Über 99 Prozent der Schweizer Unternehmen sind KMU. Dabei zählen tausende Betriebe im Produktionssektor zu den Weltmarktführern. Obwohl sie alle mit der Herausforderung der digitalen Transformation konfrontiert sind, stehen viele noch ganz am Anfang der Industrie 4.0. Wie sie diesen bislang ungenutzten Datenschatz heben können, zeigt eine Gesamtlösung der Optalio GmbH.
Die Schweizer Wirtschaft ist stark exportgetrieben: Allein im Corona- Jahr 2020 betrug laut Bundesamt für Statistik das Volumen im Export über 299 Milliarden Schweizer Franken (rund 274 Milliarden Import) – ein Saldo von mehr als 25 Milliarden. Einen grossen Anteil daran hatten auch die kleinen und mittelständischen Unternehmen der Maschinen-, Elektro- und Metall-Industrie (MEM). Doch der Erfolg in der Zukunft ist keineswegs garantiert. Steigende Anforderungen von Auftraggebern und dem Wettbewerb sowie die Herausforderungen des Klimawandels erfordern einen Modernisierungsschub bei Prozessen und der Produktion. Und der ist mit den herkömmlichen Methoden nicht mehr zu bewältigen. Die Lösung besteht in einer ganzheitlichen Datenstrategie und speziell im Einsatz von Technologien wie Data Engineering, Data Analytics, künstlicher Intelligenz (KI) und Machine Learning (ML).
Die Vorteile liegen auf der Hand: Mit datenbasierter Optimierung lassen sich unter anderem Leerstände, Ausfallzeiten und Überschüsse verringern und damit die Produktion erhöhen. Genauso lässt sich die Verbesserung von Lieferabläufen erreichen, etwa durch eine beschleunigte Auftragsvergabe. Zudem werden dadurch Energie und Ressourcen eingespart. Davon profitiert nicht nur das Portemonnaie, beispielsweise in Form einer besseren Working-Capital-Quote, sondern auch das Klima dank weniger CO2-Ausstoss. Doch selbst erfahrene Geschäftsführer, Betriebsleiter und Produktionsplaner stehen vor der Frage, wie der Weg hin zu einer datenbasierten Prozess- und Produktionsoptimierung erfolgreich und sicher beschritten werden kann. Denn häufig sind gleich mehrere Hürden zu überwinden: von der Nutzbarmachung von Maschinendaten über die Erhebung und Konsolidierung bis hin zur KI-gestützten Analyse und Visualisierung – und das alles stets unter dem Aspekt der Datensicherheit. Notwendig ist daher ein echter Ende-zu-Ende- Ansatz, um eine ganzheitliche Datenstrategie zu realisieren.
Raus mit der Sprache
Mit das grösste Hindernis bei der Digitalisierung industrieller Anwendungen besteht in der Lücke zwischen analogen Produktionsanlagen, der sogenannten OT (Operational Technology), und der IT (Information Technology). Selbst wenn Maschinen und Anlagen über passende Anschlüsse verfügen, reicht es nicht, sie einfach nur an ein IT-Netzwerk anzuschliessen. Der Grund: Sie sprechen nicht dieselbe Sprache, was sich auch in unterschiedlichen Zielen widerspiegelt. Während in der Produktion Verfügbarkeit und Zuverlässigkeit höchste Priorität geniessen, liegt diese bei der IT in der Vertraulichkeit und Datensicherheit. Für einen sicheren Datenaustausch zwischen diesen beiden Welten braucht es daher einen präzisen Bauplan, um Maschinendaten für IT-Systeme zugänglich zu machen. Einfach ausgedrückt: OT und IT müssen dieselbe Sprache sprechen und über die passenden Wege miteinander kommunizieren.
Eine Lösung besteht darin, Maschinen «zum Sprechen» zu bringen. Optalio setzt dazu die sogenannte autolinguale IT® ein, die vom Partner HWI IT GmbH entwickelt wurde. Dabei wird von einem realen Produktionsprozess von Maschinen und Anlagen ausgegangen und zunächst werden alle IT-Dienste bestimmt, die dieser Prozess benötigt oder beliefert. Es geht um die bereits vorhandene Vernetzung, zu der beispielsweise die Schnittpunkte zur Office-IT gehören. Im nächsten Schritt wird das Kommunikationsverhalten aller identifizierten Dienste in Form einer Matrix ermittelt, um zu sehen, wer überhaupt mit wem spricht. Aus diesem Wissen heraus kann eine passende Industrial-IT-Infrastruktur entwickelt werden. Diese beinhaltet unter anderem Feldbusse, Steuerungen, Server und Switches sowie zur Sicherheit sowohl Firewalls für die IT als auch die OT. Über eine solche skalierbare und sichere Infrastruktur können Maschinendaten etwa einer Datenplattform zur weiteren Verarbeitung zugeführt werden.
Daten sammeln, ordnen und aufbereiten
Auch die besten Zutaten werden ungeniessbar, wenn man alle in einen Topf wirft. Ähnlich verhält es sich mit der datenbasierten Prozess- und Produktionsoptimierung. Immerhin sind Daten nicht gleich Daten – und sie sprudeln zudem bei KMU aus ganz unterschiedlichen Quellen: von Maschinen über ERP-Systeme bis hin zu Excel-Tabellen, in die Berichtsdaten häufig noch immer von Hand eingetragen werden. Um aus dem Sammelsurium aus Maschinen-, Betriebs-, Zustands- und Prozessdaten einen echten Mehrwert zu generieren, müssen zunächst die richtigen Daten identifiziert und optimal aufbereitet werden. Die Stichwörter dazu lauten Data Mining und Data Engineering.
Zu Beginn ist zu klären, welche Daten für bestimmte Optimierungszwecke nötig sind, ob eine Erfassung bereits erfolgt und welche Quellen noch zu ergründen sind. Das geschieht über eine Bestandsanalyse, die gemeinsam mit dem Kunden durchgeführt wird. Da bei Unternehmen in der Regel unterschiedliche Tools zum Einsatz kommen, ist es wichtig, die Daten in eine einheitliche Form zu bringen. Andernfalls ergibt sich aus dem reinen Zusammentragen eine unbrauchbare Datenflut. Optalio setzt auf die Unterstützung durch die evoila GmbH, einen Partner und Spezialisten in den Bereichen Data Mining und Data Engineering. Dabei werden die zuvor identifizierten Daten extrahiert, aufbereitet und in einer zentralen Datenplattform gespeichert. Die Speicherung und Verarbeitung der Daten erfolgt wahlweise über eine sichere Cloud- Lösung oder auf einem Server direkt beim Kunden (On-Premise). Dadurch wird gewährleistet, dass sich die Daten in einem abgeschlossenen und abgesicherten Bereich befinden und vollständig im Eigentum des KMU verbleiben.
Andocken, analysieren und visualisieren
Wer das Glück hat, bei einem Tauchgang im Urlaub auf einen Schatz zu stossen, braucht trotzdem die Expertise von Fachleuten. Bei einem Datenschatz ist es nicht anders: Nachdem er gehoben und ordentlich aufbereitet wurde, müssen aus ihm sinnvolle Zusammenhänge eruiert werden, um einen echten Mehrwehrt zu erzielen. Hier kommen KI-Lösungen zum Einsatz, die in der Lage sind, aus unzähligen Daten logische Verknüpfungen zu bilden, damit sie für den Menschen erst Sinn und dann einen Mehrwert ergeben.
Dieser lässt sich erreichen, indem die Plattform zur Datenanalyse bereits andocken und die proprietäre KI mit der Analyse beginnen kann. Dabei besteht ein Unterschied zwischen einer regulären Software und einer künstlichen Intelligenz: Erstere besteht hauptsächlich aus ihrem Code und kann lediglich vordefinierte Befehle ausführen. Dagegen besteht die Arbeit mit einer künstlichen Intelligenz zu 80 Prozent aus dem sogenannten Data Engineering – also grob aus dem Zusammentragen, Prüfen und Aufbereiten von Daten. Die übrigen 20 Prozent sind Aufgabe eines Data Scientists, der den Code erstellt, Anpassungen vornimmt, das Testen durchführt und einiges mehr. Zusammengenommen ist eine KI zu deutlich mehr in der Lage: Sie kann direkt mit den ihr zugeführten Daten eigenständig arbeiten, dabei neue Erkenntnisse gewinnen und dadurch Vorteile, Mehrwerte und Lösungen bereitstellen. Es kommt daher auf die Qualität der Daten sowie den Code beziehungsweise die Wahl der KI an, um bestmögliche Ergebnisse zu erzielen.
So kann die KI mit Betriebsdaten aus Produktionsplanung, Personal- und Lagerkapazitäten sowie Prozessketten arbeiten und erkennt daraus eigenständig Zusammenhänge, Abhängigkeiten und logische Verknüpfungen. Im Ergebnis lässt sich etwa bei Fertigungseinheiten eine optimale Reihenfolge vornehmen, die die Auslastung deutlich verbessert. Bei der Analyse von Maschinendaten etwa aus Rotationsbewegungen, Drücken, Viskositäten, Energieverbräuchen, Drehzahlen oder Temperaturen gelingt es der KI, Muster zu erkennen, die auf Probleme im Maschinenbetrieb hindeuten. Der Austausch von Komponenten kann dadurch frühzeitig geplant und unerwartete Ausfälle können vermieden werden. Auch lässt sich dadurch bereits während eines Produktionsdurchlaufs vorzeitig darauf hinweisen, ob eine Produktionscharge gegebenenfalls von den festgelegten Qualitätsstandards abweicht oder weiterhin innerhalb der Norm liegt.
Zur besseren Übersicht sollten Ergebnisse grafisch dargestellt werden – von einfachen Graphen, die etwa Leistungskurven anzeigen, bis hin zur Nachbildung von Arbeitsstationen in der Fertigung. Mit der richtigen Lösung lassen sich Stammdaten bei Bedarf anpassen. Auswirkungen werden in Echtzeit simuliert. Dazu gehören Handlungsempfehlungen, die in der Betriebsplanung eine schnelle Reaktion innerhalb weniger Momente ermöglichen.
Fit für die Zukunft
Die Schweiz erreichte im jüngsten Global Innovation Index 2021 den ersten Platz und hat damit ihre Innovationsfähigkeit klar unter Beweis gestellt. Jetzt müssen die Weichen gestellt werden, um die Poleposition auch in Zukunft zu verteidigen und im Wettbewerb zu bestehen. Erprobte Lösungen und die Expertise – genauso wie die richtigen Partner – sind vorhanden, das zeigt klar der Ende-zu-Ende-Ansatz. So können KMU eine ganzheitliche Datenstrategie erfolgreich umsetzen und von den eigenen Daten im Unternehmen profitieren.
