Problems logging in
IM+io

IM+io

Best Practices aus Digitalisierung, Management und Wissenschaft

OpenServ4P – Offene, intelligente Services für die Produktion

Ein Beitrag von Thomas Feld, Erdem Güngör, Aly Taleb, Scheer GmbH.

Die Umsetzung von Industrie 4.0 stellt Industrieunternehmen immer noch vor große Herausforderungen, geht es doch nicht nur um die komplette di­gitale Vernetzung von Produktionsanlagen, sondern auch um die umfas­sende Nutzung von Maschinen- und Sensordaten zur Entwicklung von in­telligenten, produktionsnahen Dienstleistungen (Smart Services). Im Rahmen des vom Bundesministerium für Wirtschaft und Energie (BMWi) geförderten Projektes OpenServ4P wurden herkömmliche Produktionsan­lagen zu Industrie-4.0-fähigen Anlagen aufgerüstet und Smart Services für die Metall- und Kunststoffverarbeitung umgesetzt und erprobt.

Hierzu wurde eine skalierbare Hardware- und Softwarearchitektur aufgesetzt, die einen Zugriff auf die unterschiedlichen Produktionsressourcen sowie eine sichere Datenübertragung und -aus­wertung ermöglicht. Damit wurden die Voraus­setzungen geschafft, um industrielle Echtzeitan­wendungen mit internetbasierten Technologien umsetzen zu können. Scheer übernahm dabei die Umsetzung ei­nes auf Mixed Reality basierenden adaptiven Ri­sikomanagement-Services, mit dem Risiken in Echtzeit überwacht und bewertet werden.

Adaptives Risikomanagement

Unter Risikomanagement wird die Messung und Steuerung aller Risiken für ein Unternehmen ver­standen. Das Risikomanagement umfasst dabei sämtliche Maßnahmen zur Identifikation, Ana­lyse, Bewertung, Überwachung und Kontrolle von Risiken, wie es die Abbildung 1 darstellt

Das im Projekt entwickelte adaptive Risiko­managementverfahren bewertet die Risikosituati­on dynamisch auf der Basis von Echtzeitinforma­tionen. So können zielgerichtete Maßnahmen zur Risikominderung oder Risikobegrenzung abge­leitet und der mögliche Schadenseintritt verhin­dert werden. Ein besonderes Augenmerk wurde dabei auf die Produktionsrisiken gelegt:

  • Ressourcenrisiko: Berücksichtigen die Risi­ken des Maschinen- und Personalausfalls so­wie des Ausfalls von Transportmitteln und benötigten Einsatzmitteln für die Produktion.
  • Materialrisiko: Unter das Materialrisiko fal­len insbesondere fehlende Hilfsstoffe sowie fehlendes oder fehlerhaftes Rohmaterial.
  • Qualitätsrisiko: Innerhalb des Produktions­prozesses kann es zu mangelhafter Produkt­qualität, bedingt durch den Produktionspro­zess, und somit zu Terminverzögerungen im laufenden Geschäft kommen.
  • Prozessrisiko: Innerhalb dieser Risikoklasse kommt es zu Beeinträchtigungen des Produk­tionsverlaufs durch die dort eingesetzten Technologien.

Gegenstand der entwickelten adaptiven Risiko­steuerung ist die aktive und gezielte Beeinflus­sung der identifizierten und bewerteten Risiken. Hierdurch soll die Risikolage des Unternehmens positiv verändert und ein ausgewogenes Verhält­nis zwischen Gewinn (Chancen) und Verlusten (Risiken) erreicht werden. Zu diesem Zweck wurde eine Reihe von Behandlungsalternativen entwickelt, die im Einklang mit der zugrundelie­genden Risikostrategie stehen und in Abhängig­keit von der erzielten Risikobewertung differen­ziert eingesetzt werden können.

So werden zur Bewertung von Qualitäts- und Ressourcenrisiken die Maschinen- und An­lagendaten sowie Qualitätsprüfungsdaten über Datensammler vorerfasst und mit Hilfe von Pre­dictive Analytics Verfahren ausgewertet. Auf die­se Weise kann das tatsächlich vorhandene Risiko für einen Maschinenausfall oder ein Qualitäts­problem bewertet werden, wie man es anhand der Abbildung 2 sehen kann. Liegt das Risiko über dem akzeptierten Schwellwert, können entspre­chende Maßnahmen zur Risikominderung ver­anlasst werden.

Abbildung 1: Von der Programmierung zur Modellausführung.

Risikobewertung in Echtzeit mit der Mixed Reality Risiko-Ampel

Zur Überwachung der Risiken auf Shopfloor-­Ebene wurde eine Mixed-Reality ­Applikation auf Basis der Microsoft HoloLens entwickelt, welche zu jeder Anlage eine holographisch erzeugte Risi­ko-Ampel visualisiert. Dies wird in Abbildung 3 gezeigt. Dies ermöglicht es dem Benutzer sich frei zu bewegen und Maschineninfos im realen Um­feld abzurufen, um so die digitalen Risiko-Infor­mationen jederzeit überwachen zu können.

Generell wurde sich an eine Ampelmeta­pher gehalten, sowohl um den aktuellen Fehler­status der Maschine, als auch den Risikolevel für einen möglichen Ausfall anzuzeigen. Neben den mit Predictive Analytics berechneten Gesamtrisi­kolevels können auch Einzelrisiken bis hin zu einzelnen Maschinenparametern angezeigt werden.

Über eine Minimap werden dem Benutzer die Risikolevels aller Maschinen in seiner di­rekten Umgebung angezeigt sowie seine relative aktuelle Position zur Maschine, so dass er sich jederzeit auch räumlich orientieren und zur nächsten auffällig gewordenen Maschine bewe­gen kann.

Der eigentliche Risikomanagement-Service wurde auf der Scheer PAS (Process Automation Suite) umgesetzt. Der Scheer PAS Ansatz zur Prozessautomatisierung 4.0 vereint die Automa­tisierung von Human Workflows mit der Integ­ration der beteiligten Systeme zu einer ganzheit­lichen Lösung.

Abbildung 2: Echtzeitbewertung von Qua­litäts- und Ressourcenrisiken mit Predictive Analytics.

Technische Umsetzung der Sensordatenintegration

Die Verfügbarkeit von Sensorinformationen ist eine Grundvoraussetzung für die Umsetzung von Smart Services. Daher wurden zunächst die realen Gegebenheiten an Umformungsanlagen aus der Metall- und Kunststoffverarbeitung un­tersucht. Es wurde festgestellt, dass zur Steue­rung und Wartung der Anlage zwar viele Senso­ren vorhanden sind, diese aber nur an der Ma­schine selbst ausgelesen werden konnten. Eine spezielle Sensorik zur Prüfung der Qualität der produzierten Teile gab es nicht. Daher wurde un­ter anderem ein kamerabasiertes Prüfungsver­fahren für die Produktqualität implementiert, um überhaupt geeignete Sensordaten für Predic­tive Quality und Risikomanagement zu erhalten. Für das Auslesen und die Bereitstellung der Da­ten wurde ein lokaler Datensammler entwickelt, welcher Sensor-, Maschinen- und Anlagendaten in Echtzeit erfasst. Der lokale Datensammler ist dabei mit dem zentralen Datensammler in einer sicheren Cloud-Plattform verbunden, der die ei­gentliche Bereitstellung der Daten für den Smart Service Anbieter sicherstellt. Dies zeigt Abbil­dung 4. Nach einer sicheren Authentifizierung und Autorisierung der Zugriffe können Services unterschiedlicher Anbieter auf den zentralen Da­tensammler zugreifen.

Abbildung 3: Mixed Reality Risiko-Ampel.

Führen Smart Services zu neuen Erlös- und Geschäftsmodellen?

Das Projekt hat gezeigt, dass die technische Auf­rüstung von bestehenden Anlagen im Sine von In­dustrie 4.0 durchaus möglich ist. Offen ist noch die Frage, ob Smart Services auch zu neuen Erlös- und Geschäftsmodellen führen. Im Rahmen des Pro­jekts wurden daher auch verschiedene Erlös- und Geschäftsmodelle untersucht:

  • Beim Pay-per-Use-Modell zahlt der Kunde nur für die Leistung, die er in Anspruch nimmt. Hier muss genau definiert werden, was „Use“ ist und wie man „Use“ quantifiziert. Hier lie­fern erst Smart Services die notwendige Daten­basis zur sicheren Quantifizierung. Der Vorteil für den Kunden liegt hier wieder in der Varia­bilität des Preises. Der Nachteil hierbei ist wie­derum die Komplexität und Variabilität des Preismodells. In der Praxis werden Pay-per-Use-Modelle von Maschinen- und Anlagen­bauern bereits heute angeboten, allerdings in der Regel nur in Kombination mit klassischen Lizenzmodellen. Der Smart Service Ansatz kann helfen, die Pay-per-Use-Modelle weiter zu verfeinern.
  • Gainsharing beschreibt ein Bezahlungsmodell, bei dem sich Kunde und Dienstleister die Erträ­ge aus den über Smart Services messbar erziel­ten Leistungsverbesserungen oder Kostenredu­zierungen teilen. Der Vorteil eines solchen Mo­dells für den Kunden besteht darin, dass dieser nur zahlt, wenn sich ein Vorteil für ihn ergibt. Der allgemeine Nachteil dieses Bezahlungsmo­dells liegt jedoch im Vergleich zum konventio­nellen Lizenzmodell in der erhöhten Komplexi­tät und Variabilität des Zahlungsbetrages. Es ist daher auch anzunehmen, dass Gainsharing eher in Ergänzung zum klassischen Lizenzmo­dell angewendet wird.
  • Auch klassische Lizenzmodelle können auf Smart Services übertragen werden. So wird für einen Smart Service ein festgelegter Betrag in regelmäßigen Intervallen gezahlt, wobei der Preis in der Regel konstant bleibt. Die Einhaltung der Service Levels kann dann ebenfalls durch Smart Services überwacht werden. Hier kommen die gleichen Analyse­verfahren wie für Pay-per-Use oder Gainsha­ring zum Einsatz. Nur dienen sie hier allein der Überwachung und gehen so nur indirekt in das Erlösmodell ein.

Smart Services können also durchaus zu neuen Geschäftsmodellen führen, sie sind aber kein Muss.

Abbildung 4: Sicherer Datenaustausch über lokale Datensammler und skalierbare Cloud-Dienste.

Kurz und bündig:

Im Rahmen des vom Bundesministerium für Wirt­schaft und Energie (BMWi) geförderten Projektes OpenServ4P entwickeln die Projektpartner eine Plattform für internetbasierte Services, mit deren Hilfe bestehende Produktionsanlagen zu Industrie 4.0-fähigen Anlagen aufgerüstet werden können. Dazu ist eine Hardware- und Software-Architektur erforderlich, die einen Zugriff auf die unterschiedli­chen Produktionsressourcen (Maschinen und Anla­gen verschiedener Hersteller) sowie eine entspre­chende Datenübertragung und -auswertung er­möglicht. Damit werden die Voraussetzungen geschaffen, um industrielle Echtzeit-Produktions­planung, Risikomanagement sowie vorausschauen­de Instandhaltung und integrierte Qualitätssiche­rung als Dienstleistung anzubieten.

WEITERFÜHRENDE INHALTE

https://openserv4p.de/

© 2018 August-Wilhelm Scheer Institut für digitale Produkte und Prozesse gGmbH

IM+io
IM+io

Best Practices aus Digitalisierung, Management und Wissenschaft

Die IM+io bietet Ihnen hochwertige, zukunftsprägende Fachbeiträge zu aktuellen Trends und Themen rund um die digitale Transformation. Der Fokus der Ausgaben liegt insbesondere auf der Digitalisierung in unterschiedlichen Branchen und neuen Geschäftsmodellen und -ideen. Die Beiträge der IM+io sind nicht nur am Puls der Zeit, sondern schon einen Schritt voraus. Die Beiträge der IM+io werden von Fachexperten aus den unterschiedlichsten Branchen verfasst. Außerdem vereint das Magazin Wissenschaft, Wirtschaft und innovative Start-ups. Dadurch erhalten Sie eine ganzheitliche Sichtweise auf die Themenbereiche der IM+io und praktische als auch wissenschaftlich fundierte Impulse.
Show more