Wie funktioniert das Echtzeit-Energiemanagement jeder Maschine bis hin zum einzelnen Produktionsschritt bei einer heterogenen Produktionsumgebung? Wie gelingt die Echtzeitanalyse der Energiedaten jedes einzelnen Produktionsschrittes trotz unterschiedlicher Produktionsbestsandteile?
Themen wie Nachhaltigkeit, ESG oder CO2-Einsparungen sind derzeit in aller Munde und wichtiger denn je. Klimaneutralität steht an erster Stelle, um nicht nur den rechtlichen Vorgaben, sondern auch die Anforderungen der Käufer gerecht zu werden. Meist aber ist dieses Ziel mit einer viel größeren Herausforderung verbunden – das Wissen zu bekommen, wie viel Energieauslastung die eigenen Produktionsanlagen, Fertigungsprozesse oder Fertigungslinien aufweisen. Der unterschiedliche Ressourcenverbrauch und die fehlende Transparenz über die Betriebskosten verschärfen die Situation noch mehr. In Zeiten historisch hoher Energiepreise ist es umso entscheidender, die Energieeinsparpotenziale zu kennen und zu verwirklichen. Doch was hemmt die Energieinitiativen im industriellen Umfeld? Sind es die hohen gesetzlichen Anforderungen, die als unmöglich realisierbar erscheinen oder die alten Industrieanlagen, die grundsätzlich einen höheren Strombedarf haben und nicht von heute auf morgen ersetzt werden können?
Mehr Einsicht in die Daten. Tatsächlich liegt das Problem woanders. Denn, wie man so schön sagt, muss man erstmal wissen, wo der Schuh drückt. Und genau dies ist das Hindernis, vor dem viele Industrieunternehmen stehen. Es gibt schlichtweg keine Einsicht in die Daten. Eine heterogene Maschinenlandschaft erschwert die zentrale Datenaufbereitung und macht es umso schwerer, die Energiedaten zu jedem einzelnen Produktionsprozess nachzuvollziehen. Ohne ein ganzheitliches Verständnis der einzelnen Werte können keine Energieeffizienzmaßnahmen umgesetzt werden.
Eine Lösung, dieses Hindernis zu bewältigen, ist beispielsweise eine zentrale Datenkollektion noch in der Produktionsumgebung. Dabei ist es wichtig, wirklich alle Assets, also Bestandteile der Produktionsumgebung, zu berücksichtigen. In solch einem Shopfloor (auch: Fertigung) lassen sich Sensoren, Edge-Geräte, Peripherie, Energiezähler oder klassische Maschinensteuerungen divergenter Hersteller und Marken finden. Man merkt, die Anzahl an unterschiedlichen Bestanteilen ist groß und damit auch sehr komplex in der inhomogenen Anbindung und Auslese.
Universelle Connectware. Eine technologie-neutrale Ebene zwischen der Operational Technology (OT) und Information Technology (IT) ist also notwendig, um die Daten auslesen, verarbeiten und zielgerecht verarbeiten zu können. Dabei betrachtet man die OT als Quelle und die IT als Ziel(-system). Eine derartige Verbindung gelingt beispielsweise mit einer Middleware, die in der Lage ist, unterschiedliche Protokolle und Systeme auszulesen und in der Produktionsumgebung vorzuverarbeiten, um dann die aufbereiteten Informationen zielgerecht an Systeme in der IT zu spielen. Idealerweise ist dies eine universelle Connectware, die systemunabhängig agiert und damit viele verschiedene Technologien überflüssig macht. Die Software ist im besten Fall auf einem Edge-System am Rande der Produktion oder auf dem firmeninternen Server installiert, um Sicherheitsbedenken oder teure Rechenleistung in der Cloud zu umgehen. Mit dieser Technologie ist es dann beispielsweise möglich, über APIs ein konkretes Set an Datenpunkten zu extrahieren und über einen MQTT-Broker ausgebbar und verfügbar zu machen. Von diesem Broker können Maschinensteuerungsdaten unterschiedlichster Art, zum Beispiel von Heidenhain TNC oder Siemens Sinumerik über eine Schnittstelle, im Standardfall über POC-UA, in eine SQL-Datenbank gesendet werden. Das ermöglicht kundenindividuelle SQL-Report-Services, anwendungsspezifische Dashboards oder die Weiterverarbeitung der Daten in anderen Datenbanken oder Systemen. Das Fertigungssteuerungssystem (MES) erhält durch die Anbindung der Maschinenanlagen genaue und zielgerichtete Echtzeitdaten, um die Produktionsqualität zu erhöhen, die Durchlaufzeit zu verringern, Produktrückrufe nachvollziehbar zu machen und schlussendlich auch den Energieverbrauch zu überwachen und zu dokumentieren.
Darüber hinaus können Drittanbieter-Lösungen dadurch mit wahrheitsgetreuen Daten getestet werden. Bei diesem Fall arbeiten kleine datengetriebene Spezialdienste oder Megaplattformen wie Microsoft Azure IoT mit den Daten und verfolgen das Ziel, den Energieverbrauch zu messen und diesen nach den derzeitigen Energierichtlinien auszurichten. Neben der daraus resultierenden Reduktion der Emissionen ist es ebenso denkbar, das organisationsweite Handeln nach den ESG-Kriterien (Environment, Social und Governance) auszurichten. Die produzierenden Unternehmen sparen damit nicht nur Geld durch die verringerten Abgaswerte, sondern sensibilisieren durch die ganzheitliche digitale Geschäftsausrichtung ihre Mitarbeiter gleichzeitig zu zielgerichtetem ökonomischem und ökologischem Handeln, um Energie einzusparen.
Anbindung der OT zur IT. Dank der strukturierten Datenkollektion und -aufbereitung durch die Middleware ist es nunmehr möglich, die verschiedensten Ressourcen und Verbindungen unterschiedlicher Natur und Herkunft heranzuziehen und in die Wirtschaftlichkeitsberechnung (ROI) einfließen zu lassen. Neue strategische energiereduzierte Entscheidungen können fortan getroffen werden, da alle indirekten Verbräuche aller Assets, wie die Beleuchtung oder Klimatisierung der Maschine, künftig einbezogen werden können. Daneben kann nicht nur der CO2-Ausstoß umfassend reduziert, sondern auch das Risiko für menschliche Fehler systematisch gesenkt werden. Dies ist möglich, da beispielsweise IT-gestützt sichergestellt wird, dass CNC-Maschinen stets das neueste CNC-Programm für die große Vielfalt an Fertigungselementen geladen haben. Damit erkennt man die unterschiedlichsten Vorteile der Vernetzung. Noch weitrechender sind sämtliche andere Fallbeispiele, die durch die Anbindung der OT zur IT realisiert werden können.
Ein klassisches weiteres Anwendungsszenario ist die vorrausschauende Wartung der Maschine (oft auch: Predictive Maintenace). Hierbei werden zukünftige Maschinenzustände, Fehler und Auslastungen vorhergesagt, Ausfallzeiten verringert oder die Gesamtbetriebskosten (TCO) der Produktionsumgebung verbessert. Auch Traceability, also die lückenlose Rückverfolgung der gesamten Produktionslinie, ist damit umsetzbar.
Nachhaltigere digitale Zukunft. Mit derartiger Datenarchitektur können digital geplante Projekte sicher und langfristig skalierbar umgesetzt werden. Auf lange Sicht gesehen geht es darum, die besten Ideen und Entscheidungen aus den gewonnenen Daten herauszuholen und schrittweise eine immer smartere und »grünere« Produktion zu entwickeln. Ob Metallverarbeitung, Werkzeugbau oder Landmaschinenfabrik – jede direkte Fertigungsorganisation muss sich den sich stetig ändernden Anforderungen stellen und neue, innovative Schritte gehen, um der digitalen, vernetzten Ära begegnen zu können. Es ist nur noch eine Frage der Zeit, bis bestehende Unternehmen nachrüsten. Was also bremst Sie, die nächsten Schritte zur Industrie 4.0 zu gehen? Die eingangs aufgeführten Bedenken sind nachvollziehbar, jedoch zu entkräften und damit kein Hindernis mehr, die weiteren Aktionen in eine nachhaltigere digitale Zukunft zu tun.
TD SYNNEX begleitet IT-Systemhäuser und ihre Kunden als Trusted Advisor bei der Reise zur vernetzen Industrie und überwindet im Schulterschluss die natürlichen Hemmnisse wie auch Hürden zu Beginn jeder neuen Geschäftsausrichtung der nächsten Generation. Sprechen Sie mich dazu gerne an.
Natascha Buck,
Business Development Managerin Data, AI & IoT
der TD SYNNEX