Mit intelligenten Sensoren die „Overall Equipment Effectiveness (OEE)“ steigern

[Blogtitel] Intelligente Sensoren steigern die „Overall Equipment Effectiveness (OEE)“ [Beschreibung] In der Welt der Industrie 4.0 fließen die Daten entlang der kompletten Wertschöpfungskette nahtlos. Um die Effizienz der Produktion zu messen sind neben den Daten auch entsprechende Kennzahlen, sogenannte Key-Performance Indicator (KPI) notwendig. [Bildquelle] istock_000022240329 [Bildbeschreibung] Das Bild zeigt eine Bedienpanel einer Werkzeugmaschine
[Bildquelle] istock_000022240329

In der Welt der Industrie 4.0 fließen die Daten entlang der kompletten Wertschöpfungskette nahtlos. Um die Effizienz der Produktion zu messen sind neben den Daten auch entsprechende Kennzahlen, sogenannte Key-Performance Indicator (KPI) notwendig.

Kennzahlen und Effizienz

In der Produktion gibt es unterschiedliche Kennzahlen für Kosten, Qualität und Effizienz wie beispielsweise

  • Total Cost of ownership (TCO)
  • Total Effective Equipment Performance (TEEP)
  • Overall Equipment Effectiveness (OEE)

Die Messzahlen sind Grundvoraussetzung dafür, überhaupt die Produktionseffizienz zu steigern, denn was man nicht messen kann, das kann man auch nicht optimieren. Weiterhin ist es wichtig, dass die Daten nahtlos fließen und eine entsprechende Transparenz darüber vorliegt.

Sensor und KI

In der Produktion kommt dem intelligenten Sensor eine immer größer werdende Bedeutung zu. Dieser erfasst im Produktionsprozess fortlaufend eine Vielzahl von Daten zu unterschiedlichen Prozessparameter wie u.a. Druck, Durchfluss, Temperatur oder Geschwindigkeit. Die gewonnenen Daten dienen dazu, die Vergangenheit zu verstehen. Mit Datenmodellen und intelligenten Machine Learning Algorithmen werden allerdings auch Prognosen für die Zukunft möglich. Die Herausforderung besteht dabei u.a. im Datenmanagement.

Vernetzte Kommunikation

Moderne Sensoren verfügen über die Möglichkeit, mittels IO-Link zu kommunizieren. IO-Link hat sich als herstellerübergreifender Standard für Sensoren und Aktoren in den letzten Jahren weltweit durchgesetzt. Mit dem eigenen Informationsmodell (IODD) ist der Sensor in der Lage, sich selbst mit seinen Eigenschaften und seinem Verhalten zu beschreiben. Damit sind die Bedingungen erfüllt, eine Komponente eines cyber-physisches Systems (CPS) in der Welt des „Industrial Internet of Things (IIOT)“ zu sein. Damit wird eine Transparenz von Maschinen und Anlagen erst möglich.

Mit IO-Link können Sensoren zentral parametrisiert werden können. Dieses schnelle Ändern von Parametern, beispielsweise beim Wechsel des Fertigungsauftrages, ist eine wichtige Grundvoraussetzung, die individuelle Losgröße 1 in der Industrie 4.0 zu realisieren. Fällt ein Sensor aus, kann dieser innerhalb weniger Augenblicke getauscht werden. Die notwendigen Parameter werden dabei redundant im Sensor und im IO-Link Master gespeichert.

Smartes Big Data-Management

Wenn eines in der Produktion nicht besteht, dann ist es wohl ein Mangel an Daten. Die Vielzahl der Sensoren liefern fortlaufend viele Daten. Diese gilt es zu konsolidieren und aufzubereiten. Gerade in der Modellierung und Aufbereitung der Daten besteht eine große Herausforderung. Je höher die Qualität der vorliegenden Daten ist, je größer ist die Wahrscheinlichkeit, dass Algorithmen daraus intelligente Aussagen treffen.

Das Management der Daten hat dabei eine wichtige Bedeutung. Der Data Scientist muss zunächst den Prozess verstehen und wissen, welche Daten erhoben werden, deren Bedeutung und Zusammenhänge kennen. Darüber hinaus muss er die Daten kennen, sie verstehen und optimieren. Das kann auf der einen Seite ein sinnvolles anreichern sein. Das kann auf der anderen Seite aber auch bedeuten, Big Data in Smart Data zu verwandeln, in dem nicht aussagefähige Daten nicht berücksichtigt bzw. gelöscht werden.

Optimierte Anlageneffektivität

Die Effektivität einer Anlage besteht aus unterschiedlichen Gesichtspunkten. Das können beispielsweise Stillstandszeiten von Maschinen und Anlagen sein. Verringert sich Geschwindigkeit im Produktionsprozess oder erhöht sich der Ausschussanteil, so wird die Produktionseffizienz und damit die Gesamtanlageneffektivität reduziert.

  • Availability,
  • Performance und
  • Quality.

Die Anlageneffektivität wird in Prozent gemessen. Ein Wert von 100% würde aussagen, dass die Anlage rund um die Uhr (Availability), mit voller Leistung (Performance) und ohne Qualitätsverlust (Quality) produziert hat.

Sensoren und Algorithmen

Das Ziel muss es sein, basierend auf den Sensor-Daten mit intelligenten Algorithmen an verschiedenen Stellschrauben Optimierungen für die Zukunft durchzuführen. Im direkten Produktionsprozess kann hier aber auch der intelligente Sensor bereits frühzeitig warnen, wenn beispielsweise Grenzwerte überschritten werden.

So können mit vorausschauender Wartung (Predictive Maintenance) potentielle Stillstandszeiten von Maschinen und Anlagen reduziert und die Gesamtanlageneffektivität erhöht werden. Etablierte Methoden zur Optimierung der Produktion sind u.a. Lean Management oder auch Six Sigma. Somit stellt die „Overall Equipment Effectiveness (OEE)“ ein wichtiges Messkriterium für die Leistungsfähigkeit einer Produktion dar.

Weitere Informationen:

Meine Daten sollen nicht in Google Analytics erfasst werden.
Summary
Mit intelligenten Sensoren die „Overall Equipment Effectiveness (OEE)“ steigern
Titel
Mit intelligenten Sensoren die „Overall Equipment Effectiveness (OEE)“ steigern
Beschreibung
In der Welt der Industrie 4.0 fließen die Daten entlang der kompletten Wertschöpfungskette nahtlos. Um die Effizienz der Produktion zu messen sind neben den Daten auch entsprechende Kennzahlen, sogenannte Key-Performance Indicator (KPI) notwendig.
Autor
Veröffentlicht durch
Ingenieurversteher
Logo
Vorheriger ArtikelGeneration Z, Industrie 4.0 und Ingenieure – Lisa Unkelhäußer (IBM) im Interview.
Nächster ArtikelDie Entstehung der KI. Ein geschichtlicher Abriss zur künstlichen Intelligenz
//Analyst//Blogger//Keynote Speaker// zu den Fokusthemen #Industrie40, #IoT und #Digitalisierung. Herzlich willkommen auf meinem Ingenieurversteher-Blog. Hier schreibt ein echter, aber nicht ein typischer Ingenieur. Nach einer soliden Ausbildung bei Siemens zum Feinmechaniker habe ich das Abitur nachgeholt und Maschinenbau studiert. Der Schwerpunkt Informatik im Hauptstudium war wohl der ausschlaggebende Grund, dass es mich in die Software-Industrie gezogen hat wo ich heute noch immer aktiv unterwegs bin. Für die Funktionen Vertrieb, Marketing und Produktmanagement habe ich mich meine Leidenschaft entdeckt – sicherlich nicht immer typisch für einen Ingenieur. Im Rahmen meiner Diplomarbeit haben mich Themen wie „Computer Integrated Manufacturing (CIM)“ beschäftigt. Viele Aspekte sind davon heute umgesetzt. Mit der Digitalisierung unserer Gesellschaft allgemein sowie dem Einzug des Internets in die Produktion stehen wir vor großen Herausforderungen, die uns langfristig intensiv beschäftigen werden. Der klassische Ingenieur wird nun mit völlig neuen Themengebieten konfrontiert. Das war u.a. die Motivation für diesen Blog, die Themenbereiche Industrie 4.0 und Digitalisierung aufzugreifen und regelmäßig darüber zu schreiben – leicht verständlich und nicht technisch tief. Gerade aus diesem Zusammenhang hat sich die Marke „Ingenieurversteher“ entwickelt. Ingenieure sind in der Regel Künstler mit einem sehr tiefen technischen Verständnis. Oft sind sie allerdings nicht in der Lage, technisch komplexe Zusammenhänge leicht verständlich einer Zielgruppe zu vermitteln, die nicht über dieses tiefe technische Wissen verfügt. Um Ideen und Innovationen zu vermarkten, müssen diese in eine leicht verständliche Sprache übersetzt werden. Mit einer Vorliebe für analytisches und strukturiertes Recherchieren , der Leidenschaft für das Schreiben und der Freude am Präsentieren ist die Idee vom „Ingenieurversteher“ entstanden.