Wie Sie eine IoT-Plattform für Ihre Produktion aufbauen

Fast 50 Maschinen an fünf Werksstandorten in nur drei Monaten auf einer IoT-Plattform miteinander vernetzen – so lautete das ambitionierte Ziel eines global agierenden Konsumgüterherstellers. Das Unternehmen verfügte bereits über einen hohen Automatisierungsgrad, nun nahm es den Aufbau einer IoT-Infrastruktur in Angriff.

Im Projekt mit ROI-Efeso kam eine agile Vorgehensweise zum Einsatz: Anders als in vergleichbaren Projekten war der Arbeitsumfang nicht festgelegt, wohl aber das Budget. Das sorgte für einen drastisch reduzierten Abstimmungsaufwand: Entscheidungen zur Anpassung des Projekt-Scopes traf das Projektteam (Kunde, Berater und Implementierungspartner) schnell und pragmatisch. Zugleich waren somit langwierige Diskussionen über zusätzliches Budget von vornherein vom Tisch.

Die neue IoT-Infrastruktur entstand in drei Projekt-Streams: Im „Pilot-Stream“ konzentrierte sich das Team hauptsächlich auf die schnelle Anbindung der Maschinen in einem Pilotbereich. Die zum Einsatz kommende IoT-Plattform wurde dafür bereits in einem Vorprojekt identifiziert.

Im zweiten Stream entwickelte das Team parallel dazu die Software-Applikationen, quasi den „Counterpart“ zur physischen Maschinenanbindung. Da beim Aufbau einer IoT-Infrastruktur generell die Zukunftsfähigkeit der Produktionsumgebung im Mittelpunkt steht, sollten auch in diesem Fall alle zukünftigen Funktionalitäten integrierbar bzw. die bestehenden erweiterbar sein.

Im dritten Stream erfolgte der Rollout auf die weiteren Bereiche und Werke des Unternehmens. Normalerweise startet diese Phase erst nach erfolgreicher Pilotierung und der damit verbundenen langfristigen Entscheidung für die Plattform. In diesem Fall konnten aber einige plattformunabhängigen Aktivitäten wie das detaillierte Assessment der Maschinen – einer der wichtigsten Schritte zu Vernetzung der Produktion – und die Beschaffung der Hardware-Komponenten vorgezogen werden.

Das Team teilte die circa 50 zu verbindenden Maschinen in mehrere Bereiche auf, sowohl auf der Ebene von verketteten Produktionslinien als auch auf Abteilungsebene, wie etwa der mechanischen Fertigung. Der wirtschaftliche Nutzen wurde für jeden Bereich kalkuliert und auf dieser Basis ein genauer Roll-Out-Plan entwickelt. Hierbei nahm das Unternehmen auch eine Priorisierung innerhalb der Bereiche vor – nur wenig genutzte oder strategisch unwichtige Maschinen mussten nicht angebunden werden. Prinzipiell gilt aber für eine IoT-Plattform: Je mehr Maschinen angebunden sind, desto besser.

Aus den definierten Bereichen wählte das Projektteam einen Pilotbereich aus, der sich durch eine besonders große Vielfalt an Maschinen von den anderen unterschied. Das hatte den Vorteil, dass der anfangs höhere Aufwand bei der Anbindung des Piloten beim späteren Roll-out auf die weiteren Bereiche von Nutzen war. Die einmal gewonnenen Erfahrungen bei der Vernetzung der verschiedenen Maschinentypen sorgten für erhebliche Zeitersparnisse.

Machine Assessment

In diesem Part evaluierte das Team detailliert, wie die Maschinen angebunden werden können und welche Daten sie bereitstellen. Da die potenzielle Hardware-Beschaffung vergleichsweise lange dauert, geschah dies sehr frühzeitig. Generell sind zwei Fälle im Maschinen-Assessment üblich: Erstens, die Maschine lässt sich ohne zusätzliche Hardware anbinden, da sie eine Standard-Schnittstelle (z.B. OPC-UA) bereitstellt. Das ist bei vielen neueren Maschinen der Fall. Zweitens, die Maschine benötigt externe Hardware, da sie entweder nicht über eine passende Schnittstelle verfügt oder weil zusätzliche, externe Sensorik benötigt wird.

Hier startete das Projektteam unter der Prämisse, dass alle ausgewählten Maschinen wertvolle Daten liefern, mit der Maschinenbewertung. Ein technisches Team prüfte die Maschineneigenschaften, während ein Berater-Team sinnvolle Use-Cases/Anwendungen definierte. Diese Kooperation beschleunigte die Projektlaufzeit erheblich.

Die erforderlichen Datenpunkte pro Maschine, welche die Grundlage für die benötigte Sensorik bilden, ermittelte das Team anhand der Anwendungen, die auf der IoT-Plattform aufgebaut werden sollten – beispielsweise ein Condition Monitoring, Echtzeit OEE oder Predictive Quality (siehe Stream 2).

Im parallelen, zweiten Projektabschnitt legte das Team anhand der Anforderungen des Unternehmens fest, welche Anwendungen zum Einsatz kommen sollten. Beispielsweise eine Echtzeit-OEE Auswertung, mittels derer sich Schwachstellen der Produktion identifizieren und damit die Ausbringung erhöhen lassen. Jede Anwendung sollte einen messbaren Einfluss auf die Gewinn- und Verlustrechnung haben.

Um die optimale Wirkung zu erzielen, implementierte das Team die zuvor definierten Top-3-Anwendungen. Dazu zählten neben der genannten Echtzeit-OEE noch Condition Monitoring (Zustandsüberwachung) und Statistische Prozesskontrolle. Die gesamte IoT-Infrastruktur ist dabei offen gestaltet, sodass sie zukünftig mit weiteren, neuen Technologien oder Anwendungen flexibel umgestaltet bzw. weiterentwickelt werden kann.

Ein weiterer Vorteil der schnellen Maschinenanbindung im ersten Stream war, dass die Daten der bereits verbundenen Maschinen für die Entwicklung der Anwendungen verwendet wurden, um diese unmittelbar an die spezifischen Kundenanforderungen anzupassen. Dies führte dazu, dass bereits drei Wochen nach Projektbeginn die ersten Stakeholder eine mit der IoT-Plattform verbundene Maschine in Betrieb sehen konnten.

In weniger als acht Wochen nach Projektbeginn war der erste Bereich vollständig angeschlossen und eine automatisierte OEE-Anwendung in Betrieb. Entsprechend schnell und einfach gestaltete sich auch der Rollout in die anderen Bereiche. Für Zeitersparnis sorgte insbesondere die über alle Bereiche optimierte Zeitleiste, mit dem integrierten Zusammenspiel von Maschinen-Assessment, Hardwarebeschaffung, Maschinenanbindung und Applikations-Konfiguration. Wobei letzteres durch die getätigten Vorarbeiten über Plug and Play möglich war.

Nun ergab sich für das Unternehmen erstmals ein Gesamtbild zur tatsächlichen Leistung seiner Maschinen in den verschiedenen Bereichen. Entsprechend konnte es sofort die ersten Aktivitäten zur Verbesserung priorisieren und starten. In Zukunft lassen sich außerdem weitere Anwendungen flexibel in der IoT-Plattform ergänzen, da alle Maschinen vernetzt sind und die Daten nur noch in andere Anwendungen überführt werden müssen.

Der Ansatz der agilen Vorgehensweise erwies sich als ideal für die Rahmenbedingungen und Anforderungen eines IoT-Projektes. Das Projektteam konnte so in kurzer Zeit Elemente mit geringer Wertschöpfung entfernen und im Gegenzug Elemente mit hoher Wertschöpfung und geringerem Aufwand hinzufügen.

Best-Practice-Beispiel: Sensoren

Externe Sensoren, die an Maschinen angebracht sind, um die notwendige Datenbasis für Predictive Maintenance zu erhalten, tragen unter Umständen nur gering zur Wertschöpfung bei. Prinzipiell gilt zwar: je mehr Sensoren, desto vollständiger das Bild des Maschinenzustandes. Bei Investitionskosten zwischen 300 bis 2000 Euro je Sensor kann es allerdings schnell teuer werden. Daher sollte man überprüfen, welche Sensoren eine hohe funktionale Überschneidung haben. In diesem Fall waren es zum Beispiel. Sensoren an der Spindel für Akustik und Vibration. Allein durch die Entfernung der Vibrationssensoren sparte das Unternehmen knapp 50.000 Euro, der Einfluss auf die Präzision der Predictive Maintenance Algorithmen erwies sich als minimal.

Best-Practice-Beispiel: Datenbasis nutzen

In einem IoT-Projekt besteht der Großteil des Aufwands in der Regel darin, die Maschinen anzubinden und somit Daten zu gewinnen. Sobald die Daten verfügbar sind, lassen sich weitere Applikationen schnell und einfach einführen – in diesem Projekt zum Beispiel eine Software zur statistischen Prozesskontrolle, welche die auf der Plattform vorhandenen Prozessparameter überwacht. Entsprechende Applikationen sollte man also als „Elemente mit hoher Wertschöpfung“ bei einem solchen Projekt ermitteln. Generell gilt dabei: Je mehr Applikationen/Use-Cases auf Basis der gleichen Daten laufen, desto profitabler wird das Projekt.