Alle Beiträge von Steffen Himstedt

Den Weg der digitalen Transformation in der Produktion meistern

Digitalisieren Sie schon oder suchen Sie noch? Der nächste Digitalisierungskongress steht sicherlich irgendwo kurz bevor und wieder werden Heerscharen von Besuchern die Vorträge aufsaugen. In den Pausen werden sich die Teilnehmer unterhalten, um herauszubekommen, was man denn nun endlich digitalisieren muss und wie man das am besten anstellt. Danach wird man wieder nach Hause fahren und vermutlich feststellen, dass man noch nicht genug weiß, um anzufangen und man sich noch weiter informieren muss… oder, Sie fangen einfach mal an! Huch, wie verrückt ist das denn?

Wie heißt es schön, der Appetit kommt beim Essen und daher ist die Empfehlung der Experten, mit der Digitalisierung einfach anzufangen. Unternehmen sollen mit kleinen Projekten, Proof of Concepts oder einfachen Prototypen, starten, um Innovationen zu fördern und ein kreatives Umfeld zu schaffen, welches für die digitale Transformation notwendig ist. Es gibt übrigens einen Unterschied zwischen Digitalisierung und digitaler Transformation. Bei der Digitalisierung werden bestehende Produkte und Prozesse in der digitalen Welt abgebildet. Entweder 1:1 parallel als digitale Kopie beziehungsweise Digitaler Zwilling oder ein Produkt wird nur noch digital angeboten. Am einfachsten lässt es sich an Hand eines Musikstücks erklären. Wurden zu Anfang noch analoge Datenträger erstellt, wurden später digitalisierte Musikstücke auf einer CD digital gespeichert. Trotzdem wurde diese CD noch über den klassischen Vertriebsweg angeboten. Digitale Transformation bedeutet nun, die Musik wird digital im Studio produziert und als digitales Musikstück über digitale Vertriebswege angeboten. Was die Musik beim Zuhörer auslöst ist immer noch das Gleiche, sprich an den Bedürfnissen des Nutzers und an der Leistung des Produktes selbst hat sich noch nicht einmal etwas geändert und trotzdem läuft alles anders. Wenn man sich jetzt noch dazu denkt, dass durch Digitalisierung neue Zielgruppen erreicht und neue Bedürfnisse befriedigt werden können (z. B. Autos per App kurzfristig mieten), was vorher technisch gar nicht möglich war, erschließt sich das komplette Potenzial der Digitalisierung. Aber weil es so komplex und vielfältig ist, und man nichts falsch machen möchte, ist die erste Reaktion oft „abwarten“. Dieser Prozess lässt sich aber auch proaktiv gestalten und somit „agieren“ statt später nur „reagieren“ zu können.

Anhand von sechs Stufen ist es möglich seine eigene Digitalisierungsstrategie zu definieren und mit ersten Prototypen zu testen. Die sechs Stufen sind:

  1. Strategie – Möglichkeiten entdecken
  2. Readiness – Fitness Check durchführen
  3. Roadmap – Richtung und Meilensteine festlegen
  4. Technologie – Radar der technischen Möglichkeiten
  5. Prototyp-Entwicklung – Erste funktionale Anwendung umsetzen und testen
  6. Realisierung – Umsetzungsprojekt starten

Das 6-Phasen-Modell der digitalen Transformation

Abbildung 1: Das 6-Phasen-Modell der digitalen Transformation / Quelle: Trebing+Himstedt

Strategie

Nur wer weiß, in welchen Hafen gesegelt werden soll, kann die Segel entsprechend setzen. Daher ist es zunächst wichtig, sich über das Ziel im Klaren zu sein und vor allem auch alle Beteiligten abzuholen und ein gleiches Zielverständnis zu haben. Speziell in dieser Phase bietet sich Design Thinking als Methode an. Diese Methodik ist immer dann gut einzusetzen, wenn eine offene Fragestellung aus Anwenderperspektive in einem interdisziplinären Team angegangen werden soll. Es ist also noch nicht klar was und wie etwas zukünftig angeboten wird, aber es soll einen Nutzen für den adressierten Anwender bringen. Der Design-Thinking-Prozess schafft zunächst ein tiefgehendes Verständnis der Problemstellung bei allen Beteiligten, eröffnet dann einen breiten Lösungsraum und hilft, die richtige Auswahl durch unmittelbares Anwender-Feedback zu treffen. Kreativitätstechniken, haptische, funktionale Prototypen und unmittelbare Rückmeldungen der potenziellen Anwender zeichnen diese Methodik aus.

Die Phasen des Design-Thinking-Prozesses

Abbildung 2: Mit Design-Thinking zur Strategie / Quelle: Trebing+Himstedt

Der gefundene Lösungsansatz stellt die Strategie der Digitalisierungsaufgabe dar. Die kann eine Digitalisierung der bestehenden Prozesse sein, um die Effizienz zu erhöhen, aber genauso ein komplett neues Geschäftsmodell auf Basis des Digitalen Zwillings. Wie gesagt, der Ausgang des Workshops ist prinzipiell offen.

Readiness

Um nun den Weg zur Lösung beschreiben zu können, ist eine realistische Ist-Aufnahme notwendig, um die Lücke zu analysieren, die möglicherweise zu schließen ist. Beim Readiness-Check sind die Dimensionen Mensch, Organisation und Technik zu untersuchen, um festzustellen, wie fit die Organisation oder Einheit für die geplante Digitalisierung ist. Zu überprüfen ist, ob die Personen die notwendigen Kenntnisse und Fähigkeiten und auch den Willen haben, den Veränderungsprozess mitzugestalten und mitzugehen. Die anfallenden Aufgaben und Funktionen werden auf Basis situativer und spezifischer Stärken verteilt. Bei der Organisation ist zu überprüfen, wie agil die Strukturen auf Veränderungen reagieren können und gegebenenfalls erfolgt ein neuer Zuschnitt der Aufgaben und Rollen. Die vermutlich einfachste Überprüfung findet auf der technischen Ebene statt – wie weit können Funktionen und Prozesse bereits vernetzt und dezentral in Echtzeit umgesetzt werden. Sprich, wie modular und vernetzt ist meine Fertigung und welche neuen Technologien können den Prozess unterstützen.

Dimensionen des Readiness-Checks

Abbildung 3: Mensch, Organisation und Technik (Quelle: Trebing+Himstedt, BMAS, in Anlehnung an Hirsch-Kreinsen 2016)

Roadmap

Nach den ersten beiden Phasen steht nun das Ziel fest und die Handlungsfelder sind durch die Gap-Analyse identifiziert. Die Roadmap stellt zu diesem Zeitpunkt jetzt noch keinen detaillierten Projektplan zur Verfügung, sondern bringt die Unterziele und Meilensteine in eine richtige Reihenfolge. Dies ist wichtig, um die Priorisierung der Aufgaben und Ressourcen richtig setzen zu können. Am Ende steht dann ein Programmplan, der die einzelnen Handlungsfelder auf Basis des jeweiligen Industrie-4.0-Reifegrades in eine sinnvolle Reihenfolge (Roadmap) von Einzelprojekten bringt.

Technologie

Wer in einer gängigen Suchmaschine die Phrase „Industrie 4.0 Technologien“ eingibt, erhält nahezu 4 Mio. Ergebnisse angezeigt. Damit wird klar, einen vollständigen Überblick wird niemand geben können. Durch den in der ersten Phase definierten Anwendungsfall schränken sich die Möglichkeiten aber wiederum drastisch ein. In dieser Phase geht es also darum, den Markt nach möglichen, unterstützen Technologien zu sondieren und deren Anwendbarkeit und Marktreife zu bewerten. Möchte ich beispielsweise an einem Montagearbeitsplatz die Interaktion des Werkers, der beide Hände voll hat, mit den IT-Systemen neu definieren gäbe es zum Beispiel Gestensteuerung, Sprachsteuerung, Blicksteuerung und noch weitere Alternativen, die es zu überprüfen gilt. Soll die Datenerfassung optimiert werden, könnten statt des klassischen Handscanners ein smarter Handschuh mit integriertem Scanner oder Datenbrille als Erfassungsgehilfen eingesetzt werden und so weiter.

Prototyp-Entwicklung

Der Prototyp in dieser Phase geht schon deutlich über den Prototypen in der Design-Thinking-Phase der Strategie-Entwicklung hinaus. Ein gebasteltes Papier-Scribble reicht hier nicht mehr aus, aber es handelt sich auch noch nicht um ein wirkliches Proof of Concept. Es geht in dieser Phase darum, die funktionalen Aspekte der Idee zu testen, eine volle Integration in Back-End-System oder ähnliches ist hier noch nicht notwendig. Eine leichte, schlanke Anwendung soll veranschaulichen, wohin die Reise gehen soll und dient der Überprüfung, ob ein Konzept generell funktionieren könnte. Man spricht hier auch von einem Minimum Viable Product (MVP), wörtlich ein „minimal überlebensfähiges Produkt“. Es geht also um die Grundfunktion, hübsch – sprich Nutzerfreundlichkeit et cetera – kommt später. Wichtig ist, an dieser Stelle auch schon sehr früh die Rückmeldungen der Anwender einzuholen. Wie würden sie es benutzen? Was ist gut? Was funktioniert so noch nicht? Die Entwicklung des Prototyps geschieht somit auch iterativ in mehreren Schleifen. Prototypen sind auch sehr gut geeignet, um den „Geldgebern“ der späteren Realisierungsphase den Fortschritt zu zeigen und zu beweisen, dass man auf dem richtigen Weg ist.

Realisierung und Go-Live

In der Realisierungsphase angekommen, geht es nun darum, die Idee in den Live-Betrieb zu überführen. Jetzt gilt es zu validieren, wann welche Systeme miteinander kommunizieren müssen. Idealerweise wird dies graphisch in einem Prozessdiagramm dargestellt. Die bildliche Darstellung hilft abteilungsübergreifend (bspw. IT und Fertigung), ein einheitliches Verständnis vom finalen Prozess zu erhalten. Nach Auswahl der notwendigen Technologien und Systeme wird der Projektplan mit den notwendigen Meilensteinen abgestimmt. In den meisten Fällen empfiehlt es sich hier, eine agile Projektmethodik zu verwenden, um rechtzeitig auf Änderungen reagieren zu können. Je nach Umfang kann es hier auch notwendig sein, zunächst ein Proof of Concept an einer Maschine oder Linie umzusetzen, um das Konzept im Live-Betrieb zu testen, bevor es am Standort oder global ausgerollt wird.

Digitale Doppelgänger und das Produktionssystem 4.0

Der Bezug auf das 3-D-Modell des Produktes ist im Kontext des Digitalen Zwillings das vorherrschende Beispiel. Darauf aufbauend dann Anwendungen der virtuellen oder erweiterten Realität für Instandhaltung und Service. Dabei liegen, wie bei einem Eisberg, 90 % der Daten und Prozesse, die einen Digitalen Zwilling repräsentieren, häufig nicht im Blick der Beteiligten. Wie sieht also eine ganzheitliche Perspektive über Wertschöpfungsstufen und Systemgrenzen hinweg aus?

Entgegen dem Eisberg ist eine typische Eigenschaft des Digitalen Zwillings, dass er mit zunehmendem Alter – in unserem Fall Lebenszyklus – immer umfangreicher wird und durch neue Daten an „Masse“ gewinnt. Die Historie der Daten macht ihn immer wertvoller und ist letztlich die Voraussetzung für neue digitale Anwendungen und Geschäftsmodelle. Die versprochenen Wettbewerbsvorteile und Effizienzgewinne einer Smart Factory werden ohne ein integriertes Management des Digitalen Zwillings nicht zu erreichen sein.

Gefangen im Silo der Systeme

Betrachtet man stark vereinfacht Design -> Make -> Service als Wertschöpfungsstufen, so stehen auf jeder Stufe entsprechende IT-Systeme bereit. Im Bereich Design die CAD/PLM-Systeme, im Make ein ERP und MES sowie im Service die Instandhaltungssysteme. Entlang dieser Kette werden eigene Datenmodelle und Instanzen von Digitalen Zwillingen in den IT-Systemen erzeugt. Trotz aller Bemühungen um offene Standards dominieren viele herstellerspezifische Formate und Varianten, so dass, insbesondere beim Übergang von einer Stufe auf die andere, viele Daten verloren gehen oder manuelle Datenpflege betrieben wird. Diese Art der IT-technischen Verschwendung galt als unvermeidlich. Da auch organisatorisch Grenzen übersprungen werden, fühlte sich jede Abteilung in ihren Grenzen ganz komfortabel. Viele gut gemeinte Digitalisierungsprojekte fügen jetzt mit Cloud- und IoT-Systemen eine schnell wachsende Schatten-IT hinzu, die die Vielfalt inkompatibler Digitaler Zwillinge schnell unübersehbar werden lässt.

Die Rolle im Produktionssystem 4.0

Produktionssysteme wurden über viele Jahre nach Lean-Prinzipien optimiert und funktionieren weitgehend ohne Digitalen Zwilling. Der Fokus lag auf dem ununterbrochenen, getakteten, verschwendungsfreien Produkt- und Materialfluss. Papier (z.B. der Laufzettel) ist dabei immer noch der Träger aller wesentlichen Informationen, auch wenn punktuell beispielsweise CNC-Systeme unterstützen. Die typischen Tätigkeiten in der Arbeitsvorbereitung, Produktion und Service wie das Aufbereiten der Auftragsdaten, das Ausdrucken und Verteilen der Auftragsdokumente, das Erfassen von Daten in IT-Systeme – all dies sind typische Vorgänge, die nicht wertschöpfend sind.

Das Produktionssystem 4.0 ist durch die Fähigkeit gekennzeichnet, dem Kunden trotz schwankenden Bedarfs individuelle Produkte  mit minimaler Durchlaufzeit bereitzustellen. Takt und Band verlieren an Bedeutung und werden durch flexible und modulare Produktionsmodule ersetzt. Typische Designmerkmale eines Produktionssystems 4.0 sind:

  1. Durchlaufzeit „Same Day“ für alle Produkte
  2. Rüstzeit „Null“
  3. Flexible Produktionsmodule auf denen „jedes“ Produkt gefertigt werden kann
  4. Papierlose Produktion
  5. Keine ungeplanten Stillstände und Störungen

Diese extremen Prinzipien zeigen den Weg auf, um die Effizienzgewinne der Zukunft erreichen zu können. Wertschöpfungssteigerungen von 30 bis 50 % der Gesamtleistung werden in diversen Studien als Potenzial ausgewiesen. Diese Ziele werden aber nur erreicht, wenn der Digitale Zwilling ein integraler Bestandteil und Kern des Produktionssystems 4.0 by Design ist. Er ist der wesentliche Schlüssel der Optimierung und des Effizienzgewinns.

Welche Design-Prinzipien gelten für den Digitalen Zwilling, um diese Ziele zu erreichen?

  1. Es braucht einen Digitalen Zwilling für das Produkt.
  2. Es braucht einen Digitalen Zwilling für die Produktionsanlage.
  3. Es braucht ein kompatibles Datenformat zwischen Anlagen- und Produktmodell, welches den Produktionsprozess digital abbilden kann (Thing-Core-Model).
  4. Stammdaten, egal ob produkt- oder anlagenspezifisch, müssen standardisiert, zentral gepflegt werden bzw. synchronisiert werden.
  5. Über alle Wertschöpfungsstufen ist der Digitale Zwilling wiederzuverwenden (ReUse) und mit Daten anzureichern (Add) – Add- & ReUse-Prinzip.
  6. Digitale Zwillinge müssen über Grenzen des Unternehmens hinaus, das heißt zwischen Herstellern, Betreibern und Servicepartnern im Netzwerk, über ein offenes Thing-Modell austauschbar und erweiterbar sein.

Werden diese Prinzipien des integrierten Digitalen Zwillings als zentrales Designelement in der Unternehmensarchitektur angewendet, können alle Prozesse entlang der Wertschöpfung verschwendungsfrei aufgebaut werden. Daten, die einmal erstellt wurden, stehen nachfolgenden Schritten zur Verfügung und können für Prozesse und Applikationen genutzt werden. Um dieses Ziel zu erreichen, ist ein konsequentes, interdisziplinäres Prozess- und Stammdatenmanagement in der Organisation als Kultur zu entwickeln.

Digitaler Zwilling Add- und ReUse-Prinzip über den Wertschöpfungsprozess

Abbildung 1: Digitaler Zwilling Add- und ReUse-Prinzip über den Wertschöpfungsprozess (Quelle: Trebing+Himstedt)

Wertschöpfung ohne Verschwendung

Sind die Grundregeln des Umgangs mit dem Digitalen Zwilling verstanden, erschließen sich zahlreiche Potenziale, um die Verschwendung auf nahe Null zu reduzieren.

Beispiel papierlose Produktion und elektronische Werkerführung. Bei der automatisierten oder manuellen Montage benötigt es neben der Stückliste immer eine spezifische Arbeits- beziehungsweise Prüfanweisung. Heute werden die Anweisungen pro Produktvariante manuell in einem Editor erstellt, ausgedruckt oder als PDF am Terminal bereitgestellt. Alle Daten liegen in der Regel aber bereits elektronisch vor und können nur nicht automatisiert zusammengeführt werden. Nutzt man die Idee des Digitalen Zwillings, werden die Konstruktionsdaten (z.B. PLM) mit den ERP-Daten integriert und das MES wird der Nutzer der Daten für die Arbeitsanweisungen, zum Beispiel für die schrittgenaue Darstellung mit 3-D-Modell und Animation.

Zusätzlich werden für Werkzeuge oder Prüfstände Maschinenparameter benötigt. Diese können am Digitalen Zwilling des Produktes im ERP gepflegt werden, ans MES weitergeleitet und dann auf Basis offener Standards wie OPC UA technisch in Echtzeit an die Maschine übertragen werden. Auch hier entfällt die doppelte Datenpflege und Verteilung.

Der Digitale Zwilling wird im MES angereichert - as-built, Beispiel SAP ME

Abbildung 2: Der Digitale Zwilling wird im MES angereichert – as-built, Beispiel SAP ME (Quelle: Trebing+Himstedt)

Ein Beispiel aus dem Bereich Instandhaltung ist der häufig genannte Anwendungsfall visueller Wartungsanweisungen mit Hilfe von Augmented Reality. Hier erhält der Instandhalter, sobald das Bauteil mit einem QR- Code identifiziert ist, Informationen zu Zustand und Wartung eingeblendet.

Nutzt man auch hier das entlang des Lebenszyklus angereicherte Datenset des Digitalen Zwillings, kann man das 3-D Modell und die Strukturinformationen aus der Geburtsphase des Objektes (CAD, PLM) (As-Designed), dann aus dem ERP und MES die Stücklisten und Komponenteninformationen (As-Built) und zum Schluss die Wartungshistorie (As-Maintained) sowie die Betriebsdaten (z.B. IoT-Real-Time-Performance-Daten) heranziehen. Alles basierend auf dem Thing-Core-Modell, über Systemgrenzen hinweg und nach dem Add- & ReUse-Prinzip für den Digitalen Zwilling. Dieser Anwendungsfall zeigt, dass der Nutzen am Ende der Wertschöpfung immer größer wird. Kann man aber nicht auf einen integrierten Prozess zurückgreifen, wird der Aufwand für die Einführung eines solchen Prozesses immer höher. In diesem Anwendungsfall wird auch die Notwendigkeit von unternehmensübergreifenden Asset-Netzwerken deutlich, da der Digitale Zwilling die Unternehmensgrenze des Herstellers verlassen hat und der Betreiber die Daten nutzen möchte. Ist dieser Austausch nicht möglich, müsste der Betreiber das gleiche Modell nochmals aufwendig erstellen und pflegen, ohne dass insgesamt ein Mehrwert entsteht.

 

Der Digitale Zwilling im Asset-Netzwerk - Beispiel SAP AIN

Abbildung 3: Der Digitale Zwilling im Asset-Netzwerk – Beispiel SAP AIN (Quelle: Trebing+Himstedt)

Diese beiden Beispiele sind nur ein kleiner Ausschnitt von Anwendungsfällen, die den Digitalen Zwilling benötigen. Die smarte Fabrik gelingt nur mit dem Management des Digitalen Zwillings in seiner Vielfalt über den gesamten Lebenszyklus hinweg. Der Weg über viele kleine schlanke IT-Systeme lässt das Maß der Verschwendung nur anwachsen und führt zur Inflexibilität. Leider scheint die Vielfalt der Apps und die versprochene schnelle Einführung vielen Akteure sehr verlockend. Aber an einem integrierten, leistungsstarken Backend (Digital Core) kommt kein Unternehmen vorbei. Auf diesem Backend aufbauend kann die Welt der Apps durchaus leicht und produktiv genutzt werden. Spätestens bei datengetriebenen Geschäftsmodellen, die eine nutzungsorientierte Vergütung (Pay-per-use) anstreben, ist der Digitale Zwilling eine zwingende Voraussetzung.

Netzwerk der Digitalen Zwillinge als „Facebook für Maschinen“

Stellen Sie sich ein Getriebe, eine Pumpe oder einen Filter vor. Je nachdem, ob Sie Hersteller, Anwender oder Service-Partner dieser Dinge sind, gibt es unterschiedliche Sichten, unterschiedliche Interessen und unterschiedliche Informationsbedarfe. Als digitales Abbild in einem Internet der Dinge kann dieser Digitale Zwilling alle diese unterschiedlichen Sichten bedienen, bei Bedarf von jedem Punkt der Erde.

Der Hersteller von Geräten möchte vermutlich mehr über die Verwendung seiner Produkte erfahren und möchte für die korrekte Verwendung die technischen Parameter bereitstellen. Idealerweise ist mit dem Gerät gleich ein Komponenten- und Ersatzteilkatalog verknüpft, so dass im Wartungsfall schnell die richtigen Original-Teile nachbestellt werden können. Davon profitiert auch der Service-Partner, der sofort sieht, welche Ersatzeile genau für dieses Gerät in der verbauten Ausstattung notwendig sind. Der Anwender möchte sich nicht in unzähligen, unterschiedlichen Hersteller-Portalen einloggen, um die Datenblätter und Wartungsanleitungen abzurufen. Ziel ist eine einzige Plattform, in der alle verwendeten Geräte zu finden sind und die Richtigkeit der Daten durch den Hersteller (as designed, as built) und den Service-Partner (as maintained) über den Lebenszyklus zentral zur Verfügung stehen.

Struktur des virtuellen Abbildes

Wie aber muss ein Digitaler Zwilling ausgestaltet sein, damit er den unterschiedlichen Anforderungen gerecht wird? Der Digitale Zwilling ist eine virtuelle Beschreibung über die Beschaffung, Funktionen und Prozesse von Dingen, die kontextsensitiv notwendig sind. Dafür bedarf es der Beschreibung der technischen Infrastruktur und des Ding-Modells über den gesamten Lebenszyklus von Design und Erstellung über Wartung und Pflege bis zum Ende des Produktlebenszykluses. Die Abbildung der technischen Infrastruktur ist notwendig, damit das Modell unabhängig verwendet werden kann. Die technische Infrastruktur lässt sich aufteilen in Prozesse, Stammdaten und Schnittstellen.

Digitale Infrastruktur für den Digitalen Zwilling
Abb. 1: Digitale Infrastruktur für den Digitalen Zwilling (Quelle: Trebing+Himstedt)

Die Prozesse beschreiben die Methoden und Verfahren wie z. B. Arbeitsanweisungen für Wartungsarbeiten. Stammdaten sind das Herz des Digitalen Zwillings, sie beschreiben die genaue Beschaffenheit des Dings im Internet der Dinge. Der Stammdatenpflege über den Lebenszyklus wird somit zukünftig ein noch wichtigerer Stellenwert zukommen, als es bereits heute ist. Saubere Stammdaten werden dafür sorgen, dass der Digitale Zwilling hilft, Arbeitsschritte und Prozesse zu vereinfachen. Die Beschreibung der Schnittstellen ermöglicht erst die automatische Anbindung und das Netzwerken des virtuellen Zwillings in einem Verbund von Zwillingen sowie den Austausch von Daten mit dem realen Pendanten.

Modellierung des Dings

Umgesetzt wird das Abbild hierarchisch strukturiert als so genanntes „Thing Model“. Dieses Modell bringt alle notwendigen Eigenschaften mit, um im Internet der Dinge Aufgaben zu übernehmen. Das Thing Model bildet zunächst die Struktur und das Modell des Originals ab. Dafür wird das Modell in unterschiedliche Schichten zerlegt, die als Vorlage für mehrere Zwillinge dienen können, also z. B. ein Auto hat vier Reifen und ein Lenkrad. Die einzelnen Templates werden dann wiederum mit Modell-spezifischen Details ergänzt, wie beispielsweise Stufenheck oder Fließheck, bis hin zum Lederlenkrad und dieses wiederum kann über den as-built-Prozess mit der Herkunft der Kuh für das Leder ergänzt werden. Diese Detailtiefe, die über den Lebenszyklus wächst, erlaubt es, bestimmte Funktionen über den digitalen Zwilling abzubilden. Also beispielsweise ist bekannt, welcher Dichtungsring in einer Pumpe verbaut ist und für welche Flüssigkeiten dieser Dichtungsring zugelassen ist – also z. B. keine Säuren. Diese Funktion hängt an dem Digitalen Zwilling der physischen Pumpe und kann so dafür Sorge tragen, dass im Prozess bestimmte Funktionsparameter eingehalten werden.

Dimensionen des Digitalen Zwillings
Abb. 2: Dimensionen des Digitalen Zwillings (Quelle: Trebing+Himstedt)

Über den Betrieb können dem Digitalen Zwilling dann auch Performance-Daten zugeschrieben werden. Neben beispielsweise Druck- oder Temperaturdaten oder den erwähnten Flüssigkeiten können und müssen auch Veränderungen am realen Produkt an der virtuellen Kopie dokumentiert werden. Also bspw. wenn bei der Wartung ein Bauteil getauscht wurde, wie der erwähnte Dichtungsring, der nun für Säuren geeignet ist, so dass der virtuelle Zwilling wieder dem realen Gegenstück entspricht.

Das SAP Asset Intelligence Network (AIN) als Teil des SAP Leonardo Portfolios bringt alle diese Dimensionen in einer cloudbasierten Netzwerkplattform zusammen. Hersteller können ihre Geräte mit den spezifischen Eigenschaften dort ablegen und als zusätzlichen Dienst „Verfügbar auf AIN“ für ihre Kunden zur Verfügung stellen. Dieses „AIN-ready“-Label kann zukünftig bereits ein wichtiges Verkaufskriterium und Alleinstellungsmerkmal sein. Aber auch Unternehmen, vor allem diejenigen, die sehr Asset-Intensiv sind, wie die Chemieindustrie, können von Ihrer Seite ein Netzwerk initialisieren und ihre Hersteller- und Service-Partner einladen, ihre Produkte als Digitalen Zwilling dort bereitzustellen. Das digitale Modell bleibt in jedem Fall das Gleiche nur die Rechtevergabe und Sichten ändern sich. Also doch kein Facebook, sondern eine Business-Plattform, die sich an (Geschäfts-)Prozesse und Sicherheitsanforderungen von Unternehmen ideal anpassen lässt.

Praxisrelevante Anwendungsfälle

Wie sähe ein typischer Anwendungsfall dafür nun aus? Ein Pumpenhersteller könnte seine Pumpe gemäß den as-designed- und as-built-Daten im Netzwerk bereitstellen. Zusätzlich verknüpft er die Pumpe mit Daten, wie den zugehörigen Ersatzteilen und ggfs. dem Vorgänger- und Nachfolger-Produkt. Die Dokumente hält er dort zentral auf dem neusten Stand. Außerdem nutzt der Hersteller die Plattform, um über Neuerungen (bspw. Software-Upates) proaktiv zu informieren. Der Chemiepark bindet diese Pumpe in seine Asset-Sicht ein und ergänzt den Zwilling mit Performance-Daten, die über die Sensoren gesammelt werden, also beispielsweise auch Stromverbrauch für den Pumpvorgang. Der Service-Partner wiederum bekommt eine Dienstleister-Sicht auf die Dinge. Neben regulären Wartungsintervallen können es auch vorausschauende Parameter sein, so ließe sich eventuell aus dem steigenden Stromverbrauch ablesen, dass die Pumpe bald eine Wartung benötigt, damit sie nicht ausfällt. Notwendige Ersatzteile können direkt über das Netzwerk bestellt werden, da der Hersteller bereits angegeben hat, welche Ersatzteile für diese Pumpe passend sind. Dieses Netzwerk aus Herstellern, Anwendern und Servicepartnern mit dem Digitalen Zwilling im Zentrum führt dann zu einer effizienteren Zusammenarbeit.

MES-Standardisierung: Bereit für die Zukunft

Ein bisschen klingt auch Wehmut mit in der Stimme von Torsten Melchert, Team Lead Business Systems, Harman Infotainment Division, wenn er über die abzulösende MES-Lösung spricht, die über lange Jahre hinweg im Hause entwickelt und betreut wurde. Aber der Aufwand, die Software aktuell zu halten und weitere Innovationen zu entwickeln, war einfach zu hoch. Daher hatte man sich vor zwei Jahren entschlossen, auf eine Standard-MES-Lösung zu wechseln. Der Vorteil: Ein Best-Practice-Ansatz, der sich – vom Hersteller und durch die Community getrieben – für eine Industrie 4.0 automatisch weiterentwickelt. Melchert resümiert dazu: „Produktionssoftware zu programmieren ist einfach nicht unser Kerngeschäft“.

Harman ist ein weltweit agierender Konzern und entwickelt, produziert und vermarktet ein breites Produktspektrum von Audio- und Infotainment-Lösungen für beispielsweise BMW, Mercedes, VW, Audi, Toyota und viele weitere führende Automarken. Der Produktionsstandort Straubing beschäftigt über 700 Mitarbeiter und liefert pro Jahr 1,7 Mio. Einheiten aus. Neben Deutschland gibt es vor allem Standorte in den USA und China. Waren bisher die drei Regionen noch sehr autark und konnten jeweils eine 1:1 Kundenbeziehung pflegen, so fordern die global aufgestellten Automobilisten auch immer mehr einen globalen Zulieferer als vertrauensvollen Partner. Die in den jeweiligen Ländern sehr unterschiedlich gehandhabten Produktionssteuerungssysteme waren dabei eher hinderlich und es sollte eine Lösung evaluiert werden, die als einheitlicher Standard dienen kann.

Softwareharmonisierung

SAP Manufacturing Execution (SAP ME) bot eine gute Harmonisierungsgrundlage für die benötigten Anforderungen. Eine hohe ERP-Integration ist für eine zentrale Stammdatenpflege zwingend erforderlich. Eine Anforderung, die es ebenfalls durch ERP-Integration zu unterstützen galt, war der Prozess, dass Kunden das Produkt final freigeben und erst dann die Produktion starten darf. Eine horizontale und vertikale Integration entlang der Wertschöpfungskette bis zum Kunden konnte nur mit einer durchgängig digitalen, smarten Lösung umgesetzt werden, für die SAP ME bereits eine gute Basis bereitstellt.

Prüfplatz Elektronikfertigung
Automatische Elektronikfertigung und manuelle Endmontage müssen in einem digitalen Prozess vereint werden. (Bildquelle: Trebing+Himstedt / Harman)

Der hohe Automatisierungsgrad mit einer Kommunikation, die nahezu 100 % von allein im Hintergrund abläuft sollte ebenfalls unterstützt werden. Für die Maschinen-Integration kommuniziert SAP ME hierbei über moderne Webservices mit dem „Harman Machine Interface (HMI)“.

Pilotphase

Die Einführung eines neuen Produktes wurde zum Anlass genommen, den Produktionsprozess mit SAP ME zu definieren und als Pilot umzusetzen. Ziel war es nicht, die bestehenden Prozesse einfach nur in einer neuen Softwarelösung umzusetzen, sondern es sollten bewusst Verbesserungspotenziale aufgedeckt und genutzt werden. Der MES-Prozessmodellierungsworkshop „SpeziMES“, in dem auf Basis von Business Process Model and Notation (BPMN) die Prozesse aufgezeichnet wurden, hat hierbei wichtige Erkenntnisse geliefert. Dort sind bereits in der Theorie Fragestellungen aufgetaucht, die schon gelöst werden mussten und nicht erst später bei der Umsetzung Verzögerungen verursachen. „Dass bereits für einen Pilotprojekt die Prozesse sehr genau z. B. für die Arbeitspläne definiert werden mussten, war neu und wurde bis dato nicht so strikt gehandhabt – nun musste es vorher definiert werden und auf einmal ging auch das.“, erinnert sich Melchert.

85 % Standard

Im Standard konnten somit rund 85 % der Prozesse abgebildet werden und der Standard unterstützte bereits Funktionalitäten, die vorher nicht verfügbar waren, wie beispielsweise das restriktive Routing des Materials durch den Produktionsprozess. Hier wurden die Vorteile einer Standard-Software für alle Beteiligten sehr schnell deutlich.

Der Produktionsprozess bei Harmann ist grob in zwei Bereiche eingeteilt. Im Ersten werden die Standard-Komponenten für alle Baugruppen in einer Surface-Mounted-Devices-Bestückungslinie (SMD) gefertigt. Im zweiten Abschnitt findet in der so genannten Zelle eine halbautomatische, kundenspezifische Endmontage statt. Prozessspezifische Daten wie beispielsweise Drehmoment, Testdaten wie Ströme und Spannungen, Temperaturkurven beim Löten und Non-Conformance-Fehlerdaten (NC) werden kontinuierlich und weitestgehend automatisiert im SAP ME gespeichert.

Typische Elektronikfertigungslinie
Daten im Elektronikproduktionsprozess werden weitestgehend automatisiert im SAP ME gespeichert (Bildquelle: Trebing+Himstedt / Harman)

Für den Piloten wurde die komplette Produktionskette von der Kennzeichnung bis zur Verpackung abgebildet. Die Umsetzung fand dabei sehr eng und mit hohem Know-how-Transfer mit dem Harman Entwicklerteam statt. Dabei übernahm Harman die Prozesse mit starker HMI-Integration, das Beratungsunternehmen Trebing + Himstedt war für die Bereiche Verpackung sowie das kundenspezifische Kennzeichnen verantwortlich. Beispielsweise wurde geprüft, ob überhaupt verpackt werden darf, d. h. ob die Arbeitsschritte korrekt ohne manuellen Eingriff durchlaufen wurden.

Neben der Datenerfassung übernimmt das SAP ME auch die Serialisierung und zeichnet Start und Ende der einzelnen Arbeitspläne auf. Durch die automatisierte Kommunikation im Hintergrund waren für den Werker an der Linie keine Änderungen sichtbar, somit war für den Bereich keine extra Schulung notwendig. Planung, Reparaturbereich und Prozess-Engineering wurden auf SAP ME geschult und bei der Planung bereits frühzeitig integriert, um zu definieren, was und wie Informationen in SAP ME erfasst werden müssen.

Nächste Stufe: Roll-out

Nach Abschluss des Piloten ist klar, es war der richtige Schritt. Für den Roll-out in die anderen Regionen wird nun sehr eng mit USA und China zusammengearbeitet, um die Standard-Software für die Bedürfnisse zu optimieren.

Vernetzte Elektronikfertigung

Insbesondere bei einem hohen Automatisierungsgrad ist die Herausforderung, alle notwendigen Informationen in der richtigen Version an den Arbeitsplatz zu übergeben, um eine fehlerfreie Produktion gewährleisten zu können.

In Haushaltsgeräten, Fahrzeugen oder jeder industriellen Steuerung kommen elektronische Bauteile zum Einsatz. Die Fertigung von Elektronik besteht im Wesentlichen aus dem Bestücken einer Platine. Diese Platinen unterliegen in der Regel häufigen Revisionswechseln, sodass Bestückungspläne sich schnell ändern können. Enthält die Platine programmierbare Bauteile müssen diese gegebenenfalls mit der passenden Software geflasht werden. Die Fertigung von Elektronik erfolgt zu dem in kurzen Taktzeiten bzw. Durchlaufzeiten im Sekunden- und Minutenbereich. Innerhalb von wenigen Sekunden wird eine Vielzahl von einzelnen Komponenten verbaut.

Um Rückrufaktionen auf ein Minimum beschränken zu können, ist eine lückenlose Rückverfolgbarkeit der einzelnen verbauten Komponenten notwendig. Zu jedem einzelnen Bauteil sollten Hersteller und Charge erfasst werden. Aufgrund der kurzen Taktzeiten mit hohem Volumen muss der Aufwand zur Datenerfassung hierbei so gering wie möglich bleiben.

Zur Rückverfolgbarkeit zählt neben der Chargenerfassung zu den elektronischen Bauteilen, auch die Dokumentation der beteiligten Werker. Dies ist zum Teil durch gesetzliche Bestimmung bei Sicherheitsrelevanten Bauteilen vorgegeben, zum anderen ist dies häufig ein Kriterium, um als Zulieferer für andere Produktionsunternehmen überhaupt in Frage zu kommen.

SAP Manufacturing Execution (SAP ME) bietet die Möglichkeit die Herausforderungen in einer Elektronikfertigung bestmöglich meistern zu können. Abhängig von der Branche in der sich eine Elektronikfertigung befindet, liegt der Fokus jedoch auf unterschiedlichen Aufgabenstellungen, wie z. B.:

  • Ungeplante Stillstände vermeiden
  • Rüstaufwände minimieren
  • Qualitätssicherung durch Prozessverriegelung
  • Papierlose Werkerführung
  • Maschinenintegration
  • Vernetzte Produktion (horizontal / vertikal)

In einer Massenfertigung mit geringen Taktzeiten ist die Vermeidung von ungeplanten Stillständen, also Themen wie z. B. vorausschauende Wartung besonders wichtig. Bei Produktionen mit ausgeprägten Variantenkonfigurationen stellt die Reduzierung von Rüstaufwänden und die automatisierte Informationsbereitstellung zur Bestückung der Platinen eine besonders wichtige Anforderung dar.

Unabhängig von Losgröße und Varianz bietet SAP ME die Möglichkeit der Prozessverriegelung, Werkerführung und flexiblen Maschinenanbindung. Dabei nimmt ein MES eine zentrale Rolle sowohl in der vertikalen Integration durch das Verbinden der unterschiedlichen Systeme (ERP bis Shop Floor), als auch in der horizontalen Integration durch die Abbildung der Prozesse auf Shop-Floor-Ebene ein und wird zum entscheidenden Bindeglied in der Produktion.

Nicht nur für ein MES, sondern für die gesamte Produktion ist ein klar definierter und transparenter Produktionsprozess ein wichtiges Kriterium, um effizient und effektiv produzieren zu können. Das Bestücken der Platinen geschieht hierbei häufig in folgenden Schritten: Kennzeichnung, automatische SMT-Bestückung, manuelle THT-Bestückung, Endgerätemontage und dem abschließenden Verpacken.

Platinen stellen in der Regel jedoch kein fertiges Endkundenprodukt dar, sondern sind nur einzelne Komponenten eines Endproduktes. Daher ist es möglich, dass nur ein Teil der genannten Schritte in derselben Produktion stattfindet und ein Teil der Schritte ausgelagert ist.

Typische Elektronikfertigungslinie
Abbildung 1: Typische Elektronikfertigungslinie (Quelle: Trebing+Himstedt)

SAP ME

SAP ME besitzt Standardschnittstellen zum Übertragen von Stamm- und Bewegungsdaten aus dem SAP ERP-System und kann auch entsprechende Rückmeldungen bzgl. Gutmenge und Warenbewegungen in das SAP ERP durchführen.

Der Start einer Fertigung beginnt mit der Freigabe eines Fertigungsauftrages im SAP ERP. Durch die Standardschnittstellen vom SAP MEINT können z. B. Fertigungsaufträge, Materialstämme und Arbeitsplätze automatisiert in das SAP ME repliziert werden. Genauso können über Standardschnittstellen Rückmeldungen in das SAP ERP stattfinden. Über webbasierte Production Operator Dashboards (PODs) werden dem Werker plattformunabhängige einheitliche Benutzeroberflächen zur Verfügung gestellt. Durch touchoptimierte PODs stellt auch der Einsatz von mobilen Endgeräten kein Problem dar.

Es ist ebenfalls möglich benutzerbezogene Zertifikate im SAP ME zu pflegen, um einzelne Tätigkeiten nur durch autorisiertes bzw. zertifiziertes Personal durchführen lassen zu können.

Über eine grafische Modellierung lassen sich detaillierte Arbeitspläne im SAP ME erstellen
Abbildung 2: Über eine grafische Modellierung lassen sich detaillierte Arbeitspläne im SAP ME erstellen (Quelle: Trebing+Himstedt)

Produktionsprozess

Die Übersicht des Produktionsprozesses spiegelt die einzelnen Produktionsbereiche wieder
Abbildung 3: Die Übersicht des Produktionsprozesses spiegelt die einzelnen Produktionsbereiche wieder (Quelle: Trebing+Himstedt)

Kennzeichnen der Komponenten

Es empfiehlt sich bereits bei Wareneingang der Komponenten diese mit einer entsprechenden Kennzeichnung zu versehen. Für die zu verbauenden Komponenten bedeutet dies in der Regel eine Chargen- und Herstelleridentifikation über ein Label sicherzustellen.

Die zu bestückenden Platinen erhalten spätestens bei Produktionsbeginn ein eindeutiges Label, welches entweder geklebt oder gelasert werden kann. Häufig werden auch Nutzen verwendet, um mehrere Platinen zusammen bearbeiten zu können. Durch eindeutige Kennzeichnungen – welche sich mit Scannern erfassen lassen – wie z. B. Barcodes, Datamatrix-Codes, QR-Codes oder ähnlichem, kann eine vollständige Traceability jeder einzelnen Komponente bzw. Charge realisiert werden.

SMT-Bestückung

Die SMT-Bestückung (Surface Mounted Technology) findet für gewöhnlich vollautomatisiert statt. Bei einer variantenreichen Fertigung kann der Rüstaufwand reduziert werden, in dem Termine und Prioritäten für einzelne Fertigungsaufträge im SAP ME angepasst werden können.

Maschinen auf dem Shop Floor, wie z. B. Bestückungsautomaten, AOI-Testmaschinen (Automated Optical Inspection) oder Reflow-Öfen zum Wellenlöten können über generische Schnittstellentechnologien wie z. B. OPC-UA oder Webservices herstellerunabhängig implementiert werden. Für den Fall das hier noch keine standardisierten Schnittstellen eingesetzt werden, bietet es sich an, Schnittstellen mit Hilfe von B2MML (Business to Manufacturing Markup Language) an dem ISA-95-Standard zu orientieren, um die Schnittstelle flexibel genug für einen Austausch der Maschinen zu gestalten.

Durch das SAP ME können Maschinenstarts und -stopps getriggert oder geloggt werden.

Während der Produktion erfasste Daten können z. B. in Abhängigkeit zum Material zu Zwecken der Rückverfolgbarkeit abgelegt werden. Über automatisierte Scans kann der Erfassungsaufwand auf ein Minimum reduziert werden. Das Speichern von Vorgangsstart und -ende erlaubt eine Auswertung der Durchlaufzeiten. Sollten während eines Tests Fehler an der Platine festgestellt werden, kann über Fehlerkataloge der entsprechende Fehler automatisiert oder manuell erfasst werden und ggf. direkt die passende Nacharbeitsschleife angestoßen werden.

Die während der Produktion gesammelten Daten können in das SAP ERP rückgemeldet, in einem Historian hinterlegt oder auch in der Cloud (bspw. SAP Cloud Platform) gespeichert werden. Mit den gesammelten Daten zu Stillständen und Störungen lassen kontinuierlicher Verbesserungsprozesse (KVP) anstoßen.

THT-Bestückung

Auch bei der THT-Bestückung (Through Hole Technology) kann es von Vorteil sein, die Reihenfolge zur Abarbeitung der Fertigungsaufträge noch einmal anzupassen, um ggf. zu starke Schwankungen der Temperaturkurve beim Wellenlöten zu vermeiden.

Eine THT-Bestückung findet in der Regel manuell statt. Durch eine gezielte Werkerführung in Form von Arbeitsanweisungen oder Pick-by-light Systeme kann Fehlern vorgebeugt werden. Auch bei der THT-Bestückung kann durch einen AOI die Bestückung zunächst visuell und nach dem Wellenlöten auch mittels eines In-Curcuit-Test (ICT) auch elektrisch vollautomatisiert geprüft werden.

SAP ME bietet hierbei über generische Schnittstellen eine Anbindung an das Testequipment und kann anhand der Testergebnisse ggf. gezielt den richtigen Nacharbeitsprozess anstoßen oder das Material sperren.

Endgerätemontage

Bei der Endgerätemontage findet der Verbau der Platine in das Endprodukt statt, dies kann der Verbau in einem Gehäuse oder einem größeren Gerät sein.

Ähnlich wie die THT-Bestückung findet auch die Endgerätemontage häufig manuell statt. Die Anforderungen an eine Werkerführung durch gezielte, visuelle Anweisungen und Pick-by-light Systeme sind hierbei nahezu identisch.

Mit Visual Enterprise bietet die SAP die Möglichkeit 3-D Modelle über HTML5 direkt im Montagebildschirm abzubilden
Abbildung 4: Mit Visual Enterprise bietet die SAP die Möglichkeit 3-D Modelle über HTML5 direkt im Montagebildschirm abzubilden (Quelle: Trebing+Himstedt)

Während der Endgerätemontage kann das Gerät auch mit einer Software bespielt werden, das sogenannte Flashen. Dabei ist nicht nur die Software Version zu dokumentierten, sondern auch die Kompatibilität von der Software und Hardware Revision zu prüfen. Bei der Endgerätemontage entsteht für gewöhnlich zum ersten Mal ein vollfunktionsfähiges Gerät und erlaubt es somit abschließend auch einen Funktionstest durchzuführen, in dem das Gerät zum ersten Mal in Betrieb genommen wird, um die tatsächliche Funktionsfähigkeit zu gewährleisten.

Verpackung

Bei der Verpackung wird dem Endprodukt das dazugehörige Zubehör und Beipackmaterial beigelegt und verpackt. Gegebenenfalls kann das Beipackmaterial produktspezifisch an dieser Stelle auch On-Demand gedruckt werden. Aufgrund der im SAP ME gesammelten Daten zu den einzelnen Vorgängen und Tests kann eine Prozessverriegelung, also eine automatisierte Sperrung von nachgelagerten Arbeitsschritten, stattfinden, in dem sich das finale Kunden- oder Versandetikett nur drucken lässt in dem alle Vorgänge und Tests erfolgreich abgeschlossen wurden. Dadurch kann gewährleistet werden, dass kein fehlerhaftes oder unvollständiges Produkt die Produktion verlässt.

Der lange Weg zur Smart Factory

Industrie 4.0 steht für die vierte industrielle Revolution, die durch eine horizontale und vertikale Integration von Produktionssystemen und Produktionsressourcen charakterisiert wird. Das Ziel ist eine flexiblere und kostenoptimierte globale Fertigung für eine kundenindividuelle Produktion. Hierfür hat sich Beiersdorf bereits vor Jahren auf den Weg gemacht, die Grundlagen für eine smarte Fabrik auf Basis von „Simplicity“ und „Agility“ zu legen.

„Anfangs war es ein Konsolidierungs-Projekt, um die Anzahl der ERP- Implementierungen und MES-Eigenentwicklungen zu reduzieren und Prozesse für alle Produktionsstandorte zu standardisieren.“, erinnert sich Cem Dedeoglu, Head of Global Processes & Application Solutions Supply Chain bei Beiersdorf Shared Services GmbH, dem IT-Partner des weltbekannten Markenartiklers. Was daraus entstand war eine langjährige Beziehung mit vielen Ideen auf dem Weg zu einer Industrie 4.0.

Industrie 4.0 in der Prozessindustrie
Industrie 4.0 in der Prozessindustrie (Quelle Trebing+Himstedt)

Entwicklung eines Standards

2009 war die Anbindung von Produktionsstätten mittels MES-Eigenentwicklungen sehr standort-spezifisch und somit die Wartungs- und Entwicklungskosten sehr hoch. Mehrere Mitarbeiter kümmerten sich pro Standort um den Betrieb der unterschiedlichen MES-Applikationen. Eine Skalierung auf andere Standorte war nicht möglich. Daher sollte ein Template für einen Produktionsstandort entwickelt werden, der für alle Fabriken weltweit eingesetzt werden kann. Da zu dieser Zeit bereits SAP ERP als Unternehmenssoftware gesetzt war, hat man sich nach Manufacturing Lösungen aus dem Hause SAP umgesehen. Das einige Jahre zuvor ins Portfolio aufgenommene SAP Manufacturing and Intelligence (SAP MII) bot alle nötigen Voraussetzungen, um als Standardinformationsschnittstelle dienen zu können.

Lighthammer als Vorgänger zu SAP MII

Als die SAP im Jahre 2005 die amerikanische Firma Lighthammer übernommen hat, war das Ziel klar, die ERP-Unternehmenssoftware sollte neben den existierenden Bereichen wie Finanzen, Marketing, Vertrieb, Einkauf, Qualitätsmanagement uvm. nun auch eine direkte Verknüpfung in den Produktionsbetrieb erhalten. Als Experte für Produktionsdatenintegration und Vorreiter für webbasierte Visualisierung hatte Lighthammer mit ihrem Produkt eine der ersten Datendrehscheiben für Produktionsdaten entwickelt. Daraus entstand die SAP MII-Technologie (Manufacturing Integration and Intelligence). Trebing + Himstedt war bereits vom Jahr 2000 an der exklusive Lighthammer Partner in der DACH-Region und somit einer der SAP MII Experten der ersten Stunde. Auf Basis dieser langjährigen Projekterfahrung und vorzuzeigenden Referenzen in der Pharma- und Chemieindustrie hat sich die Beiersdorf daher 2010 für die Zusammenarbeit mit Trebing + Himstedt entschieden.

Von ISO zu IoT

In anfänglichen Workshops wurden die notwendigen Kriterien und Anforderungen festgelegt. Im ersten Schritt entschied man sich den Projektschwerpunkt zunächst nur auf die vertikale Integration zu legen, um alle Stammdaten (z. B. Arbeitsplätze, Materialstamm) und Bewegungsdaten (Aufträge, Stücklisten) sowie auftragsrelevante Rückmeldungen auszutauschen. Für die Technik hat man sich als internationalen Standard auf Webservices verständigt und B2MML (Business to Manufacturing Markup Language) als Beschreibungssprache eingesetzt. B2MML ist eine XML-Implementierung der ANSI/ISA 95 Standard-Familie (ISA-95), international auch unter der Bezeichnung ISO/IEC 62264 bekannt. Wie richtig die Entscheidung damals war, zeigt die heutige Weiterentwicklung Richtung „Internet der Dinge“, die mit dieser Standardarchitektur problemlos fortgeführt werden kann.

Vertikale Integration, Quelle: Trebing+Himstedt
Vertikale Integration (Quelle: Trebing+Himstedt)

Um den validierten Ansprüchen von Beiersdorf bezüglich der US-amerikanischer Behörde für Lebensmittel- und Arzneimittelsicherheit (FDA) gerecht zu werden, wurde beim Partner Trebing + Himstedt gleich zu Beginn eine Auditierung insbesondere mit dem Schwerpunkt auf elektronisches Datenmanagement nach Titel 21 CFR Part 11 (Electronic Records, Electronic Signature) durchgeführt.

Rollout und Projektmanagement

Nur drei Jahre nach dem Start wurde bereits das Rollout des entwickelten Templates in alle sechs europäischen Gesellschaften von Beiersdorf abgeschlossen, darunter Polen, Spanien und die Stammwerke in Deutschland. Einige Standorte erhielten mit dem S95 Integration Layer auf Basis von SAP MII erstmalig eine Echtzeit-Verbindung mit dem SAP ERP. In anderen Werken wurden die bestehenden MES-Eigenentwicklungen vollständig abgelöst. Auch wenn die Phase des Rollouts extrem kurz gehalten werden konnte, wurden hier viele Erfahrungen für die Weiterentwicklung der Templates eingearbeitet.

Beim europäischen Rollout hatte man zunächst die Höhe der Anforderungsänderungen pro Standort unterschätzt. Daraufhin wurde die Entscheidung getroffen, die Änderungen in „Template-Anpassung“ und „Lokale-Anpassung“ zu unterscheiden. Waren Änderungen für mehrere Standorte sinnvoll, wurde es direkt in die Vorlage übernommen.

Aus der Erfahrung würde man heute das initiale Produktions-Template anders aufsetzen, nicht als Template für ein Werk auf „grüner Wiese“ sondern, typisch einem agilen Prozess, mit einem kleinen Werk als Piloten starten und daraus die Vorlage für weitere Standorte entwickeln. Insgesamt konnten dennoch die Betriebskosten im Vergleich zu den ehemaligen Eigenentwicklungen drastisch gesenkt werden.

Seitens Trebing + Himstedt wurde hingegen klar, dass ein solches Projekt nicht alleine mit Projektmanagern umgesetzt werden kann. Auf Grund der vielen parallelen Projekte ist eine übergeordnete Programm-Manager-Funktion unbedingt notwendig, die dann begleitend etabliert wurde. Der Programm-Manager ist auch der Ansprechpartner für die Beiersdorf Support Abteilung, die die Systeme nach Projektende betreut.

Bis 2017 soll dann auch das globale Rollout in Mexiko, Südamerika, USA und Asien abgeschlossen sein. Mit dem neuen Beiersdorf Standort in Mexiko, der die wachsenden lokalen Märkte sowie den US-Markt versorgt, wurde das Konzept auch erstmalig auf ein „Green Field“-Werk übertragen.

Datenautobahn zwischen SAP MII und ERP

Einer der wichtigsten Erweiterungen der Produktions-Templates galt der Performance-Verbesserung. Je mehr Fertigungsbetriebe angeschlossen und Daten übermittelt wurden, desto mehr wurde deutlich, dass man an der Kommunikationsarchitektur arbeiten musste. Es entstand neben dem Bedarf für die Übertragung von Stammdaten auch die Notwendigkeit mit SAP MII Echtzeit-Szenarien bis in den unteren Sekundenbereich abzudecken. Dafür hat man sich für den „Bau einer Datenautobahn“ entschieden. Das bedeutet, es gibt zwei produktive SAP MII-Systeme. Eins übernimmt die Stammdatenverteilung bis zur Maschine und das andere die zeitkritischen Echtzeitdaten. „Man kann sich das vorstellen wie eine LKW-Spur für die Stammdaten und einen Ferrari-Fahrstreifen für die zeitkritischen Daten,“ skizziert Dedeoglu die gewählte Kommunikationsstruktur.

Datenautobahn bei Beiersdorf, Quelle: Beiersdorf AG
SAP MII Datenautobahn bei Beiersdorf (Quelle: Beiersdorf AG)

Mit dem Zuwachs an Performance und der verlässlichen Verfügbarkeit konnte auch die kurzfristige Reaktion auf Bedarfe deutlich agiler gestaltet werden. Mussten anfangs noch zwei Tage Arbeitsvorrat vorgehalten werden, ist es heute nur noch ein halber Tag. Das bedeutet mehr Flexibilität für den Kunden.

Die digitale Fabrik

Mit der durchgehenden vertikalen Integration auf Basis der vielfältig einsetzbaren Plattform und Informationsdrehscheibe SAP MII hat Beiersdorf seit 2009 eine ideale Voraussetzung für eine smarte Fabrik geschaffen, die sich flexibel auf neue Kunden- und Produktionsanforderungen anpassen lässt. Bei Beiersdorf gilt jetzt die Regel, dass alle neuen Anforderungen der Fachbereiche zunächst darauf geprüft werden, ob diese auf Basis der Plattform MII kostengünstig und schnell umgesetzt werden können. Mit Hilfe dieser Plattform hat es bei der Digitalisierung der Smart Factory bereits unterschiedliche Leuchtturmprojekte gegeben. So wurde 2013 mit der elektronischen Laderampenkontrolle die Beladung von LKWs direkt im ERP in Echtzeit überwacht. Dabei wird z. B. vor Überschreitung des Ladegewichtes die Ampel für den Staplerfahrer auf Rot geschaltet. 2014 wurde mit Trebing + Himstedt zusammen auf Basis von SAP MII eine Personalzeiterfassung (PZE) mit SAP HR-Schnittstelle realisiert, die jetzt global für die Werke zur Verfügung steht und auch gleich in Mexiko genutzt wird. Auf die Einführung einer separaten PZE-Software konnte so verzichtet werden. Neben dem Kostenvorteil, gibt es für die Werker eine berührungssensitive Oberfläche mit SAP MII.

2015 galt es in einem eigenen Workshop gemeinsam mit den Produktionsstandorten die Anforderungen und Rahmenbedingungen für die Industrie 4.0 abzustecken. Die Werksleiter haben dabei deutlich zum Ausdruck gebracht, dass sie sich in der Smart Factory eine noch weitergehende „Werker zentrierte“ IT-Unterstützung wünschen. Dabei geht es um mehr Transparenz im Shop Floor, Flexibilität und Erfüllen von individuellen Bedürfnissen und mobile Anwendungen. Dafür wird die Standardisierung der Kommunikationsformate noch weiter vorangetrieben werden müssen. Aber auch technologisch wird hierfür ein Upgrade auf das neue Release SAP MII 15 vorgenommen werden. Speziell durch die dort verfügbare SAP Self Service Composition Environment (SAP SSCE) werden individuelle Darstellungen möglich sein.

Aber auch auf der Anwendungsseite hat man noch viele Ideen für die Zukunft, die mit einer smarten Fabrik umgesetzt werden sollen. So steht das Anliegen der Rückverfolgbarkeit der Produkte über die Vertriebswege hinweg ganz oben auf der Liste. Wenn also beispielsweise Produkte, die für die Apotheke vorgesehen waren, beim Discounter oder Internethandel auftauchen, kann man so feststellen, über welchen Kanal sie geflossen sind.

Um die Wartungskosten noch weiter reduzieren zu können und gleichzeitig die Maschinenverfügbarkeit zu erhöhen, wird sich Beiersdorf Shared Services verstärkt mit dem Thema Predictive Maintenance auseinandersetzen.

„Individualisierung hört aber nicht bei den Anforderungen der Produktionsstätten auf. Gedanklich muss man sich auch damit auseinandersetzen, ob bald seitens des Kunden individuelle Verpackungen oder sogar kundenspezifische Inhaltsstoffe nachgefragt werden,“ lässt Dedeoglu seine Gedanken in die Zukunft schweifen.

IoT: Was SAP von Leonardo DaVinci gelernt hat

Die erste Frage, die man sich stellt ist, woher kommt der Name SAP Leonardo? Der Name basiert tatsächlich auf Leonardo da Vinci. Als Maler, Bildhauer, Architekt, Ingenieur und Philosoph verfügte da Vinci angeblich über einen Intelligenzquotienten von über 220, was ihm diverse wegweisende Erfindungen ermöglichte. Er besaß Innovationskraft über verschiedene Disziplinen hinweg. Dieser interdisziplinäre Ansatz verbindet das vor knapp 600 Jahren verstorbene Universaltalent mit dem SAP Leonardo Innovationsportfolio. Das Ziel des neuen ganzheitlichen Ansatzes von SAP Leonardo besteht darin, Unternehmen und öffentliche Organisationen in ihrer gesamten digitalen Innovationsstrategie zu unterstützen.

Digital-Core-Strategie

Um die Einordnung besser zu verstehen, schauen wir uns zunächst die Digital-Core-Strategie von SAP genauer an. SAP konzentriert sich seit Jahren darauf, die digitale Transformation ihrer Kunden zu unterstützten. Um die Hauptaufgaben der Betreuung von Kunden, Lieferanten, Mitarbeitern und Gütern digitalisiert wahrnehmen zu können, baut SAP auf S/4HANA, der neusten Generation ihrer ERP Anwendung und SAP Leonardo, einem Portfoliobegriff für die Bündelung von Innovationstechnologien als „Digital Innovation System“ mit dem Ziel der intelligenten Vernetzung von Menschen, Dingen und Prozessen.

 

SAP Digital Core, Quelle SAP

Abbildung 1: SAP Digital Core, Quelle: SAP

SAP Leonardo – Digital Innovation System

Ziel des Portfolios ist es, die digitale Transformation mit neuesten Technologien und Services kombiniert in einem intelligenten (Cloud- basierten) System zu unterstützen, um Innovationen und Geschäftsmodelle schneller umsetzen zu können.

Hierfür wurde das SAP Leonardo Portfolio in die Kernbereiche

  • Internet der Dinge, IoT
  • Machinelles Lernen
  • Analytik
  • Big Data und
  • Blockchain

aufgeteilt.

Wobei das SAP Leonardo IoT-Innovationsportfolio aktuell sicherlich das umfangreichste Angebot enthält und auf die angrenzenden Bereiche wie Maschinelles Lernen sowie Big-Data-Analyse unmittelbar zugreift. Schauen wir uns daher das SAP Leonardo IoT-Innovationsportfolio genauer an, welches auch die Lösungen für den Bereich Digital Manufacturing umfasst.

SAP Leonardo und das Internet der Dinge (IoT)

Um den Ansprüchen der flexiblen Anpassungsmöglichkeiten für Prozessverbesserungen und neue Geschäftsmodelle im Umfeld der IoT- und Industrie-4.0-Lösungen gerecht zu werden, hat SAP das IoT-Portfolio in applikative Bereiche aufgeteilt:

  • Connected Products
  • Connected Assets
  • Connected Fleet
  • Connected Infrastructure
  • Connected Markets
  • Connected People

Für diese Bereiche werden dedizierte Lösungen angeboten, um entsprechend Produkte, Anlagegüter oder Gebäudeinfrastruktur zu vernetzen bzw. Services anbieten zu können, vom Flottenmanagement bis vorausschauende Wartung. Wichtig ist hierbei, dass die darunterliegende Technologie oftmals die gleichen Standardlösungen der SAP sind. Also beispielsweise wird SAP Predictive Maintenance and Service sowohl für die optimierte Instandhaltung in der Produktion eingesetzt (Connected Assets) als auch zur Service-Optimierung von Fahrstühlen (Connected Infrastructure) bzw. dem Bereitstellen von Service-Mietmodellen á la „pay as you go“ statt Produkte zu verkaufen (Druckluft statt Kompressor über Connected Products).

Das gesammelte Portfolio für die digitale Transformation in der Fertigung (Digital Manufacturing) verbirgt sich in der Applikationswelt „Connected Assets“.

SAP Leonardo IoT-Innovationsportfolio

Abbildung 2: SAP Leonardo IoT-Innovationsportfolio (Quelle: SAP)

SAP Leonardo IoT und Digital Manufacturing

Das SAP Portfolio für Digital Manufacturing besteht hierbei aus ergänzenden On-Premise- und Cloud Lösungen.

Neben der klassischen On-Premise SAP Manufacturing Suite bestehend aus

  • der MES-Anwendung SAP Manufacturing Execution (ME)
  • der Datendrehscheibe SAP Manufacturing Integration & Intelligence (SAP MII)
  • und dem Konnektor SAP Plant Connectivity (SAP PCo)

treten hier die SAP Cloud-Platform-Lösungen

  • SAP Predictive Maintenance and Service (SAP PdMS)
  • SAP Asset Intelligence Network (SAP AIN) und
  • SAP Digital Manufacturing Insights (SAP DMI)

in Erscheinung. Das SAP Predictive Maintenance dient der optimierten, vorausschauenden Instandhaltung, das SAP AIN hat das Ziel, Equipment-Daten standardisiert zur Verfügung zu stellen und physisches Equipment einheitlich virtuell zu repräsentieren – Stichwort „Digitaler Zwilling“. Das Digital Manufacturing Insights wurde erst kürzlich auf dem SAP Leonardo Live Event in Deutschland das erste Mal vorgestellt und dient der Erfassung, Bereitstellung und Visualisierung von Kennzahlen für mehr Transparenz in der Produktion in Echtzeit.

SAP Cloud Platform, die Basis von allem

Die wichtigste Komponente und Basis für viele Anwendungen „powered by SAP Leonardo“ stellt die SAP Cloud Platform dar. Die SAP Cloud Platform ist ein Platform-as-a-Service (PaaS) Angebot für die Erweiterung, Integration und Erstellung von Apps, um neuen Herausforderungen am Markt gerecht zu werden. Die Plattform ermöglicht es, mit Hilfe der Internet-of-Things-Dienste durchgängige Prozesse vom Sensor bis zur Aktion digital zu gestalten. Die SAP Cloud Platform stellt zusätzlich zur SAP HANA Datenbank zentrale Dienste wie Analytik, maschinelles Lernen und Integrationsservices bereit. Zusätzlich stellt SAP Leonardo Foundation technische Dienste wie Device Management, Business Services wie Applikations-Entwicklung und Dienste für den Digitalen Zwilling sowie Dienste für das Datenmanagement bereit.

SAP Bridge und Edge Computing

Da es allerdings nicht immer sinnvoll ist, alle Operation in einer zentralen Cloud-Instanz durchzuführen und dafür alle Daten über das Internet hin und her zu senden, wird die SAP Cloud Platform um Edge Computing Funktionalitäten (SAP Leonardo Edge) ergänzt. Diese erlauben es, gewisse Operationen und Dienste näher am Ort des Geschehens durchzuführen. Die SAP Leonardo Bridge hingegen dient als zentrale Kommandobrücke der zentralen Steuerung und dem Ausführen von Aktionen – powered by SAP Leonardo.

Der Weg zur vollautomatischen KPI-Berechnung

Auch wenn man heute bereits die wichtigsten Kennzahlen erfasst und für sich nutzbar macht, wenn das überwiegend durch Stift und Papier oder sonstige „Excel-Handaufzeichnungen“ passiert, ist bei der Umstellung auf eine automatisierte und vollständig integrierte Lösung noch einiges zu beachten. Aber der Aufwand lohnt. Das Ergebnis sind verlässliche, nachvollziehbare Kennzahlen in Echtzeit für mehr Transparenz in der Produktion.

Kennzahlen optimieren - Produktivität steigern
Kennzahlen optimieren – Produktivität steigern (Quelle: Trebing+Himstedt)

Kennzahlen können ein wichtiges und nützliches Steuerungsinstrument in der Produktion sein, wenn man sich darauf verlassen kann, dass sie

  1. zeitnah erfasst
  2. und auf gleicher Datenbasis berechnet werden.

Heute ist aber zum größten Teil noch der Standard, dass Produktionsdaten auf Karten und Laufzetteln notiert und später – wenn es gut läuft zum Ende der Schicht – in eine Excel-Tabelle übertragen werden. Für einige Kennzahlen mag diese Erfassung heute noch ausreichend sein, aber für die Steuerung einer Smart Factory reicht das morgen nicht mehr aus.

Drei Stufen der Realisierung

Die Frage ist daher, wie komme ich zu einer intelligenten, hochautomatisierten Kennzahlenerfassung? Zunächst einmal sollte man sich die Frage stellen, welche Kennzahlen benötigt werden. Was sind die Ziele und was ist der Anwendungsbereich? Wichtig für den Startpunkt ist es auch, den eigenen Status Quo zu ermitteln. Also ich brauche mich beispielsweise noch nicht über den OEE (Overall Equipment Effectiveness) zu unterhalten, wenn noch keine Basis geschaffen wurde, um die Maschinenzustände zu erfassen.

Abbildung 1: Der Weg zu relevanten Kennzahlen
Abbildung 1: Der Weg zu relevanten Kennzahlen (Quelle: Trebing+Himstedt)

Das bringt uns zur zweiten Stufe: die Grundlagen schaffen. Es werden eine stabile Maschinenkopplung für technische Signale (MDE) und Terminals für manuelle Nachqualifikationen (BDE) benötigt. Zudem ist die Datenqualität der Stammdaten und Schichtmodelle entscheidend, welche über eine Schnittstelle aus dem ERP importiert werden sollten. Zu den Grundvoraussetzungen gehört es auch, seine Mitarbeiter zu schulen und die Daten zu validieren. Denn die Mitarbeiter müssen sich auf die Kennzahlen absolut verlassen können, sonst wird das Kennzahlensystem insgesamt in Frage gestellt und nicht akzeptiert. Ist ein Kennzahlensystem implementiert, ist es notwendig, dass die Kennzahlen auch systematisch verwendet werden und nicht in einem digitalen Ordner „verstauben“. Also gilt es organisatorisch kontinuierliche Verbesserungsprozesse (KVP) zu implementieren. In diesem Gremium werden Maßnahmen festgelegt und auch kontrolliert.

Technologische Realisierung

Wie kommen aber diese Daten nun weitestgehend automatisiert in das Kennzahlensystem?

Abbildung 2: Der Weg zur vollautomatischen KPI-Berechnung
Abbildung 2: Der Weg zur vollautomatischen KPI-Berechnung (Quelle: Trebing+Himstedt)

Am Beispiel der Gesamtanlageneffizienz OEE ergibt sich ein Prozess in fünf Schritten. Der 0. Schritt ist quasi noch überhaupt keine Aufzeichnung zu haben. Der 1. Schritt ist dann die Handaufzeichnung und Auswertung in Excel. Diesen Status haben laut einer nicht repräsentativen Umfrage in einem von uns kürzlich durchgeführten Webinar fast 60 % der Unternehmen. Die Frage ist also, wie kann ich nun schrittweise digitalisieren und automatisieren? Das folgt in Schritt zwei durch die Anbindung von Maschinen mit einer Schnittstelle zur Maschinendatenerfassung (MDE). Das kann eine einfache I/O-Busklemme sein, die ein einfaches, elektrisches Signal liefert, oder – bei neueren Maschinen – bereits eine standardisierte Schnittstelle wie beispielsweise OPC UA. Damit kann zumindest schon einmal der Maschinenstatus überwacht werden. Organisatorisch sind hierfür die Maschinenzustände genau und einheitlich (abteilungs- / standort- / unternehmensweit) je Maschinentyp zu definieren. Also, bedeutet das Signal „kein Strom“ tatsächlich auch einen ungeplanten Maschinenstillstand? Diese Logik sollte sehr robust, also wenig fehleranfällig, gestaltet sein.

In Schritt drei werden die gemessenen Maschinenstillstände über die Betriebsdatenerfassung (BDE) zeitnah qualifiziert. Liefert die Maschine keinen Fehlercode mit, muss ein Bediener am Terminal die Nachqualifizierung zeitnah vornehmen. Hierbei empfiehlt es sich, die Auswahlmöglichkeit an Stillstandsgründen auf ein Minimum zu beschränken, das benötigt wird, um daraus Konsequenzen ziehen zu können. Eine zu detaillierte Auswahl führt in der Regel nicht zu besseren Ergebnissen!

Damit liegen alle Daten vor, um den Nutzungsgrad zu bestimmen.

Auftragsbezug herstellen

Im vierten Schritt kann nun ein Auftragsbezug über eine ERP-Verbindung hergestellt werden. Durch die auftragsbezogenen Vorgabezeiten und Taktraten sowie die hinterlegten Schichtmodelle lässt sich somit die Effizienz als zweiter Faktor für den OEE bestimmen.

Fehlt noch der Faktor Qualität, um einen vollständigen OEE berechnen zu können. Hierfür ist es als Schritt fünf erforderlich, einen Gut- / Schlechtzähler in den Prozess zu integrieren, in der Regel mit Hilfe eines weiteren Terminals als BDE-Schnittstelle. Die Ermittlung des Qualitätsfaktors ist nicht ganz trivial. Es bedarf der Definition der Position der Mengenzählung, der Berücksichtigung des Einflusses von Nacharbeit sowie des Einflusses von verzögerter Qualitätsbewertung.

Sollen mehrere Linien oder gar länderübergreifende Standorte miteinander verglichen werden, ist es wichtig, diese Definitionen einheitlich zu verwenden, um mit der gleichen Datenbasis zu arbeiten.

So erfasste Kennzahlen bieten Ihnen eine komfortable Basis für bessere Investitionsentscheidungen, die Verbesserung der Effizienz in der Produktion und bessere Kundenzufriedenheit.

IoT – Bin ich schon drin?

Das Ziel ist klar, manchmal – manchmal auch nicht. Hauptsache irgendetwas mit „Industrie 4.0“, was und wie ist egal. So kommt einem so manche Strategie zur digitalen Transformation vor. Dabei bietet eine richtig umgesetzte Unternehmensausrichtung zur smarten Fabrik viel Potenzial und auf dem Weg dorthin schon so einige tief hängende Früchte. Also zugreifen! – Beispiel: vorausschauende Wartung.

In der „finalen“ Industrie 4.0 fertigen wir auf Kundenwunsch in Losgröße 1, die Maschinen und Materialien koordinieren sich dafür selbständig und wir haben die volle Transparenz und Flexibilität, die wir für eine smarte Produktion benötigen. Doch der Weg dorthin ist lang und steinig und das Ergebnis wird sicherlich nicht ganz so rosarot aussehen wie eingangs geschildert. Leider sind diese Unwägbarkeiten oftmals ein Grund dafür, dass entsprechende Projekte nicht, oder nur zögerlich angegangen werden.

Dabei können auf dem Weg in die Industrie 4.0 schon zahlreiche Vorteile realisiert und genutzt werden, die helfen, die Akzeptanz zu erhöhen und Investitionen schneller zu amortisieren. Ganz so, wie beim autonomen Autofahren. Schon heute helfen uns im „connected Car“ Sensoren die Spur zu halten und einzuparken. All das, was in einem Gesamtsystem zum autonomen Fahren benötigt wird.

Vier Phasen der Entwicklung

Teilen wir den Entwicklungsstand zu einer vollvernetzten, optimierten Produktion in vier Phasen auf und betrachten die zunehmenden Vorteile und den Nutzen auf diesem Weg.

Phase 1: Sichtbarkeit umsetzen

Phase 2: Transparenz schaffen

Phase 3: Prognosefähigkeit sicherstellen

Phase 4: Adaptierbarkeit nutzen

Abbildung 1: Nutzen auf dem Weg zur Industrie 4.0 (vgl. acatech) Abbildung 1: Nutzen auf dem Weg zur Industrie 4.0 (vgl. acatech), Quelle: Trebing + Himstedt

In der Phase eins geht es zunächst einmal darum, einen digitalen Schatten, also ein Abbild, der Produktion herzustellen. Dieses Abbild verschafft in erster Linie Sichtbarkeit, um zu überblicken, was gerade (in Echtzeit!) überhaupt passiert. Das können ganz kleine Teilprojekte sein. Zum Beispiel eine Anlage, die nicht nur an der Signallampe anzeigt, dass sie eine Störung hat. Stattdessen wird im Andon-Board oder Hallencockpit des Meisters die Maschine rot. Sofort wird am Arbeitsplatz des Meisters das Problem sichtbar – nicht erst, wenn er in der Werkshalle steht und die Ampel auch im Blick hat. Die Anbindung von Maschinensignalen für eine Zustandsüberwachung (Condition Monitoring) ist zu meist recht einfach. In der Regel reicht eine SPS und eine OPC-Verbindung aus, um die Signale abzugreifen. Im SAP-Umfeld bietet der SAP Plant Connectivity (SAP PCo) eine Möglichkeit der universellen Maschinenanbindung mit einem OPC UA Server. Ein anderes Beispiel wäre ein Dashboard, welches den Auftragsstatus anzeigt und den Fortschritt visualisiert. Gutteile werden unmittelbar elektronisch an das ERP zurückgemeldet und gleichzeitig visualisiert ein Bildschirm an der Anlage wie viel noch zur Auftragserfüllung oder zum Schichtziel fehlt. Auch im Qualitätsmanagement sind digitalisierte Prozesse hilfreich. So können Arbeitsschritte und Testergebnisse im Hintergrund vollautomatisch mitprotokolliert und überwacht werden. Sollten Werte außerhalb der Norm oder Arbeitsschritte nicht durchgeführt worden sein, wird ein Werkstück automatisch für die nächste Arbeitsstation gesperrt und es wird z. B. letztendlich kein Versandetikett für den Druck freigegeben. Damit kann kein fehlerhaftes Produkt versehentlich beim Kunden landen.

Im Beispiel der vorausschauenden Wartung wäre ein Remote Monitoring der Komponente, Maschine oder Anlage ein Einstiegsszenario. Realisiert wird dies mittels Sensoren, die die reine Verfügbarkeit anzeigen (Maschine läuft / läuft nicht) bzw. bereits relevante Parameter wie Temperatur oder Vibration überwachen und die Daten an eine zentrale Stelle senden.

Remote Monitoring von Maschinen mit SAP Predictive Maintenance Abbildung 2: Remote Monitoring von Maschinen mit SAP Predictive Maintenance, Quelle: Trebing + Himstedt

Überblick und Transparenz

Die zentrale Stelle leitet bereits die Phase zwei ein. Die gesendeten Sensordaten können sehr schnell zu Massendaten (Big Data) anwachsen. Um den Überblick zu behalten und Transparenz zu schaffen, muss ein zentraler Punkt der Wahrheit geschaffen werden. Das bedeutet nicht, unterschiedliche Datenbanken mit verschiedenen Interpretations­möglichkeiten zu haben, sondern quasi die nicht aggregierten (also nicht bereits zusammengefassten) Stammdaten, auf der alle weiteren Auswertungen basieren, zu verwenden. Alleine diese Tatsache wird im Unternehmen schon Doppelarbeit vermeiden und Entscheidungen beschleunigen, da kein Datenabgleich mehr notwendig ist. Die Geschwindigkeitsvorteile einer In-Memory-Datenbank wie der SAP HANA erlauben auch, auf die vorherige Aggregation von Daten zu verzichten. Dies führt ebenfalls zu schnelleren Entscheidungen, da nicht zunächst eine Nacht vorher eine „Datenlauf“ stattfinden muss. Die Auswertung der historischen Daten wird helfen zu verstehen, warum etwas passiert ist und z. B. durch einen kontinuierlichen Verbesserungsprozess (KVP) Fehler zukünftig zu vermeiden.

In unserem Predictive-Maintenance-Beispiel können die historischen Monitoring-Daten analysiert und visualisiert werden, um zu verstehen, warum eine Maschine ausgefallen ist. Steigt zum Beispiel eine Temperatur vor einem Ausfall stark an, können die Gründe dafür analysiert werden.

Temperaturverlauf bis zur Maschinenstörung zur Mustererkennung Abbildung 3: Temperaturverlauf bis zur Maschinenstörung zur Mustererkennung, Quelle: Trebing + Himstedt

Gegebenenfalls kann die Instandhaltung betroffene Teile zukünftig präventiv austauschen oder ab einer bestimmten (Durchschnitts-)Temperatur wird eine Alarmmeldung generiert. Lassen sich auf dieser Basis Muster erkennen, können aus dieser „Maschinenlernumgebung“ Verhaltensweisen analysiert und für zukünftig vergleichbare Situationen Vorhersagen getroffen werden. Also in etwa, bei dieser Temperatur und der Vibration ist in 80 % der Fälle die Maschine in drei Tagen ausgefallen. Und schon befinden wir uns in Phase drei, der Prognosefähigkeit.

Optimierte Planung durch Prognosefähigkeit

Durch Predictive Services sind wir in der Lage, mit bestimmter Wahrscheinlichkeit Vorhersagen über Zustandsänderungen in der Zukunft zu machen. Der Vorteil ist, dass man auf gewisse Situationen besser vorbereitet ist und dieser Kenntnisstand bereits in der Planung optimiert genutzt werden kann. Es passieren weniger Ausfallzeiten und die Wartung findet nur dann statt, wenn es sein soll / muss. Sie kann darüber hinaus in Zeiten passieren, die weniger oder gar nicht produktionsrelevant sind.

Ein Studie[1] hat gezeigt, dass durch den Einsatz von Predictive Maintenance die Wartungskosten um 30 % und die Ausfallzeiten um 70 % gesenkt werden konnten.

Studien zeigen Vorteile der vorausschauenden Wartung Abbildung 4: Studien zeigen Vorteile der vorausschauenden Wartung, Quelle: Trebing + Himstedt

Ein entscheidender Faktor ist hier die Mustererkennung. Für die Maschinenlernumgebung ist eine intelligente Sensorik und Vernetzung notwendig.

Entscheidungsbaum über historische Daten zur Mustererkennung Abbildung 5: Entscheidungsbaum über historische Daten zur Mustererkennung, Quelle: Trebing + Himstedt

Über die erfassten Daten (Big Data) kann dann mittels Analytics eine automatisierte Mustererkennung laufen. Oder man bedient sich entsprechender Analyse-Experten (Data Analyst) am Markt, um wiederkehrende Mustererkennung zu betreiben. In einer smart vernetzten Produktion mit intelligenten Maschinen ist es auch vorstellbar, dass Komponenten selbst – mit Hilfe eines digitalen Produktdatenblattes – gleich eigene Muster (Fingerprint) mitliefern, die z. B. zu bekannten Fehlern führen. SAP bietet mit dem Asset Intelligent Network (AIN) basierend auf der SAP HANA Cloud Platform (HCP) dafür bereits heute eine entsprechende Cloud-Datenbanklösung.

Big Data wird zu Smart Data

Dann sind wir schon fast in der finalen Industrie 4.0 Phase 4 angekommen. Die Sensoren melden die Daten, die Vernetzung transportiert die Daten an die richtige Stelle und mit intelligenten Algorithmen wird aus Big Data endlich Smart Data. Somit ist die Basis für eine autonome oder teilautonome Produktion gelegt. In unserem Beispiel kann der Instandhaltungsplan unter Einbezug der Sensoren und Mustererkennung und unter Berücksichtigung der Auftragslage in Echtzeit automatisch optimiert werden. Vor Ort wird dem Instandhalter dann auf dem Tablet oder in der Datenbrille die Arbeitsanweisung angezeigt und die Durchführung kontrolliert. Nach Abschluss der Arbeiten meldet sich die Anlage wieder selbständig zum Dienst!

Viele Unternehmen sind somit schon drin, auf dem richtigen Weg zur smarten Fabrik und wissen es vielleicht noch gar nicht. Wenn man eine Vision hat, ist es auch gar nicht mehr schwierig die richtigen Entscheidungen heute zu treffen, um die Vision in kleinen Schritten umzusetzen und schon jetzt davon zu profitieren. Groß denken, klein starten! Wichtig ist: gehen Sie jetzt den nächsten kleinen Schritt, bevor Ihr Wettbewerber es macht. Frei nach dem Motto: „Ein kleiner Schritt für Ihr Unternehmen, aber ein großer Schritt für die smarte Zukunft.“

Weitere Informationen zu Predictive Maintenance & Service mit SAP unter www.t-h.de/pdms

[1] Studie des Weltwirtschaftsforums und des Beratungsunternehmens Accenture