Mit Business Intelligence bessere Entscheidungen im Anlagenbetrieb fällen
Anlagenoptimierung durch vorausschauende Wartung, Entscheidungen basierend auf Echtzeit-Monitoring, reduzierte Ausfallzeiten – die digitale Transformation rund um die Industrie 4.0 verheißt eine noch nie dagewesene Effizienz für produzierende Unternehmen. Willkommen im Zeitalter der Operational Business Intelligence!
Die Entwicklungen im Bereich künstlicher Intelligenz und Machine Learning schreiten mit nie dagewesener Geschwindigkeit voran. Gleichzeitig erhöht sich die Datennutzung exponentiell. Aber nicht nur ihre Menge verändert sich, sondern auch das Verständnis, wie Daten profitabel genutzt werden können. Operational Business Intelligence beschreibt die fortschrittliche Analyse von Echtzeit-Daten, die Anwendern extrem schnelle Reaktionszeiten in der laufenden Produktion erlauben. Die Daten werden im täglichen Anlagenbetrieb gesammelt. Und das in großer Zahl: Analysten von IDC erwarten bis 2025 eine weltweite Datenmenge von 175 Zettabyte. Zum Vergleich: Die Menge aller jemals von Menschen gesprochenen Worte würde gemäß Schätzungen digitalisiert gerade einmal 42 Zettabyte ergeben.
Digitale Transformation: Wie Daten die Industrie verändern
Daten werden zur ökonomischen Schlüsselressource
Datenmenge und Datenwachstum sind für Unternehmen aber nicht nur ein Versprechen an die Zukunft, sondern auch eine echte Herausforderung in Anbetracht von Cloud-Solutions, der immer umfassenderen Vernetzung und der tendenziell immer besseren Datenverbindungen. Damit müssen Anlagen Schritt halten.
Paradigmenwechsel: Datenqualität statt -quantität
Und natürlich ist es aus Unternehmenssicht wichtig, Daten über die gesamte Wertschöpfungskette hinweg und – im Falle von Informationen über Kunden und Verbraucher – auch darüber hinaus zu nutzen. Aber angesichts der explosionsartig wachsenden Datenmengen wird klar, dass Masse allein nicht zählt.
Smarte Analysen machen Big Data zu „Right Data"
Das Problem des Datenmülls kennen wir wesentlich profaner zum Beispiel auch aus den sozialen Netzwerken des Internet. Wer hier systematisch trackt, was besprochen und ausgetauscht wird, weil er sich monetarisierbare Erkenntnisse erhofft, müsste angesichts des großen Rauschens dort mit einem ähnlich kleinen Anteil tatsächlich brauchbarer Informationen rechnen.
Das „Big Data“-Paradigma, das über viele Jahre die Diskussion um den Wert von Daten bestimmt hat, wird deshalb um die Frage nach dem tatsächlichen Nutzen von Big-Data-Analysen erweitert. Zusätzliche Begriffe wie „Right Data“ oder „Smart Data“ zeigen, dass die Frage nach Quantität zugunsten der Qualität in den Hintergrund tritt. So geht es vermehrt darum, im großen Datenozean nur die Daten zu erfassen und für Analysen zu verwenden, die wirklich nötig sind. Die Kunst dabei ist es, diese zu erkennen.
Sie möchten erfahren, was Voith für Ihre Business Intelligence tun kann?
Hinterlassen Sie Ihre Kontaktdaten, unsere Experten helfen Ihnen gern.
Operational-Business-Intelligence-Lösungen: Das Leistungsangebot von Voith
dataPARC cloud: Cloud-basierte Plattform für Industriedaten
dataPARC cloud.Suite: Smarte Datenvisualisierung
OnPerformance.Lab: Analysen und Remote-Support
OnEfficiency und OnCare: Effizienz- und Produktivitätssteigerung von Anlagen
Sie benötigen weitere Informationen zu unseren OnCare und OnEfficiency Lösungen?
Akustische Überwachung: Sicherheit im Anlagenbetrieb durch KI
Im isländischen Wasserkraftwerk Budarhals hat Voith 2018 das akustische Überwachungssystem OnCare.Acoustic installiert. Es erkennt Geräusche, die von normalen Bedingungen abweichen. So wird die Wahrscheinlichkeit reduziert, dass die Maschinen des Kraftwerks ungeplant still stehen. Zudem hilft die kontinuierliche Analyse der Maschinendaten bei der Optimierung der Betriebsweise und der gezielten Planung von Wartungsarbeiten.
Mikrofone erfassen dafür Umgebungsgeräusche der Maschinen, die gespeichert und anschließend von Algorithmen analysiert werden. In der ersten Projektphase hat das System noch alle Daten erfasst, mit anderen Kraftwerken verglichen und gelernt, welche Geräusche dem normalen Maschinenverhalten entsprechen. In der zweiten Lernphase reichte es OnCare.Acoustic, Abweichungen vom typischen Geräuschmuster in Echtzeit zu erkennen. Liegt eine solche Abweichung vor, setzt das System eine Warnung ab und benachrichtigt gleichzeitig einen verfügbaren Servicetechniker des Betreibers.
Aus diesem Beispiel für Operational Business Intelligence in der Industrie 4.0 lassen sich gleich drei wichtige Erkenntnisse für die intelligente Verarbeitung von Daten und die Vorteile künstlicher Intelligenz in der Industrie ableiten:
Die Kenntnis der Parameter zur intelligenten Analyse von Zuständen und Abweichungen ist nicht in erster Linie IT-Fach- oder Projekt-, sondern vor allem Domänenwissen. Das entsteht durch jahrelange Erfahrung in der Errichtung, dem operativen Betrieb und der Wartung von Maschinen und Anlagen.
- Ein trainiertes System benötigt nicht alle verfügbaren Daten, sondern nur solche, die echte Erkenntnisse vermitteln. Diese Daten unterscheiden zu lernen, ist das Ziel von Machine-Learning-Algorithmen. Mit zunehmender Betriebsdauer und dem wachsenden Wissen der Algorithmen sinkt der Bedarf an neuen Daten.
- Je fortgeschrittener ein Projekt ist, desto geringer wird auch der am Anfang noch notwendige Anteil manueller Arbeit. Je länger das System umgekehrt arbeitet, desto autonomer kann der Algorithmus auf Basis des antrainierten Wissens wirken und dabei immer zuverlässiger Abweichungen erkennen.
Somit wird deutlich, wie wichtig die Arbeit mit hochwertigen Daten in Unternehmen ist, um einerseits ihren Wert in digitalen Geschäfts- und Ertragsmodellen zu monetarisieren und um andererseits ihr wachsendes Aufkommen in den Griff zu bekommen.
Herausforderungen und Zukunftspotentiale von Operational Business Intelligence
Die Datenqualität ist entscheidend
Dennoch klagen viele Unternehmen, dass die Daten für Auswertungen widersprüchlich, unvollständig oder veraltet sind. Das führt dazu, dass Management-Entscheidungen oft auf mangelhaften Informationen basieren, weil das Spektrum der verfügbaren Daten nicht ausgeschöpft wird. Zudem ist die Beschaffenheit der genutzten Daten teils mangelhaft. Unterm Strich bedeutet das: Die potenziell immensen Vorteile von Big-Data-Analysen für produzierende Unternehmen erschließen sich nur bei ausreichender Qualität.
Herausforderungen bei datengetriebenen Geschäftsmodellen
Neben dem fehlenden fachlichen Verständnis bremst oft auch die für valide Datenanalysen nötige komplexe Systemlandschaft die produktive Nutzung von Daten aus. Oft stehen zudem IT-Verantwortliche vor der Aufgabe, gewachsene, heterogene und nicht von vorne herein offene und interoperable Systeme miteinander verbinden zu müssen.
Sie möchten erfahren, was Voith für Ihre Business Intelligence tun kann?
Hinterlassen Sie Ihre Kontaktdaten, unsere Experten helfen Ihnen gern.
So kommen Sie zu einer tragfähigen Datenstrategie
Digitalisierung und Automatisierung von Anlagen und Prozessen
„Demokratisierung der IT"
Auch hier verschieben sich übrigens die Anforderungen in Richtung dessen, was viele Experten als „Demokratisierung der IT“ bezeichnen: Die Technologien sind so zugänglich, dass sie in den Fachbereichen angepasst werden können; Entwicklungs- und große Integrationsarbeiten seitens der IT-Abteilungen sind immer seltener notwendig.
Und Algorithmen müssen oft auch nicht mehr programmiert werden, sondern konfiguriert und trainiert. Auch das ist oft schon eine Arbeit, die in den Fachbereichen und mit dem vorhandenen Domänenwissen geleistet werden kann. So wird die Datenverarbeitung in den Unternehmen zur Operational Business Intelligence, die aus den laufenden Prozessen und in den Fachbereichen geleistet werden kann und Analysen praktisch in Echtzeit und auf Basis transaktionaler Daten erlaubt.
Sie wollen Ihre Operational Business Intelligence erhöhen?
Unsere Experten helfen Ihnen gern weiter.
Voith GmbH & Co. KGaA
St. Poeltener Str. 43 89522 Heidenheim, Germany
t +49 7321 37-3000