Wenn Bauteile eigenständig mit der Produktionsanlage kommunizieren und bei Bedarf selbst eine Reparatur veranlassen – wenn sich Menschen, Maschinen und industrielle Prozesse intelligent vernetzen, sprechen wir von Industrie 4.0.
Die Iodata ist Partner der Sicos BW – einer 100%igen Tochter des Landes Baden-Württemberg und des KIT (eine Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft).
KIT SICOS
Unsere Aufgabe besteht u.a. darin, Unternehmen im Mittelstand zu identifizieren, die aktuell Interesse haben und gerne Förderungen für folgende Themen nutzen wollen:
Business Intelligence
Big Data
Predictive Analytics
Industrie 4.0
Wie sehen konkrete Schritte aus?
In einem 1. Termin, gerne auch bei Ihnen im Unternehmen, stellen wir uns mit den technischen Möglichkeiten des KIT vor.
In einem nächsten Schritt werden Ihre Bedürfnisse, Herausforderungen und Ideen von uns aufgenommen und eine Strategie mit Ihnen erstellt, wie auch Sie intelligente und flexible Produktionsprozesse mit Ihrem Maschinenpark gestalten können.
Ihre Daten werden im Rahmen der heutigen Datenschutzbestimmungen analysiert, um Muster z.B. Fehler, Störungen oder auch besonders positive Ereignisse zu erkennen, zu verstehen und zu nutzen.
3. 3
Agenda
Was ist Industrie 4.0?
Warum brauche ich Industrie 4.0?
Sind wir schon bereit dafür?
Wie kommen wir dahin?
Kundenbeispiel: Industrie 3.2
Kundenbeispiel: Industrie 4.0
Die Kooperationspartner
4. Was ist Industrie 4.0?
4
„Industrie 4.0“ steht für die „vierte Industrielle Revolution“. „Industrie 1.0“ meint die im 18. Jahrhundert beginnende Ära
der Mechanik, „Industrie 2.0“ bezieht sich auf die Ära der Elektrik und „Industrie 3.0“ steht nach dieser Logik für die
zunehmende Automatisierung der Industrie durch den Einsatz von Rechner.
1. Industrielle Revolution/
Mechanik/ Die Dampfmaschine
2.Industrielle Revolution/ Elektrik/
Fließband in der Automobilindustrie
3.Industrielle Revolution/ IT/ CNC,
Drucker, Roboter, Vernetzung,
Internet
Industrie 3.2: Web 2.0 / Mobile,
Social Media, Business Intelligence,
Lean Management
4.Industrielle Revolution:Big Data,
Predictive Maintenance, IOT, Smart
Factory
5. Warum wir Industrie 4.0 brauchen!
5
individuelle Produkte und Dienstleistungen für Ihre Kunden
dynamisch anpassbare Produktionsprozesse
Höhere Transparenz aller Prozesse
Zugriff in Echtzeit auf Arbeits- und
Produktionsabläufe
neue Geschäftsmodelle und Nischen wie On-
Demand-Produktion ermöglichen
schneller, zielorientierter und granularer die gesetzten
Betriebs Ergebnisse erreichen
Prozesse werden digitalisiert, erfasst, analysiert und
umgesetzt
6. Sind wir schon bereit für Industrie 4.0?
6
Industrie 4.0
Business Intelligence
Produktionsdaten: MDE, BDE
Auf welcher Stufe
stehen Sie?
7. Wie kommen wir zu Industrie 4.0?
7
Machen Sie Ihre
Hausaufgaben und
bereiten Sie Ihr
Unternehmen auf
Industrie 4.0 vor
8. Wie kommen wir zu Industrie 4.0?
8
Industrie 3.2!
Von der Daten und Prozessoptimierung
zum konsolidierten Ad Hoc Blick über
das ganze Unternehmen
10. 10
Use Case Steigerung der Energieeffizienz in der Produktion von Folien
• Folienhersteller stellt weltweit hochwertige Polymer- oder Hartfolien her
– Neben pharmazeutischen Blisterverpackungen werden z.B. Druckfolien,
Dekorationsfolien und Plastik-Kreditkarten hergestellt.
• Primäres Ziel Folienhersteller
– Energieeffizienz Kalandermaschinen
• Vermutung
– Varianz in gefahrenen Maschinenprotokollen legt verschiedene
Effizienzbereiche der Fertigung offen
• Daten
– 3 Monate Sensorwerte einer Kalandermaschine
– Schicht und Fertigungsdaten
• Ziel SDSC
– Potentialanalyse zur Projektierung flächendeckender Überwachung
11. Beispiel: Fertigung Material1 und Material2
• Energieeffizienz nicht direkt erfasst (nur über Zustands- und Prozessgrößen)
• Zeitreihen nicht pro Material, sondern kontinuierlich erfasst
• Messungen enthalten Wartungen, Rüstung, Reinigung
Material 1 Material 2
12. Schritt 1: Fusion der Datenbasis
Fertigungs-
objekte
Schicht-
zeiten
Schicht-
mengen
Maschinen-
daten
Validierung
Ziel: Abbildung von Merkmalen aus
Sensordaten auf relevante
Geschäftsobjekte
13. Herausforderung bei Vorbereitung Daten:
Segmentierung + Data Cleaning
DatenwährendSchichtenDatenwährendFOBJs
Alignmentungenauigkeit in ERP bzgl. Realität
15. Szenario 3: Steigerung der Materialausnutzung in der Lederverarbeitung
• Luxussofa GmbH und co KG ist „die Design-Marke für
Luxussofas Made in Germany“
– Manufaktur unter Einsatz modernster Technik in Nagold
• Ziel Luxussofa
– Reduktion des Verschnitts
• Vermutung
– Schnittoptimierung arbeitet unter bestimmten Rahmen-bedinungen
nicht optimal
• Daten
– 6 Monate Bewertungsprotokolle Leder und Zuschnittprotokolle
• Ziel SDSC
– Vorhersage von Verschnitt auf Basis aufgezeichneter Parameter
16. Smart Data Innovation Lab
(SDIL)
Verschnitt nach Ranking und Nesting
Vorbewertung der Leder
Variierende Leder Individuelle Kundenaufträge
Batching zu Produktionen
Schnittoptimierung (Nesting)
Auswahl von Ledern für Produktion
Ergibt Verschnitt
Fragestellung: Welche Parameter haben Einfluss auf Verschnitt trotz Optimierung?
17. Beispiel 2: Nutzung Betriebsdatenerfassung
• Ziel Luxus Sofa Hersteller
– Exploration der Möglichkeiten, bessere Werkzeuge
• Vermutung
– Daten enthalten weitere Zusammenhänge die
momentan nicht genutzt werden
• Daten
– 20 Monate Betriebsdaten aus Polsterei
• Ziel SDSC
– Explorative Analyse