Potenzialanalyse Digitalisierung

Andrea Gillhuber,

Starthilfe für KMU

Für viele große Unternehmen gehören Schlagworte wie Big Data, Smart Data oder auch Smart Industry längst zum Alltag. Kleine und mittelständische Unternehmen dagegen zweifeln häufig noch an Machbarkeit und Nutzen. Dabei können auch sie von den Wettbewerbsvorteilen profitieren. Initiativen und Projekte bieten bei Bedarf die richtige Hilfestellung. 

Qualität und Varianz der Daten sind entscheidend, nicht allein die Menge. © KIT

Digitalisierungsprojekte rund um Big Data, Smart Data und Co. verschaffen Unternehmen enorme Vorteile und erhöhen die Wettbewerbsfähigkeit. So planen Unternehmen beispielsweise mithilfe der vorausschauenden Wartung (Predictive Maintenance) Wartungszeiten exakt und minimieren so die Ausfallzeiten der Maschinen. Das ist vor allem unter Zeit- und Kostengesichtspunkten sehr effizient. Die Konstruktions- und Entwicklungsabteilungen können darüber hinaus aber auch Rückschlüsse aus den aus der Produktion zurückfließenden Daten ziehen und ihrerseits die Prozesse optimieren. Gut für alle Beteiligten  – auf Unternehmens- und Kundenseite gleichermaßen.

Potenzialanalysen für KMU

Zu beurteilen, ob, wann und wie Big-/Smart-Data-Technologien auch für das eigene Unternehmen lohnenswert sind, fällt kleinen und mittleren Unternehmen (KMU) oft noch schwer. Ihnen mangelt es häufig an Fachwissen und Ressourcen. Für sie ist es sinnvoll, zur Planung und Umsetzung von Digitalisierungsvorhaben externe Unterstützung an Bord zu holen. Diese finden die KMU in speziellen Initiativen, Förderprogrammen und Kompetenzzentren der einzelnen Bundesländer, die den ansässigen Unternehmen bei Bedarf Standortvorteile beim Einsatz von Industrie-4.0-Technologien bieten.

Anzeige

So berät beispielsweise das Smart Data Solution Center Baden-Württemberg, kurz: SDSC-BW, KMU mit finanzieller Unterstützung durch das Landesministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg (MWK) neutral und unabhängig zu Smart-Data-Technologien. 2014 von der Stuttgarter Sicos BW und dem Karlsruher Institut für Technologie (KIT) gestartet, bietet das Solution Center insbesondere eine kostenfreie Potenzialanalyse. Diese Analyse wird von den Data-Analytics-Experten des KIT durchgeführt und erlaubt den Unternehmen einen ersten Einblick in die Welt der Datenanalyse. Sie lernen dabei erste Smart-Data-Technologien kennen und können anschließend besser einschätzen, wie sich Big und Smart Data auch in ihrem Unternehmensumfeld einsetzen lassen. Einzige Voraussetzung: Das interessierte Unternehmen muss die Daten zusammen- und zur Verfügung stellen sowie interne Anwendungs- experten für den Austausch mit den Data-Analytics-Experten benennen. Auf Basis der Analyse-Ergebnisse geben die SDSC-BW-Experten dann Handlungsempfehlungen hinsichtlich weiterer konkreter Schritte zu möglichen Einsatzfeldern und stehen – wo erforderlich  – als Begleiter bei der Umsetzung eines tiefergehenden Projekts zur Verfügung.

Viele erfolgreiche Projektbeispiele des SDSC-BW zeigen, dass Digitalisierungsvorhaben auch im Mittelstand umgesetzt werden können.

Projektbeispiel: Fertigungszeit besser vorhersagen

Die Erdrich Umformtechnik mit Sitz im badischen Renchen-Ulm ist ein familiengeführtes Unternehmen, das seit mehr als 55 Jahren weltweit Brems-, Fahrwerks- und Antriebsteile für die Automobilindustrie liefert. Die qualitativ hochwertige und planmäßige Produktion einer großen Menge von Bauteilen ist ein komplexer Prozess, der aus unterschiedlichen Einzelschritten besteht. Verzögert sich einer dieser Schritte, muss der Zeitverlust an anderer Stelle kompensiert werden, um den Plan einhalten zu können. Da die Plandaten, die vor Beginn einer Produktion zur Verfügung stehen, stark begrenzt sind, stoßen klassische Business-Intelligence (BI)-Tools hier an ihre Grenzen. Das Ziel des Projekts mit dem SDCS-BW war es deshalb, diese Datenmenge mit Smart-Data-Technologien intelligent anzureichern und auszuwerten.

Bei der Produktion von Bauteilen sind mehrere Schritte mit teilweise externen Zulieferungen erforderlich. Für die verschiedenen Produktionsschritte, zum Beispiel Pressen, Montieren, Schweißen, liegen unterschiedliche Daten vor, die beispielsweise von der genutzten Maschine stammen; gleichzeitig kommen während der Produktion neue Daten hinzu: unter anderem über notwendige Maschinenreparaturen, die Maschinengeschwindigkeit oder die produzierte Stückzahl. Für eine erste Potenzialeinschätzung der Daten wurden Fahrwerkskomponenten ausgewählt; hierzu stellte Erdrich die Daten der gesamten Produktionsprozesse über einen Zeitraum von anderthalb Jahren bereit.

Die Potenzialanalyse startete mit der Suche nach möglichen Einflussfaktoren für eine Planungsverzögerung. Schnell stellte sich heraus, dass bestimmte Maschinenarbeitsplätze und Komponentenkombinationen besonders häufig zu einer Planabweichung führen. Die Analyse warf dabei die Frage auf, ob der bisher genutzte Planungsansatz flexibel genug auf die sich ständig verändernden Maschinenkonditionen reagieren kann. Die Experten berieten sich und erweiterten ihre Zielstellung auf die Erprobung einer dynamischen Planung. Sie reicherten dafür den Datensatz mit weiteren Informationen aus historischen Produktionsdaten an.

Das Resultat: Das Projektteam konnte neben wichtigen Einflussgrößen, die häufig zur Verzögerung bei der Produktion führen, verschiedene Verarbeitungsketten identifizieren, mit denen die zeitliche Abschätzung der Produktion verbessert werden kann. Dabei evaluierte es eine Reihe leistungsfähiger und moderner Algorithmen und potenziell hilfreiche spannende Vorverarbeitungsschritte. Neben der Bestimmung der typischen statistischen Fehlermaße wurden die Ergebnisse auch als Kostendifferenzen zum ursprünglichen Planmodell sowie einem sehr einfachen Basis-Modell (Mittelwertschätzer) evaluiert. Das Unternehmen erfuhr auf diese Weise, dass sich die Produktionskosten durch die verbesserte Produktionszeitschätzung genauer voraussagen lassen.

Erdrich erhielt so einen neuen Ansatzpunkt für die Untersuchung möglicher Produktionsverzögerungen. Mit Hilfe der neu entwickelten Regressionsmodelle kann die Planungsgenauigkeit verbessert und dynamisch angepasst werden. Auch wenn die Maschinendatenerfassung noch nicht lückenlos erfolgt, helfen die erzielten Ergebnisse den Entscheidern dabei, die Umsetzung der Digitalisierung fundiert voranzutreiben. Bereits heute sind die Ergebnisse zur Verbesserung der Produktionszeitschätzung verwendbar.

Digitalisierungsprojekte (auch) mit kleinen Datenmengen

Praxisbeispiele wie dieses verdeutlichen: Dass nur große Unternehmen über die notwendigen Datenmengen verfügen, um Digitalisierungsprojekte erfolgreich umzusetzen, ist ein Irrglaube. Auch wenn die Begrifflichkeit „Big Data“ es suggeriert, kommt es nicht allein auf die Quantität der Daten an. Auch Mittelständler wie Erdrich oder weit kleinere Firmen besitzen ausreichend Daten, die direkt oder auch in Kombination mit weiteren externen Daten oder Informationen gewinnbringend sein können  – Qualität und Varianz sind entscheidend. Die Daten sind dann von Interesse, wenn sich in ihnen Muster oder Verbindungen erkennen lassen, die Erkenntnisse für die Prozessoptimierung liefern. Bei Smart-Data-Analysen geht es deshalb nicht nur um die mittels IT erfassten Datenmengen, sondern auch um die Zusammenführung mit weiteren Informationen  – wie die Materialbeschaffenheit oder die Erfahrungswerte von Technikern. So können auch KMU aus ihren Datenmengen wertvolle Erkenntnisse ziehen und sich mittels Smart Industry und Co. wettbewerbsfähiger positionieren.

Dr. Andreas Wierse, Geschäftsführer von Sicos BW / ag

Anzeige

Das könnte Sie auch interessieren

Anzeige

Maschinendaten

Einfache Erfassung und Analyse

MCU hat mit Liveinspect eine Lösung zum Auslesen und Weiterverarbeiten von Daten aus Maschinen vorgestellt. Liveinspect stellt die tatsächliche Maschinennutzung dar, die Datenhaltung erfolgt manipulationssicher.

mehr...
Anzeige
Anzeige
Anzeige

MES

Die wichtigsten Aufgabenfelder

Mittelständische Fertigungsunternehmen haben oft mit mehr Komplexität zu kämpfen als man denkt. Die Vorteile, die einem produzierenden Unternehmen jedoch durch den Einsatz einer Standard-MES-Lösung entstehen, reichen von der Optimierung der...

mehr...
Anzeige
Anzeige
Anzeige

OEE-Monitor

Schleierlos

stellt sich die Fertigung durch den OEE-Monitor dar. Das Software-Tool dient zur Ermittlung der Effizienz von Maschinen und Anlagen und der Overall Equipment Effectiveness (OEE).Der OEE-Wert ist eine der aussagekräftigsten Kennziffern für die...

mehr...

Newsletter bestellen

Immer auf dem Laufenden mit dem SCOPE Newsletter

Aktuelle Unternehmensnachrichten, Produktnews und Innovationen kostenfrei in Ihrer Mailbox.

AGB und Datenschutz gelesen und bestätigt.
Zur Startseite