicherung beschreibt die kontinuierliche Optimierung der prozess- und produktbezogenen Qualität mittels datengestützter Prognosen – von der Produktionsplanung bis zur prädiktiven Wartung. Man schaut sich relevante Faktoren an, um Aussagen über die künftige Qualität zu machen – und gegebenenfalls Maßnahmen einzuleiten, die diese verbessern. Bisher unbekannte Muster und Zusammenhänge in den Variablen werden mittels Datenanalyse aufgedeckt. Anhand dieser Erkenntnisse und mithilfe von künstlicher Intelligenz (KI) und Machine Learning werden Prognosemodelle erstellt, die Wahrscheinlichkeiten zur Prozess- und Produktqualität berechnen.

Neben einer Optimierung eröffnet Predictive Quality sogar neue Geschäftsmodelle. Denn Kunden möchten heute oft nur noch für die tatsächlich erbrachte Leistung zahlen. Gekauft wird dann beispielsweise kein Motor, sondern lediglich die garantierte Umdrehungszahl. Umso wichtiger ist es für den Hersteller, Leistungsabfälle oder gar Ausfälle zu vermeiden.

Predictive Quality vs. Predictive Maintenance – der Unterschied

Es ist nicht einfach, eine ganz klare Trennlinie zwischen Predictive Quality und Predictive Maintenance zu ziehen. Predictive Quality bezieht sich eher auf die Prozesse bei der Herstellung, Predictive Maintenance (als ein Teil von Predictive Quality) auf das ausgelieferte Produkt. Bei der Sicherung der Prozessqualität geht es hauptsächlich darum, Ausschuss zu reduzieren. Bei der prädiktiven Wartung darum, den Ausfall einer Maschine oder eines Gerätes im Einsatz beim Kunden zu vermeiden. Dabei ist es wichtig, vorausschauend zu handeln, aber auch nicht zu früh. Denn der Ausbau einer bestimmten Komponente nach einem definierten Zeitraum (wie bei einem Preventive-Ansatz) ohne konkrete Notwendigkeit verursacht ebenfalls unnötige Kosten.

Diskrete Fertigung vs. nicht diskrete Fertigung

Bei den Definitionen von Predictive Quality ist zu unterscheiden, ob sich ein Produkt im Herstellungsprozess (Shopfloor) oder im Einsatz beim Kunden (Field) befindet. Die datengetriebenen Vorhersagen zur Qualität beziehen sich in der diskreten Fertigung stärker auf Herstellungsprozesse und in der nicht diskreten Fertigung auf das reibungslose Funktionieren eines bereits ausgelieferten Produkts.

In der diskreten Fertigung wird oft mit fortschrittlichen KI- und Machine Learning-Methoden wie Bilderkennung gearbeitet. Diese ermitteln diejenigen Variablen, die Ausschuss fördern. Indem deren Auswirkungen verringert werden, verbessert sich die Qualität der fabrizierten Produkte.

In der nicht diskreten Fertigung, also beim Einsatz des hergestellten Produktes, lassen sich beispielsweise historische Daten nutzen. So können Informationen zu vorangegangenen Regressforderungen herangezogen werden, um Aussagen über potenzielle Ausfälle zu machen.

Umsetzung der Qualitätssicherung

Die Daten für Aussagen zu Predictive Quality sind zum großen Teil vorhanden – sei es durch Sensormessung oder in Form von Dokumentation (beispielsweise aus der Produktnutzung oder als Kunden-Feedback aus Online-Kanälen). Mit diesen Informationen werden Algorithmen trainiert, die dann automatisch Prognosen erstellen. Der datenintensive Prozess erfordert eine sehr hohe Rechenleistung. Eine Cloud-Infrastruktur kann die benötigten Kapazitäten liefern. Über Schnittstellen lassen sich die gewonnenen Erkenntnisse bereitstellen. Intelligente Lösungen erkennen mittels KI und Machine Learning-Methoden Abweichungen vom Standard oder Güteabfälle. Dazu gehören beispielsweise Cloud-Services für Bilderkennung oder Vorhersagemodule in Form von AWS Microservices.

Für die Interpretation der Daten im Rahmen von Predictive Quality sind Experten im Unternehmen entscheidend. Datenanalysten oder Data Scientists passen die Algorithmen und KI-Modelle anhand bisheriger Analyseergebnisse in Form regelmäßiger Feedbackschleifen permanent an. Diese Spezialisten müssen gleichzeitig in der Lage sein, ihre Erkenntnisse so zu kommunizieren, dass sie der Kundendiensttechniker beim Anwender vor Ort in konkrete Handlungen (zum Beispiel Austausch einer bestimmten Komponente) umsetzen kann. Gesucht werden für diese Aufgabe Mitarbeiter, die Datenexpertise mit Industrie-Know-how verbinden. Festzulegen ist vorab zudem, welches Wissen genau benötigt wird, um Handlungsentscheidungen abzuleiten, wie dieses Wissen aufbereitet werden muss und welche Prognosegüte erforderlich ist.

Vorteile von Predictive Quality

Die Analyse von Daten zum Herstellungsprozess oder zum Produkteinsatz bringt zahlreiche übergreifende Vorteile für das gesamte Unternehmen.

• Kostenreduktion: Es wird weniger Ausschuss produziert, Unternehmensressourcen lassen sich einsparen und Rückrufaktionen minimieren. Zudem können Unternehmen Regresskosten und unnötige Wartungen vermeiden.
• Planungssicherheit: Lieferketten werden mit Predictive Quality besser kontrollierbar, robuster und daher weniger anfällig für Unterbrechungen. Darüber hinaus lässt sich der Einsatz von Ressourcen und Rohmaterial optimieren.
• Imageschutz: Renommeeverluste, verursacht durch geringe Qualität oder Ausfälle von Produkten, lassen sich vermeiden.
  Neue Geschäftsmodelle: Der Kunde kauft im Rahmen eines Subskriptionsmodells eine Leistung statt eines Produkts. Die hohe Produktverfügbarkeit dank Predictive Maintenance verschafft dem Anbieter Wettbewerbsvorteile und rechtfertigt entsprechende Preismodelle.
• Rechtssicherheit: Zuverlässige Prognosen schaffen eine sichere Grundlage für Service Level Agreements (SLA). Zudem können Unternehmen Regressforderungen vermeiden.
• Nachhaltigkeit: Kunden achten immer häufiger auf die verantwortliche Haltung eines Anbieters. Optimierte Prozesse bilden die Grundlage für eine ressourcenschonende Herstellung von Produkten und eine Minimierung von Ausschuss.
• Kundenzufriedenheit: Gerade mit dem Feedback von Käufern zum Produkt lässt sich dieses sukzessive verbessern und an Kundenerwartungen anpassen.

Beispielszenario: Ausschussprognosen in Produktionsketten

Ein Hersteller von Autolampen hat sich zum Ziel gesetzt, in der Phase der Produktherstellung seinen Ausschuss zu minimieren und die Prozessrobustheit zu steigern. Dies lässt sich im Sinne von Predictive Quality durch das Training und die Anwendung von Prognosemodellen erreichen, die optimale Prozessparameter ermitteln. Das Unternehmen wertet Daten zu Produkten und Prozessen entlang der Fertigungslinie aus, die in großem Umfang über das MES bereitstehen. Auf Basis der MES-Daten der gesamten Fertigungskette wird ein prädiktives Grey-Box Modell trainiert. Ein Prognosemodell macht Vorhersagen zu Ausschussteilen im letzten Prozessschritt der Fertigungskette, denn dort entstehen besonders hohe Kosten. Mit diesem Modell lassen sich die Hauptfaktoren für die Ausschussrate identifizieren und erste Handlungsempfehlungen ableiten, um diese zu senken.

Beispielszenario: Digitales Assistenzsystem in der prädiktiven Wartung

Ein Hersteller will Wartungen für seine Geräte im Feld optimieren, indem das Risiko für Fehldiagnosen gesenkt wird. Das Unternehmen setzt dafür ein datengetriebenes, kontinuierlich lernendes Assistenzsystem (Digital Diagnosis Assistent, DDA) ein. Dieses gibt Entscheidungsunterstützung, um die Wahrscheinlichkeit eines unnötigen Austauschs von Komponenten oder Geräten zu verringern. Gleichzeitig wird damit – unabhängig vom Erfahrungswissen des Technikers – die Erst-Erledigungsquote erhöht.

Das Assistentensystem wird dazu mit historischen Daten vorangegangener Einsätze trainiert. Zudem fließt die Analyse unterschiedlicher Daten zum aktuellen Fall (direkte Beobachtungen, Fehlercode des Geräts, Auftragsannahme im Servicecenter) in die Bewertung der Situation vor Ort ein. Der Techniker bekommt eine Vorschlagsliste mit Aussagen zur Wahrscheinlichkeit, dass ein Komponententausch den gewünschten Effekt bringt – und kann sich für den meistversprechenden entscheiden.

Die Zielgenauigkeit der Prognose mit DDA lässt sich signifikant steigern im Vergleich zu Technikern ohne DDA. Die nächste Stufe der Prädiktion ist die Fehlervermeidung. Durch eine Analyse des kontinuierlichen Datenstroms zwischen Endgerät und Assistenzsystem werden Empfehlungen für einen Komponentenaustausch oder ein Softwareupdate ermöglicht, bevor das Gerät ausfällt.

Predictive Quality als Wettbewerbsvorteil

Qualitätsmanagement ist ein wichtiger Faktor für den wirtschaftlichen Erfolg von Unternehmen. Heutzutage reicht es jedoch nicht mehr, in die Vergangenheit zu schauen. Stattdessen werden Datenanalysen benötigt, die zeigen, was passieren könnte, um Kosten und einen möglichen Imageschaden abzuwenden. Prädiktive Qualitätssicherung ist daher ein Wettbewerbsvorteil, den Hersteller nutzen sollten. Ein IT-Dienstleister kann dabei helfen – einerseits über die Bereitstellung einer Cloud-Infrastruktur, andererseits über neuartige Angebote wie Quality as a Service. Eine weitere Option ist WaaS – Warranty-as-a-Service, im Sinne von Gewährleistungsmanagement als Cloud-basierter Lösung. So bleiben Investitionen und Ressourceneinsatz auf Herstellerseite in einem überschaubaren Rahmen. Sprechen Sie mit unseren Experten, welche Variante für Sie die richtige ist.