Nur die Nutzung zählt

Handelt es sich nur um eine Ausnahme oder ist es etwas Alltägliches? Die Berichte zeigen, dass sämtliche Maschinen in der Fabrik ordnungsgemäß laufen und trotzdem scheint es, als ob wichtige Lieferfristen einfach nicht eingehalten werden können. Einige Manager möchten dieses Problem mit noch mehr Automatisierung lösen. Andere verlangen stattdessen verbesserte Maschinendaten, welche die Probleme detailliert darlegen und aufzeigen, an welcher Stelle es dazu gekommen ist. Sind digitale Technologien die Antwort oder tragen sie vielmehr zu den Problemen bei?

Die Nutzung von Maschinendaten ist per se weder gut noch schlecht. Man könnte wahrscheinlich in jeder beliebigen Fabrik, die momentan wegen COVID-19 stillsteht, die Produktionsberichte der letzten Monate abrufen. Daraus würde dann eindeutig hervorgehen, dass es keinen Ausschuss gab, Bauteile nicht verloren gegangen sind und die Linien voll ausgelastet waren. Außerdem konnte die Nullfehler-Strategie umgesetzt werden, sämtliche Lieferungen rechtzeitig erfolgen und es gab keinen Produktionsrückgang bei Maschinen. Es kam nicht zu Zeitverlusten aufgrund von Pausen und die Bediener kamen immer pünktlich. Selbst wenn diese Statistik korrekt wäre, wäre sie wertlos. Denn sie besagt lediglich, dass, je nachdem wie die Daten interpretiert werden, alles vernünftig erklärbar ist. Auch wenn dieses Beispiel übertrieben ist, die Praxis hingegen ist allerdings durchaus üblich. Schließlich möchte jeder ein positives Jahresfeedback bekommen und die Ergebnisse in einem guten Licht darstellen. Allerdings können einfache und isolierte Kennzahlen, die aus dem Zusammenhang gerissen werden, leicht täuschen. Die finanziellen Auswirkungen sind zunächst gering, wirken sich im Laufe der Zeit jedoch immer mehr aus. Außerdem berücksichtigen diese Kennzahlen ernsthafte betriebliche Mängel nicht.

Aus diesem Grund müssen die Daten genauer untersucht werden. Zwei Systeme, die sich hervorragend dazu eignen, Prozessverbesserungen aus Maschinenrohdaten zu automatisieren, sind maschinelles Lernen und linienbasierte geschlossene Regelkreise. Abgesehen von diesen Systemen ist eine isolierte Analyse ausschließlich der Maschinendaten sinnlos. Man kann davon ausgehen, dass automatisierte Maschinen leistungsstark sind und genaue Ergebnisse anzeigen. Wesentlich schwieriger ist eine Analyse dessen, was zwischen den Maschinen passiert. Denn dort stehen keine Informationen zur Verfügung.

Ganz vereinfacht formuliert können „null Daten“ mit einem potenziellen Verlust gleichgesetzt werden. Es kann aus mehreren Gründen zu einem Maschinenstillstand kommen. Entweder fehlen Materialien, die Maschinen werden nicht gebraucht oder sind defekt. Materialen können Qualitätsmängel aufweisen oder Mitarbeiter im Urlaub oder erkrankt sein. Die Maschine begründet den Stillstand nicht. Sie zeigt ihn lediglich an. Erklärt werden müssen die Ursachen und Auswirkungen jeder Ausnahme während des Vorgangs, die zu dem Prozessstopp geführt haben. Hierzu müssen die Daten mehrerer Maschinen und verschiedener Steuerungselemente, wie Materiallogistik, Planung und Qualitätsmanagement (QMS) miteinander verbunden werden.

Wenn wir die Dinge dann allerdings genauer betrachten, müssen wir die Weiterentwicklung des Produkts während des Herstellungsprozesses in Betracht ziehen, anstatt nur die Funktionsweise der Maschinen zu prüfen. Führen Sie sich als Beispiel einen Reisenden auf einem Flughafen vor Augen. Wie lange dauert es einzuchecken, das Gepäck aufzugeben, die Sicherheitskontrolle zu passieren, zum Gate zu gehen und in das Flugzeug zu steigen? Gute 10 Minuten. Trotzdem muss man mindestens bereits 2 Stunden vor Abflug am Flughafen sein. Die durchschnittliche Produktivität am Flughafen beträgt also lediglich 8% und die restlichen 92% sind schlicht vergeudete Zeit. Eine Fertigungseffizienz von lediglich 8% würde in einer Fabrik wohl den Verlust des Arbeitsplatzes bedeuten. Dennoch könnte man von den meisten Fabriken, die mit normaler Kapazität arbeiten, Berichte abrufen, die weit weniger als 8 % Fertigungseffizienz anzeigen. Anstatt die Effektivität der Fabrik bei der Herstellung von Fertigwaren aus Rohstoffen ehrlich zu bewerten, beschäftigen wir uns mit den Maschinendaten. Der Bestand an Rohmaterialien sollte reduziert werden, ebenso wie die Lagerung von Unterbaugruppen, nicht fertiggestellter Güter und Fertigwaren. Es sollten keine Produkte aufbewahrt werden, die repariert oder erneut getestet werden müssen, die einer Qualitätsprüfung unterzogen werden, unter Quarantäne gestellt werden müssen oder für Prozesse gelagert werden, die noch nicht begonnen werden können. Diese Faktoren haben einen wesentlich größeren Einfluss auf die Fertigung als eine bestimmte Maschinenleistung.

Die Beschaffung von Maschinendaten hat sich grundlegend gewandelt. Denn heute können Daten aus Maschinen viel einfacher, schneller und wesentlich präziser erfasst werden. Besonders wenn der Connected Factory Exchange (CFX) Standard des IPC verwendet wird, sind weder Middleware noch kundenspezifische Integrationen erforderlich.

Leider gibt es keine Verbindungen für die Intervalle zwischen den Maschinen, welche die Produktion am meisten beeinflussen. Betrachtet man beispielsweise ein Produkt, das einen Prozessschritt nach dem anderen durchläuft und am Ende der Linie ankommt. Anschließend wird es ins Lager gebracht und die anderen Arbeiten müssen abgeschlossen werden.

Die nächste Phase muss daher möglichst effizient sein. Daher wurde in der Produktionsplanung die Startzeit solange aufgeschoben, bis sämtliche Produkte aus vorgelagerten Prozessen abgeschlossen wurden und der Startzeitpunkt günstig war. Das konnte 10 Minuten dauern, aber eben auch Stunden und schlimmstenfalls sogar Tage. Gleichzeitig steigt das Risiko für falsche Handhabung, zusätzliche Verzögerungen durch fehlerhafte Ausrüstung, fehlende Materialien, technische Änderungen, Verunreinigungen, was möglicherweise zu mehr Inspektionen, Reinigung, Verarbeitung, zusätzlichen Unterbrechungen und zusätzlicher Lagerung führt. Durch die digitale Traceability von Produkten durch den gesamten Montageprozess kann die Produktivität gesteigert und die Kosten reduziert werden. Um dies zu erreichen, müssen die Daten aus den einzelnen Maschinen- und Fabrikprozessen ebenfalls genutzt werden. Auf diese Weise entsteht ein virtueller “Film” in Echtzeit. Dieser zeigt alles an, was in der Fabrik vor sich geht, er bildet live einen "digitalen Fertigungszwilling" ab, statt die Vorgänge lediglich zu simulieren.

Software muss keine aufwändigen 3D-Darstellungen und Grafiken erzeugen, um ein regelbasiertes System zu schaffen, das Daten von Maschinen, Materialien, Qualität und Planung, Linienkonfigurationen und Produkt vollständig kontextualisiert, um einen digitalen Zwilling zu erstellen, der den Prozess in seiner Gesamtheit umfasst. Der digitale Fertigungszwilling verwendet die kurzfristige Leistungshistorie, um herauszufinden, was richtig funktioniert und wie der aktuelle Stand ist. Er blickt auch in die Zukunft, um aktuelle Trends zu analysieren, damit mögliche Probleme aufgedeckt werden, die auftreten könnten, indem im Vorfeld Anpassungen und Entscheidungen getroffen werden. Letztlich steuert der regelbasierte digitale Fertigungszwilling den gesamten Produktionsprozess und schafft vollständige Transparenz wobei er automatisch Hindernisse vermeidet, indem er sich auf die wesentlichen Geschäftsanforderungen und Verbesserungsmöglichkeiten im gesamten Werk konzentriert. Eine durchschnittliche MES-Lösung kann das nicht leisten. Dabei muss es sich vielmehr um eine erweiterte, hochmoderne IIoT-gesteuerte MES-Lösung handeln, die explizit für den regelbasierten digitalen Zwilling entwickelt wurde.

Die Datenerfassung der gesamten Fabrik ist nur der erste Schritt zur Verbesserung von Fertigungsprozessen mit Hilfe digitaler Lösungen. Es ist wesentlich wichtiger, was aus den Daten gemacht wird, statt sie nur abrufen zu können, Dashboards zu erstellen, maschinelles Lernen durchzuführen und Analysen zu erstellen. Der echte IIoT-basierte digitale MES-Zwilling für die Fertigung ist da!