Die 5 Schritte des Industrial IoT Maturity-Modells

Die 5 Schritte des Industrial IoT Maturity-Modells: von der Computerisierung bis zur autonomen Reaktion der Maschine. (Quelle: Ixon)

Das industrielle Internet der Dinge (Industrial Internet of Things/IIoT) bezieht sich auf die Nutzung des IoT in industriellen Anwendungen. Es konzentriert sich auf verschiedene Technologien wie M2M-Kommunikation, Big Data, maschinelles Lernen usw., welche die Effizienz und Zuverlässigkeit des Betriebs erhöhen. Viele Maschinenbauer stellen sich jedoch die brennende Frage: Was springt für mich dabei heraus? "Helfen kann ihnen dabei IXONs Industrial IoT Maturity-Modell mit seinen fünf Phasen." Die folgenden Kapitel führen die einzelnen Phasen mit ihren Merkmalen und wichtigsten Enablern aus.

Phase 1 und 2: Computerisierung und Konnektivität

Die ersten beiden Phasen des Industrial IoT Maturity Modells sind die Computerisierung und Konnektivität, zusammenfassend werden sie auch als Digitalisierung bezeichnet.

Die Entwicklung beginnt mit der Computerisierung, bei der Software Maschinen steuert. Diesen ersten Schritt zur IIoT-Reife haben die meisten Unternehmen bereits vollzogen. Er bildet die Basis für die Konnektivität, bei der Industriegeräte mit dem Internet verbunden werden, um einen Fernzugriff auf Maschinen zu ermöglichen.

Kurzfassung: Was ist das Industrial IoT Maturity-Modell

Das Industrial IoT Maturity-Modell bildet die Grundlage der Zukunftspläne für Unternehmen in der Fertigungsindustrie. Es beschreibt in fünf Phasen den Weg von der Digitalisierung bis hin zu Industrie 4.0.

Für Eilige

Phase 1 und 2: Computerisierung und Konnektivität

Phase 3: Datenanalyse

Phase 4: Vorausschauende Kapazitäten

Phase 5: Anpassungsfähigkeit

Digitalisierung von Industriemaschinen

Digitalisierung von Industriemaschinen, SPSen, HMIs, Industrie-PCs und Robotik sind aus der Fertigungsindustrie nicht mehr wegzudenken. Die Kombination aus Computerisierung und Konnektivitätslösungen hat die Möglichkeit geschaffen, von überall und zu jeder Zeit auf die Maschinen aus der Ferne zuzugreifen. Solch eine Fernsteuerung ist ein wichtigerer Mechanismus, um die Maschineneffizienz zu steigern und Kosten für Servicefahrten zu senken. Das weckt das Interesse an der Implementierung eines Fernzugriffs und ist auch der Grund, warum viele Maschinenbauer ihn bereits zu ihrem Vorteil nutzen. Es gibt zwar mehrere Möglichkeiten, den Fernzugriff auf eine Maschine oder Produktionsanlage zu gewähren, doch die Basis besteht meist aus Edge-Hardware, virtuellen privaten Netzwerken (VPNs) und Computern. Edge-Hardware kann zum Beispiel ein industrieller Router oder ein Gateway sein. Sie ermöglicht die Kommunikation zwischen dem lokalen Maschinen- oder Anlagennetzwerk und der lokalen oder externen IIoT-Plattform, wie einer Cloud-Plattform.

Die 5 Schritte des Industrial IoT Maturity-Modells im Detail.
Die 5 Schritte des Industrial IoT Maturity-Modells im Detail. (Quelle: Ixon)

Phase 3: Datenanalyse

Diese Phase verbessert die Vorstellung von Anwendern oder Maschinenbauern, was in Ihren Maschinen passiert – und warum es passiert. Eine klare Strategie zum Sammeln und Analysieren von Daten für die Verbesserung der Produkte ist der Schlüssel für die Implementierung von IIoT. Aber wie werden die Daten erfasst? Wie funktionieren Datenanalysen? Und was lässt sich mit den Maschinendaten erreichen?

Sammeln und Speichern von Maschinendaten

Die Verwendung des IIoT revolutioniert den Maschinenbau, indem es die Erfassung und den Zugriff auf Daten in weitaus größerer Menge und Geschwindigkeit als je zuvor ermöglicht. Es lässt sich getrost sagen, dass Maschinendaten das Herzstück des IIoT bilden und sie die Grundlage für die Vorteile sind, die sich daraus ergeben können. So können aus Maschinendaten wichtige Erkenntnisse gewonnen werden, vorausgesetzt, es kommen die richtigen Tools zum Einsatz, um Daten zu sammeln, speichern und reporten. Natürlich ist es leicht daher gesagt, dass aus Maschinendaten höchst wertvolle Erkenntnisse und große Effizienzsteigerungen folgen können, aber wo genau fängt man an? Grundlegend erfordert das Sammeln von Daten, dass die Maschine mit Sensoren, Steuerungen oder Aktoren ausgestattet ist, die in der Lage sind, Daten überhaupt zu erzeugen. Zudem sind sie miteinander verbunden, führen spezifische Funktionen innerhalb der Maschine aus und können mit anderen Geräten über industrielle Kommunikationsprotokolle wie OPC UA und Modbus kommunizieren. Darüber hinaus braucht es die richtige Ausrüstung aus Phase 2, um Daten an einen Server zu senden. Dazu gehören Geräte, die Maschinendaten speichern und/oder an einen (lokalen oder Cloud-) Server senden können, wie Datenlogger, IoT-Geräte, Edge-Gateways oder Industrierouter.

Die 5 Stufen des Industrial IoT Maturity-Modells kurz erläutert. (Quelle: Ixon)
Die 5 Stufen des Industrial IoT Maturity-Modells kurz erläutert. (Quelle: Ixon)

Konkrete Handlungsschritte und Praxisbeispiele zu jeder der Phasen finden Sie in Ixons White Paper “Der Weg zur IIoT-Reife im Maschinenbau



Einrichten einer Datenüberwachungs-Strategie

Mit dem richtigen Equipment sind Unternehmen nun in der Lage, Daten zu sammeln und zu speichern. Der nächste wichtige Schritt ist, sich Gedanken über die Datenstrategie zu machen. Wenn Anwender wissen, welche Maschinendaten verfügbar sind, können Sie am besten bestimmen, welche Daten für die Prozesse entscheidend sind. Dies sind die Daten, die überwachen werden müssen. Überwachen bedeutet, dass Sensoren Abweichungen wie ungewöhnliche Vibrationen oder zu viel Ober- oder Untergewicht erfassen. Zudem muss darauf schnell reagiert werden. Auf diese Weise lassen sich Maschinen und Fertigungsprozesse kontinuierlich optimieren.

Datenanalyse mit einer IIoT-Plattform

Eine IIoT-Plattform ist ein Werkzeug, um Berichte mit den generierten Maschinendaten zu erstellen. Durch die Überwachung und Interpretation dieser Berichte können Maschinenbauern Erkenntnisse über Dinge wie Maschinenstatus, Engpässe oder Fehlerursachen gewinnen. Sie zeigen Ingenieuren, an welchen Stellen sich zukünftige Maschinen verbessern lassen.

Die Kombination aus Analysesoftware und cloudbasierten Plattformen ermöglicht es, wertvolle Einsichten-Berichte aus Maschinendaten zu erstellen. Ein zusätzlicher Bonus ist, dass diese Tools genutzt werden können, um Erkenntnisse zu generieren, die auch mit Endnutzern geteilt werden können. So können Kunden einen ganz anderen Datenbedarf haben als der Maschinenbauer, etwa die Messungen der Gesamtanlageneffektivität (Overall Equipment Effectiveness, OEE), einem Standard zur Messung der Fertigungsproduktivität.

Ixon Cloud als IIoT-Plattform

Phase 4: Vorrausschauende Kapazitäten

Diese nächste Phase des IIoT-Maturity-Modells konzentriert sich auf die Prognosen anhand der analysierten Daten, was mit den Maschinen passieren wird, etwa wann ein Fehler oder Ausfall auftreten wird. So können Unternehmen von reaktiven zu proaktiven Servicemethoden wie der vorausschauenden Wartung wechseln.

Maschinenausfälle und Störungen vorhersagen

Jeder Hersteller hatte schon einmal mit Maschinenausfällen zu tun. Die vorausschauende Wartung hilft dabei, diese ungeplanten Ausfallzeiten zu reduzieren, indem sie Maschinendaten in Echtzeit nutzt, um Maschinenausfälle vorherzusagen bevor sie überhaupt auftreten und um zukünftige Entwicklungen zu antizipieren. Eine Studie von Accenture besagt, dass die vorausschauende Wartung und Maschinenüberwachung bis zu 12 % der geplanten Reparaturen einsparen könnte. Das führt wiederum zu 30 % weniger Wartungskosten und 70 % niedrigeren Ausfallzeiten durch Maschinenausfälle. Grundlage dafür ist das Sammeln und Vorverarbeiten von Maschinendaten aus Phase 3 des IoT Maturity-Modells. Um mit vorausschauenden Kapazitäten zu beginnen, braucht es erweiterte Analysen, um Rohdaten in umsetzbare Informationen zur Fehlererkennung oder zur Vorhersage der Zeit bis zum Ausfall umzuwandeln. Diese Informationen lassen sich zur Planung von Wartungsarbeiten und zur Optimierung von Ressourcen nutzen, um die Gesamtleistung der Maschine zu verbessern.

Festlegen von Alarmen und Benachrichtigungen

Der Einsatz von Alarmierung ist im industriellen Bereich bereits etabliert. Allerdings werden Alarme oft reaktiv eingesetzt. Beispielsweise gibt es einen Alarm, wenn eine Maschine bereits ausgefallen ist oder die Effizienz gesunken ist. Hier ist rasches Handeln gefordert, um das Problem so schnell wie möglich zu lösen. Durch die Kombination von intelligenten Geräten, Expertenwissen und Maschinendaten sind die Ingenieure in der Lage, raffiniertere Alarme zu entwerfen, die mehrere Ereignisse für unterschiedliche Zwecke überwachen. Für eine prädiktive Kapazität sollten Anwender die Verwendung der Alarmierung von reaktiv zu proaktiv ändern. So bleibt genug Zeit, um beispielsweise ein bestimmtes Teil auszutauschen, noch bevor es zu einem Maschinenausfall führen kann.

Selbstoptimierung durch Künstliche Intelligenz

Noch einen Schritt weiter ist die Künstliche Intelligenz (KI): Sie analysiert Maschinendaten, identifiziert, was der kritische Punkt ist und schickt eine Benachrichtigung. Das maschinelle Lernen übernimmt die Überwachung und die Alarmeinstellungen, sodass sich Mitarbeiter auf andere Aufgaben konzentrieren können.

Stilisierstes Gehirn als Symbol für KI
Der Einsatz von Künstliche Intelligenz (KI) in der 5. Phase des Industrial IoT Maturity Models analysiert Maschinendaten, identifiziert, was der kritische Punkt ist und eine Benachrichtigung.(Quelle: Laurent – Adobe Stock)

Phase 5: Anpassungsfähigkeit

Jetzt, wo die Maschinen digital und aus der Ferne steuerbar sind, Daten überwacht werden, um zu verstehen, was passiert und vorherzusagen, was passieren wird, ist es Zeit für die letzte Phase des IIoT-Maturity-Modells: die Anpassungsfähigkeit. Sie ist die am weitesten fortgeschrittenste, komplexeste und innovativste Phase der IIoT-Anwendung. Sie besteht aus zwei Wegen: Engineering und Corporate.

Anpassungsfähigkeit im Engineering

Bei der Anpassungsfähigkeit im Engineering geht es darum, autonome Reaktionen wie automatisierte Aktionen und automatisierte Entscheidungsfindung anzuwenden. Das Durchlaufen der vorangegangenen Phasen ist eine Grundvoraussetzung, um diesen letzten Schritt in Richtung Anpassungsfähigkeit zu gehen. Wenn Maschinenbauer dies getan haben, öffnen sie damit die Türen zu neuen, aufregenden Möglichkeiten. Zum Beispiel, dass die Maschine automatisch die Reihenfolge der geplanten Aufträge ändert, weil ein Maschinenausfall erwartet wird.

Vernetzte Geräte, Dienste und Plattformen können zusammen technologische Fortschritte bieten; so zum Beispiel die Integration von ERP- und Maschinenproduktionsdaten mit einem prädiktiven Analysewerkzeug, um smarte Maschineneinblicke zu gewinnen. Im Verlauf der Entwicklung bis zu dieser letzten Phase haben Unternehmen höchstwahrscheinlich begonnen, eine IIoT-Plattform zu nutzen. "In dieser Phase werden sie lernen, wie wichtig eine offene Lösung, wie die Ixon Cloud ist. Der Begriff "offen" mag vielleicht etwas beunruhigend klingen, aber keine Sorge – in diesem Fall geht es um Plattformen oder Lösungen, die sich leicht mit Anwendungen von Drittanbietern kombinieren lassen. Indem Maschinenbauer die Zusammenarbeit zwischen verschiedenen Informationsquellen anstreben, können sie mehr Wert aus dem bestehenden Datensatz herausholen. Es ist unmöglich, eine All-in-One-Lösung zu finden, die tatsächlich alles bietet, um diese letzte Phase zu erreichen, da sie so viele verschiedene Fachgebiete erfordert. Es ist die Zusammenarbeit zwischen verschiedenen Lösungen, die die Anpassungsfähigkeit auf ein höheres Niveau heben wird.

Betriebliche Anpassungsfähigkeit (Corporate)

Produktionsbetriebe und -anlagen kaufen nicht einfach eine Maschine, sondern ein Werkzeug, das den gewünschten Ertrag liefert. Vollständig reif in der betrieblichen Anpassungsfähigkeit (also auf Corporate-Level) zu werden, bedeutet, Geschäftsmodelle an die kontinuierlichen Veränderungen anzupassen. Jeder einzelne Schritt, den bisher besprochen wurde, eröffnet Möglichkeiten für neue Geschäftsmodelle. So können Maschinenhersteller vom einfachen Lieferanten zum kompetenten Geschäftspartner reifen. Analysen kombiniert mit Expertenwissen ermöglichen es Maschinenbauern, ihre Kunden zu beraten, wie sie ihre Maschinen am besten nutzen können, oder Serviceverträge mit präventiver Maschinenwartung zu implementieren. Möglichkeiten wie diese erlauben es Unternehmen, neue Einnahmequellen wie Service Level Agreements oder Pay-per-Use-Leasingmodelle zu erschließen. Um dies erfolgreich zu tun, müssen Maschinenhersteller ihre Service- und Monetarisierungsstrategien grundlegend überdenken.

Der Artikel basiert auf Unterlagen von Ixon

Kostenlose Registrierung

Newsletter
Bleiben Sie stets zu allen wichtigen Themen und Trends informiert.
Das Passwort muss mindestens acht Zeichen lang sein.

Ich habe die AGB, die Hinweise zum Widerrufsrecht und zum Datenschutz gelesen und akzeptiere diese.

*) Pflichtfeld

Sie sind bereits registriert?