Die wachsende Produktvielfalt, die zunehmende Digitalisierung und das Internet der Dinge sorgen für ein exponentielles Wachstum der produzierten Daten. Dies stellt die Industrie vor ganz neue Herausforderungen. Gleichzeitig öffnen diese Entwicklungen die Tür zur vierten industriellen Revolution – der Industrie 4.0. Um im Rahmen der intelligenten Fabrik einen reibungslosen Prozessablauf und damit den Geschäftserfolg zu sichern, nimmt die effiziente Analyse gesammelter Daten eine Schlüsselrolle ein.

Daten als Basis für wichtige Entscheidungen in der smarten Fabrik

Die Daten dienen als nahezu unerschöpfliche Quelle für sämtliche Informationen zu Produktionsprozessen – vom Status der Maschinen über Nachbestellung von Materialien bis hin zur Vernetzung von Maschinen in verteilten Produktionsstätten. Allerdings ist es mit dem Sammeln der Daten alleine nicht getan. Vielmehr gilt es, diese zu verarbeiten und gezielt auszuwerten. So lassen sich Zusammenhänge erkennen und darstellen, die eine wichtige Basis für strategische Entscheidungen sowie für die Optimierung der Produktionsprozesse innerhalb der smarten Fabrik darstellen.

Predictive Analytics – Bedarfsprognosen für höchste Produktivität

Nicht nur, um eine fundierte Grundlage für unternehmensstrategische Entscheidungen zu schaffen, sondern auch um wichtige Vorhersagen treffen zu können, sind Big Data Analysen ein wichtiger Faktor in der intelligenten Fabrik. So ist es zum Beispiel für eine reibungslose Materialbeschaffung essenziell, bereits im Vorfeld der Produktion den exakten Bedarf und Absatz zu planen – unter Berücksichtigung von Preisänderungen oder auch Urlaubszeiten. Dadurch wird die Materialbeschaffung verschlankt. Gleichzeitig treten keine Lieferengpässe auf, denn der Bedarf wird durch die Prognosen frühzeitig erkannt, und der Abruf von Lieferungen erfolgt automatisch. Geht zum Beispiel ein bestimmtes Bauteil zuneige, wird dieses so rechtzeitig in ausreichender Menge und automatisiert nachbestellt, dass die Produktionskette nicht unterbrochen und das Endprodukt im geplanten Zeitrahmen fertiggestellt wird. Möglich wird dies durch die intelligente Auswertung sämtlicher Daten, welche von den untereinander vernetzten Maschinen und Geräten des Produzenten und Lieferanten gesammelt wurden. So kann die permanente Verfügbarkeit des Bauteils gewährleistet werden. Ebenso lässt sich mit Predictive Analytics der jeweilige Gerätezustand vorhersehen. Das System erkennt automatisch, ob eine Maschine demnächst Wartungsbedarf hat, aber auch, ob sie in den nächsten zwei Tagen voll ausgelastet sein wird oder nicht. Auf diese Weise kann die smarte Fabrik höchste Produktivität gewährleisten.

Datenanalysen in Echtzeit: In-Memory-Technik

Mit einer herkömmlichen Datenbanktechnik wäre das enorme Datenaufkommen aufgrund der Größe und Komplexität nicht effizient nutzbar. Daher ist die ideale Lösung für eine effiziente Big Data Analyse in der smarten Fabrik eine In-Memory-Datenbank. Die Daten werden im Hauptspeicher gehalten und verarbeitet. Der Zugriff darauf erfolgt um bis zu Faktor 1.000 schneller als der Zugriff auf Festplattendaten. Schnelligkeit und Effizienz sind in der smarten Fabrik ein wichtiger Erfolgsfaktor. So lassen sich Ad-hoc-Reportings innerhalb kürzester Zeit bereitstellen. Häufig müssen Entscheidungen innerhalb eines Produktionsprozesses – zum Beispiel je nach Auslastung eines Geräts – sehr schnell getroffen werden. Dabei ist es wichtig, dass die Ergebnisse der Datenanalysen in Echtzeit vorliegen. Dies ist nur mit Hilfe von In-Memory-Datenbanken umsetzbar. Darüber hinaus bringen diese Hochleistungsdatenbanken einen weiteren Vorteil mit sich: sie sind flexibel und skalierbar. So können sie auch in Zukunft weiter wachsende Datenmengen mühelos verarbeiten. Gleichzeitig sind sie leicht zu implementieren, wartungsarm, und sie erfordern kein manuelles Tuning. Neben einer effektiveren Produktion führt dieser Fakt darüber hinaus zu einer Entlastung der IT-Abteilung.

Echtzeitanalysen in der Praxis

Ein wichtiges Anwendungsbeispiel für Echtzeitanalysen von Fertigungsdaten ist die vorausschauende Wartung. So vermeidet eine analysegestützte Wartungsplanung Stillstände im Maschinenpark, verbessert die Auslastung und spart somit Kosten. Darüber hinaus kann die Echtzeitanalyse von Betriebs- und Maschinendaten, die mit In-Memory-Lösungen durchgeführt werden, die Ausschussquote in der Teileproduktion senken. Auf diese Weise sind ein schnelles Eingreifen in die Produktion und die Rückverfolgbarkeit des gesamten Produktionsprozesses möglich, was beispielsweise Rückrufaktionen vermeiden könnte.

Fazit

Der Einsatz von Big Data Analysen stellt einen essenziellen Erfolgsfaktor für produzierende Unternehmen dar. Richtig eingesetzt, lassen sich aus Big Data Analysen gewonnene Erkenntnisse in bares Geld verwandeln. Denn sie bilden eine fundierte Grundlage für strategische Entscheidungen und die deutliche Optimierung der Produktionsprozesse innerhalb der Industrie 4.0.

Über EXASOL

Die EXASOL AG ist führender Hersteller von analytischen Datenbanksystemen. Das Kernprodukt von EXASOL ist eine auf In-Memory-Technologie basierende Software für professionelle, parallele und schnelle Datenanalysen, die in sämtlichen Branchen von Industrie 4.0 über Retail bis hin zu Energie und Versorgung zum Einsatz kommt.

Der Autor: Mathias Golombek, EXASOL AG

Mathias Golombek leitet als Chief Technology Officer (CTO) den Bereich Technologie bei der EXASOL AG und ist zudem Vorstandsmitglied. Der studierte Informatiker gehört bereits seit über zehn Jahren zum EXASOL Team und treibt die Entwicklung und das Wachstum des Unternehmens maßgeblich mit voran.

Twitter: @EXAGolo