(I)IoT in der Praxis

Mit IoT-Daten Produktivität und Verfügbarkeit steuern

04.11.2019
Von   IDG ExpertenNetzwerk
Als Product Specialist Connected Services (IOT Services) bei der Bobst Meerbusch GmbH unterstützt Manfred Bauer Kunden der Verpackungsindustrie in Europa bei der Einführung digitaler Prozesse. Dabei kann er auf tiefgreifende Erfahrungen in der Informations- und Betriebstechnik aus seinen leitenden Positionen im Vertrieb und Service von Siemens, Compaq Computer, Microsoft, Cisco und Flexera Software zurückgreifen.
Aus Sicht eines Betriebes sollten alle Handlungen auf die Themen Profitabilität und Produktivität ausgerichtet sein. Sensordaten von Maschinen können dabei helfen, etwa bei der Anpassung der Zielvorgaben.

Die richtigen, motivierenden Zieldefinitionen zu vereinbaren, ist eine große Kunst. Liegen die Ziele zu hoch, sind die Mitarbeiter unzufrieden. Sind diese zu niedrig, wird zu wenig Gewinn erwirtschaftet. Damit das richtige Niveau vereinbart werden kann, benötigt jeder Controller und Vertriebsmanager Transparenz. Die Kenntnis über bisher gelaufene Aufträge ist unerlässlich.

Maschinendaten helfen, wenn nicht mehr auf die langjährige Erfahrung des Bedienpersonals zugegriffen werden kann.
Maschinendaten helfen, wenn nicht mehr auf die langjährige Erfahrung des Bedienpersonals zugegriffen werden kann.
Foto: Bobst SA

Doch bisher basieren Angaben meist auf den vom Bedienpersonal eingegebenen Werten. Diese wiederum fußen auf deren langjähriger Erfahrung. Doch in allen Betrieben steht der Generationswechsel an. Erfahrene Maschinenführer, Betriebsleiter oder Schichtführer gehen in den wohlverdienten Ruhestand. Plötzlich stehen langjährige Erfahrungen nicht mehr zur Verfügung.

In diesem Fall helfen transparent aufbereitete Daten, die direkt aus der Maschine kommen. Für jeden Auftrag werden beispielsweise bei den großen Verpackungsmaschinen von Bobst SA die folgenden Daten gemessen:

  • Gefahrene Geschwindigkeit über die Zeit

  • Dauer des Auftrages

  • Anzahl der Stillstände, die sich ergeben haben (wenn möglich mit den Gründen dazu)

  • Zeitdauer für die Rüstung, falls notwendig

  • Anzahl der produzierten Produkte

  • Ausschuss

Mit Prozessdaten die Gesamtanlageneffektivität ermitteln

Damit eine schnelle Interpretation all dieser Daten möglich ist kann die Gesamtanlageneffektivität, neudeutsch OEE (Overall Equipment Effectivness) genannt, verwendet werden. Diese erlaubt eine relative Betrachtung. Die darin enthalten Prozessdaten sollten immer auch als solche einzeln aufgeführt sein. Hier ein Beispiel:

Produktivitätsdaten verschiedener Jobs
Produktivitätsdaten verschiedener Jobs
Foto: Bobst SA, Connetced Services

Mit solchen, automatisch von der Maschine generierten Informationen über einen gefahrenen Auftrag ist die Zieldefinition viel eindeutiger zu bestimmen. Neben den relativen Kennzahlen des OEE stehen Werte über die durchschnittliche Geschwindigkeit, die Zeitdauer sowie geplante und ungeplante Stillstände zur Verfügung. PO steht dabei für Plant Operation Time, MO für Machine Operating Time, SD für Scheduled Downtime (geplante Stillstandszeit, in der nicht produziert werden soll) und PD beziehungsweise DU für planned beziehungsweise ungeplante Stillstände.

Sind mehrere Aufträge und deren Wiederholung gefahren, haben wir vergleichbare Daten. Mit Hilfe der IoT basierten Services sehen wir sofort, wenn der gleiche Auftrag mit unterschiedlicher Geschwindigkeit gefahren wurde oder Zeiten für die Ausführung des Auftrages sich verändert haben.

Eine Erhöhung der Produktivität wird letztendlich durch die folgenden Zielbereiche erzielt:

  • Geschwindigkeit des Auftrages erhöhen;

  • Produktionszeit verkürzen, beziehungsweise Stillstände reduzieren;

  • Wiederholaufträge auf ein einheitliches Niveau bringen.

Durch die kontinuierliche Rückmeldung lassen sich immer weitere Optimierungen zeitnah anpassen. In einem stetigen Kreislauf werden somit die bestmöglichen Ergebnisse erzielt. Nach relativ kurzer Zeit lassen sich so die erfolgten Investitionen amortisieren.

Gründe für Produktions-Stillstände ermitteln

Dabei wichtig sind auch die Hintergründe zu den Stillständen. Lagen diese bislang häufig nur kategorisiert und per Hand eingegeben vor, werden diese nun direkt aus den Sensoren von Maschinen geliefert. Eine App - nennen wir sie Stillstands- beziehungsweise Downtime-Management - kann die so gemeldeten Stillstände ebenfalls kategorisieren und aufbereiten. Entscheidend dabei ist, dass alle Informationen direkt aus der Maschine bereitgestellt werden. Das entlastet Mitarbeiter und ermöglicht neben schnellen Entscheidungen den direkten Fokus auf den Wiederanlauf der Produktion respektive die Beseitigung des Problems. Am Beispiel Bobst unterstützen zwei wesentliche Sichtweisen auf die Stillstände die Verfügbarkeit:

  • Stillstands-Band

  • Pareto-Analyse

Mit dem Stillstands-Band wird die zeitliche Reihenfolge aller Stillstände angezeigt. Damit lassen sich Anlaufschwierigkeiten von Aufträgen und Stillstands-Muster erkennen, die wiederum auf Optimierungsmöglichkeiten des Produktionsablaufes hindeuten.

Lesetipp: Was Fabrik-IT im IoT-Zeitalter leisten muss

Die Pareto-Analyse rundet die Auswertung ab, indem gezeigt wird, wie viel Zeit mit welchen Stillständen verbraucht wurde. Weil alle Daten direkt von der Maschine beziehungsweise den verbauten Sensoren kommen, können die Auswertungen unterstützen, die Ursachen für die Stillstände schnell und effizient zu bestimmen. Mit der zeitnahen Analyse der Stillstände kann so die Verfügbarkeit und letztendlich die Produktivität beeinflusst werden.