10. Oktober 2022 von Fernando Arévalo und Dr. Uwe Pohlmann
Eine Einführung zur maschinellen Datenerfassung in dem Shopfloor
Das Identifizieren von Mustern in Maschinendaten ist eine zentrale Aufgabe für Datenanalysten. Insbesondere in Industrieunternehmen kann das Erkennen dieser Muster helfen, Prozesse zu optimieren, Ursachen von Anomalien aufzuzeigen sowie Materialveränderungen und Energieverbräuche frühzeitig vorherzusagen und zu erkennen. Maschinendaten sind somit ein entscheidendes Unternehmensgut, das - richtig analysiert - einen echten Mehrwert schaffen kann.
Doch bevor Unternehmen die Daten ihrer Maschinen auswerten und analysieren können, müssen diese sinnvoll erfasst werden - und das wiederum setzt voraus, dass die entsprechenden Maschinen vernetzt sind. Nur so können die Daten gespeichert, verarbeitet, analysiert und modelliert werden und einen Wettbewerbsvorteil für das Unternehmen schaffen.
Vorbereitung für die Datenerfassung: Herausforderungen rund um Maschinen-Konnektivität und einen vernetzten Shopfloor
Wer diesen Vorteil nutzen will, muss mit der Datenerhebung beginnen. Der wichtigste Schritt ist die Erfassung der Rohdaten. Dies ist jedoch nur möglich, wenn die Konnektivität der Maschine sichergestellt werden kann - und schon hier können Herausforderungen auftreten:
- Die betreffende Maschine hat keine Netzwerkschnittstelle, ist also nicht vernetzbar und kann daher keine Daten erfassen und zur Verfügung stellen. Dies ist zwar nicht der Normalfall, kommt aber hin und wieder vor.
- Es gibt kein Netzwerk auf dem Shopfloor - die Maschinen arbeiten als Inselsysteme und sind untereinander nicht vernetzt. Auch in diesem Fall können keine Daten erfasst werden, bis ein solches Netzwerk realisiert ist.
- Das Kommunikationsprotokoll ist nicht kompatibel mit dem Datenerfassungssystem. Gängige industrielle Kommunikationsprotokolle für die Datenerfassung sind OPC-UA und MQTT. Allerdings sind nicht alle Maschinen mit diesen Protokollen ausgestattet, können aber oft mit entsprechenden Retrofit-Lösungen
- Die Maschine liefert nur XML- oder CSV-Dateien. In diesem Fall muss es einen gemeinsamen Ordner auf einem Netzlaufwerk zwischen der Maschine und dem Datenerfassungssystem geben, damit das Datenerfassungssystem die entsprechende Datei abrufen kann.
Wenn diese Herausforderungen gemeistert sind, hat sich schon viel getan: Verschiedene Systeme generieren und erfassen nun Daten, zum Beispiel die Maschine selbst, das MES und weitere Geräte wie bildgebende Systeme zur vorausschauenden Wartung oder verschiedene Sicherheitssysteme.
Um die erfassten Maschinendaten jedoch sinnvoll analysieren zu können, muss vor allem die Semantik der Daten erfasst werden: Welche SI-Einheit wurde verwendet? Zu welchem Zeitpunkt wurden die Daten generiert? Und zu welcher Maschine oder Anlage gehören sie?
Weitere Fragen für die Maschinendatenerfassung
Um diese Frage sinnvoll beantworten zu können, stellen sich unter anderem folgende Fragen:
- Ein ganzer Maschinenpark erzeugt eine oft unterschätzte Menge an Daten. Welche Maschinen oder Systeme erfassen die für das Unternehmen und seine Wertschöpfung relevanten Daten?
- Welche Signale (im Sinne von Datenpunkten) liefert die Maschine, zum Beispiel Maschinenstatus, aktuell produziertes Material, Temperatur etc.
- Die Datenarchitektur muss anhand der Anforderungen geklärt werden: Besteht Bedarf an Datenstreaming? Wie oft sollen die Daten abgerufen werden? Soll jedes einzelne Signal oder eine Reihe von Signalen erfasst werden?
- Strukturierte Daten erleichtern das Data Engineering und die anschließende Datenanalyse und -modellierung. Wie müssen also die erfassten Daten strukturiert sein?
- Wie sollen die Daten gespeichert werden: vor Ort, in der Cloud oder in einem Hybridsystem?
- Was passiert, wenn die gewünschten Signale nicht verfügbar sind? Ist zusätzliches Engineering und Nachrüstung ( zum Beispiel Signalidentifikation, Sensorauswahl, SPS-Programmierung oder Datenlogger) erforderlich?
- Sind alle Anlagensysteme für das Datenerfassungssystem zugänglich? Bei der Auswahl der Entwicklungsplattform für das Datenerfassungssystem spielt die Systemintegration eine entscheidende Rolle.
Ist die Konnektivität der Maschinen sichergestellt und definiert, welche Daten wie erfasst werden sollen, stellen sich weitere Fragen rund um die Datenerfassung und das Datenmanagement: Wie werden Datenmanagementsysteme aufgebaut? Sollen zusätzlich IIoT-Plattformen genutzt werden? Welche Art der Datenanalyse wird konkret durchgeführt und gibt es eine Strategie für Predictive Maintenance oder den Einsatz von KI-Modellen? Unsere Expertinnen und Experten für IoT und IIoT, Smart Products, digitale Produktion und Data Sciences unterstützen euch gern bei euren Projekten.