Skip to main content

Smart Factory

Datengetriebene Intelligenz für die Produktion

Mit der Digitalisierung der Produktion steht mit Industrie 4.0 die vierte Revolution an. Gemeinsam mit unseren Kunden entwickeln wir dafür IT-Plattformen und Individuallösungen, um die Intelligenz von vernetzten Maschinen und Anlagen maßgeblich zu erhöhen. Ein Schwerpunkt unseres Lösungsportfolios liegt auf der Integration heterogener Datenquellen sowie der Analyse der Produktionsdaten.

Ausbaustufen zur intelligenten Fabrik

Die verschiedenen Ausbaustufen in der digitalen Produktion spiegeln sich auch in der Ausprägung der Auswertungsverfahren für Daten wieder: die Reise beginnt bei der klassischen Auswertung historischer Daten und endet bei Prescriptive Analytics mit Prognosen für zukünftige Entwicklungen mitsamt Handlungsempfehlungen.

Automation

Stufe 1: Automation

Auf dieser Stufe geht es um Optimierungen von Produktionsanlagen ohne Speicherprogrammierbare Steuerungen (SPS).

Weitere Informationen finden Sie hier.

Digitization

Stufe 2: Digitization

Bei der Digitalisierung werden Produktionsanlagen mit Speicherprogrammierbaren Steuerungen (SPS) ohne oder mit nur geringer Datenerfassung optimiert.

Weitere Informationen finden Sie hier.

Data Integration

Stufe 3: Datenintegration

Maßnahmen

  • Verknüpfung aller Daten aus Produktionsumgebung, Werk und Supply Chain
  • Implementierung datengetriebener Prozesse für das Datenstrom-Management entlang der kompletten Wertschöpfung – unstrukturierte Daten inbegriffen

Erzielte Optimierungen

  • Einfachere Steuerung der fertigungsnahen Prozesse über verschiedene Standorte hinweg
  • Ganzheitliche Analyse von Produktions- und Logistikprozessen
  • Höherer Automatisierungsgrad von Abläufen
  • Besseres Management von Garantiefällen und Rückrufaktionen (Identifikation von Anomalien und Mustern mit historischen Daten)

Erfolge
Industrie: Produktion (Hochleistungsautomation)

  • 30% geringerer Zeitbedarf beim Online-Schalten neuer Maschinen
  • 15% höhere Produktivität der Produktionslinien

Unser Data Integration Angebot finden Sie hier.

Descriptive Analytics

Stufe 4: Descriptive Analytics

Maßnahmen

  • Ursachenforschung für Fehlerquellen, Ausfälle und Störungen und Entwicklung leistungsstarker Werkzeuge für deren Analyse
  • Implementierung voll-automatisierter Berichtssysteme
  • Bereitstellung von Planungswerkzeugen für die fachbereichsübergreifende Zusammenarbeit

Erzielte Optimierungen

  • Automatisierte Erstellung von Berichten und Auswertungen über Produktion und Logistik
  • Zentrale KPIs der Produktion stehen als Dashboards oder Cockpits zur Verfügung:
    • Maschinen- und Anlagenauslastung
    • Mitarbeiterproduktivität
    • Termintreue, Durchlaufzeit, Flussfaktor
    • Prozess- und Produktqualität
    • Bestände, Material- und Kapazitätsbedarf

Erfolge
Industrie: Gummi- und Kunststoffherstellung

  • Reduzierung von Ausschuss/Materialverschwendung von 4% auf 1,37%
  • Rückgang der Ausfallzeiten um 3,1%
  • Jährliche Kosteneinsparungen 600.000 EUR
Predictive Analytics

Stufe 5: Predictive Analytics

Maßnahmen

  • Implementierung, Orchestrierung und Produktivnahme von Machine Learning-Modellen
  • Bereitstellung von Modellen für Predictive Maintance, Predictive Quality und Forecasting, um nicht nur reaktiv Daten aus der Vergangenheit auszuwerten

Erzielte Optimierungen

  • Bessere Bedarfsplanung und höhere Produktivitätsauslastung
  • Genauere Vorhersage sowie Planung von Wartungseinsätzen
  • Gewährleistung von Termintreue und Lieferfähigkeit
  • Reduzierung des Lagerwarenbestands

Erfolge
Industrie: Hersteller von Blechbauteilen

  • Verbesserung der Anlagenverfügbarkeit steigerte Produktivität
  • IoT-Ansatz führte zur Steigerung des Produktionsvolumens um 20% - 25% und Reduzierung der Ausfallzeiten um 45%
Prescriptive Analytics

Stufe 6: Prescriptive Analytics

Maßnahmen

  • Durchgehende Digitalisierung entlang der Wertschöpfungskette für die End-to-End-Maintenance
  • Just-in-Time-Integration mit Enterprise-Applikationen

Erzielte Optimierungen

  • Maximierung des Einsatzes der verfügbaren Produktionsressourcen
  • Minimierung der Produktkosten und Ausfallzeiten
  • Optimierung der Anlagennutzung und der Produktionsziele bei der Dispositionsentscheidung
  • Empfehlungen für die beste Zeit/Reihenfolge von Wartungsmaßnahmen

Erfolge
Industrie: Rohstoffintensive Branche

  • Datengetriebene Optimierungsansätze reduzieren die Kosten bei der Rohstoffbeschaffung signifikant, z.B. bis zu 11% günstigere Einkaufspreise für Erdgas


Stefan Müller
Director Big Data Analytics

Seien Sie mit Ihrem Industry 4.0-Projekt erfolgreich! Sprechen Sie mit mir über Smart Factory.


Anrede:

Vorname*:

Name*:

Firma*:

Job Titel*:

Telefon*:

Anliegen*:

Geschäftliche E-Mail*: