Wie das industrielle Internet der Dinge die Produktion verändert

IoT vereinfacht die Verwaltung großer Mengen an Fertigungsdaten über ganze Produktionsstandorte hinweg. Das wird die Fertigung deutlich verändern.

Das Internet der Dinge (Internet of Things, IoT) wird für Anwender immer attraktiver. Viele Unternehmen aus unterschiedlichen Branchen beginnen die Technologie zu nutzen, um kritische Prozesse umzusetzen - insbesondere in Bereichen wie Produktions- und Fertigungswartung, Qualitäts-Management, Energieeffizienz und Produktentwicklung.

Das Internet of Things beginnt bei allen möglichen Anwendungen eine zentrale Rolle einzunehmen - von intelligenten vernetzten Städten über Wearables bis hin zu autonomen Autos. Die wichtigsten Auswirkungen wird IoT aber im industriellen Sektor haben: Für Industrieunternehmen ist IoT das optimale Mittel, Kosten zu verringern, die Effizienz zu steigern und durch neue Geschäftsmodelle zusätzliche Einkünfte einzufahren.

Mehrere Zahlen spiegeln das wieder: Laut IC Insights stiegen die Einnahmen aus den Investitionen in das industrielle Internet of Things (IIoT) von 6,4 Milliarden Dollar im Jahr 2012 auf 12,4 Milliarden US-Dollar im Jahr 2015. Cisco prognostiziert, dass die Produktion zwischen 2013 und 2022 27 Prozent des 14,4 Billionen Dollar umfassenden IoT-Marktes ausmacht, wobei intelligente Fabriken im gleichen Zeitraum 1,95 Billionen Dollar zum gesamten Wert beitragen.

Während die Hersteller schon seit langem Zugang zu den Daten haben, die in der Produktion gesammelt werden, waren die Daten in den proprietären, geschlossenen Softwaresilos der Fertigung unzugänglich. Dies schränkt die Möglichkeit, diese Daten zur Entscheidungsfindung zu nutzen, enorm ein, sagt Matt Wells, Produkt-Manager für Automatisierungssoftware bei GE Digital.

„IoT ändert dies, weil es damit einfacher wird, große Mengen an Fertigungsdaten nicht nur in einer einzigen Fabrik, sondern über mehrere Produktionsstätten hinweg in der Cloud zu sammeln und zu verwalten“, sagt er. Werden diese Daten mit Analytics verbunden und ausgewertet, erhalten Unternehmen laut Wells einen viel besseren Einblick in ihre Prozesse, so dass sie ihre Betriebsabläufe optimieren, Qualitätsmängel reduzieren und eine vorbeugende Instandhaltung implementieren können.

„Die Möglichkeit von Unternehmen, mit IoT bessere Geschäftsentscheidungen zu treffen, wird die Nutzung von IoT und der industrielle Cloud massiv vorantreiben,“ ist Wells überzeugt.

IoT: Die Ohren und Augen der Fertigung

GE-Kunden nutzen IIoT und Analytics bereits für das Asset Performance Management: Analytics wird hierbei zur Vorhersage und Verhütung katastrophaler Ausfälle bei großtechnischen Anlagen wie Kesseln oder Kompressoren angewendet. „In der Regel verfügen die Hersteller über Prozesse, die im Falle von ausgefallenen Geräten die Produktion auf intakte Anlagen verteilen. Allerdings entstehen dabei immer noch Ausfallzeiten und unerwartete Kosten“, sagt Wells.

„Was wäre, wenn Sie etwa einen Monat im Voraus feststellen könnten, dass eine bestimmte Maschine versagen wird?“ fragt er. Predictive Maintenance oder vorausschauende Wartung – so der eingedeutschte Begriff - zielt darauf ab, Probleme zu beheben, bevor sie entstehen. Dieses vorbeugende Agieren ist besonders dann wichtig, wenn ein möglicher Ausfall kritischer Infrastrukturen verhindert werden soll. „Die Kunden können die Instandhaltung und das Planen von Ausfällen, die Bestellung von Teilen und Terminplanung effektiver planen, so dass es keine negativen Auswirkungen auf Kapazität und Produktion gibt“, erläutert der GE Manager.

Mehr zum Thema Internet der Dinge:

Wie die Salesforce IoT Cloud mit Einstein Erkenntnisse aus Sensordaten gewinnt.

Wie können IoT-Sensoren der Luftfahrtindustrie helfen?

IoT und Supply Chain: Mit Analytics Tools die Lieferkette besser verstehen.

Industrie 4.0, IoT und IT-Sicherheit: Was muss geschehen?

Was hat der SAP IoT-Marketing-Hype mit der Realität zu tun.

GE-Kunden beginnen nun damit, IIoT-Analytics und maschinelles Lernen für Energie-Monitoring-Anwendungen zu nutzen, sagt er. In diesem Fall messen Sensoren Bedingungen wie den Eingangsstrom und die Druckeinstellungen, und in Kombination mit maschinellem Lernen können Hersteller entscheiden, ob ein Gerät mit optimaler Leistung betrieben wird.

„Durch die Messung der Energiekurve und Einleiten entsprechender Maßnahmen bei Bedarf, kann man sicherstellen, dass das Gerät weniger Energie verbraucht. Das ist wichtig für Hersteller, die ihre Kosten senken möchten“, erklärt Wells.
Siemens PLM Software sieht die Rolle von IoT im Fertigungsbereich vor allem als Möglichkeit, um herauszufinden, was los ist, sagt Alastair Orchard, Vizepräsident des Digital Enterprise Projekts des Unternehmens.

„Einer der Faktoren, die uns in der Vergangenheit davon abgehalten haben, digitale Qualität an den Kunden zu liefern, ist die relativ aufwendige Aufgabe, Fabriken mit allen notwendigen Sensoren auszustatten und Daten so zu organisieren und zu kontextualisieren, dass sie für Simulation und Analytics verfügbar sind“, erklärt der Siemens Manager. „IoT ermöglicht es uns, die ganze Fabrik mit Geräten und Sensoren schnell und kostengünstig zu bestücken, um herauszufinden, was los ist. Das geht ohne einen aufwendigen mehrjährigen Prozess der Reorganisation des Fertigungsbereichs.“

Neue Chancen durch industrielles IoT

Für die Flowserve Corp., einem in Irving, Texas, beheimateten Hersteller von großen Industriepumpen, Ventilen und Dichtungen, öffnet IoT die Tür zu ganz neuen Geschäftsmodellen: „IoT ermöglicht es uns, Predictive-Maintenance-Services zu verkaufen - was wiederum die Beziehungen zu unseren Kunden verfestigt“, sagt Eric van Gemeren, Vice President Forschung und Entwicklung bei Flowserve. Mit der Kombination aus Sensoren und maschinellen Lern- und Analysefunktionen ist Flowserve in der Lage, die Ursache von Problemen genau zu lokalisieren - und so Kunden dabei zu unterstützen, unnötige Betriebsstilllegungen wegen blindem Alarm zu vermeiden.

„In der alten Welt gab es nur grobe Sensordaten, so dass die Fertigungsunternehmen nicht die nötigen Informationen hatten, um festzustellen, ob und wann sie ihre Maschinen herunterfahren müssen“, sagt er. Das ist oft teuer: “Wenn der Betreiber einer Ölraffinerie seine Anlage herunterfahren muss, um herauszufinden, was los ist, kann das durchaus eine Million Dollar pro Stunde kosten.“

Maschinelles Lernen bietet Antworten auf die Frage, ob und wann eine Maschine ausfallen wird und ermöglicht es Anlagebetreibern, Geräte länger am Laufen zu halten. Zudem lassen sich unnötige Wartungskosten vermeiden, weil sie nicht reparieren müssen, was nicht kaputt ist. Die Sicherheit des Benutzers lässt sich ebenfalls verbessern und der Energieverbrauch senken. „IoT bietet dem Endkunden und dem Betreiber der Maschinen jetzt endlich die Möglichkeit, Entscheidungen zu treffen, die sie vorher nicht treffen konnten“, erklärt Gemeren.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Artikel wurde zuletzt im März 2017 aktualisiert

Pro+

Premium-Inhalte

Weitere Pro+ Premium-Inhalte und andere Mitglieder-Angebote, finden Sie hier.

Essential Guide

Industrie 4.0 und IoT: Bestandsaufnahme, Best Practices und Sicherheit

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close