Wie setzt man Big Data in der Industrie richtig ein?

Was assoziiert man mit Big Data? Big Data ist ein Begriff, der für extrem große Datensätze verwendet wird, die analysiert werden können, um Muster, Trends und Einflüsse menschlicher Interaktionen zu erkennen. In den meisten Szenarien innerhalb eines Unternehmens ist die Menge strukturierter und unstrukturierter Daten zu groß oder übersteigt die verfügbare Auswertungskapazität.

Für viele Unternehmen ist die Nutzung von Industriedaten der heilige Gral. Big Data hat das Potenzial, Unternehmen dabei zu unterstützen, ihre Abläufe zu verbessern und schnellere und intelligentere Entscheidungen zu treffen. Die Frage ist nur, wo soll man anfangen?

Digitale Technologie kann dabei helfen, Produkte schneller, effizienter und kostengünstiger zu entwickeln. Außerdem kann sie bei der Herstellung, Lieferung, Unterstützung und Instandhaltung Vorteile verschaffen. Durch die Zusammenführung bisher unzugänglicher Datenströme, die Verbesserung der Live-Sichtbarkeit, der Analyse der Betriebsabläufe und die Gewinnung verwertbarer Erkenntnisse auf der Grundlage besserer Informationen kann die Unternehmensleistung verbessert werden. Hierfür sind folgende Maßnahmen notwendig: Reduzierung ungeplanter Ausfallzeiten, Verbesserung der Compliance und Sicherheit, Integration der Supply-Chain-Logistik in die Betriebsabläufe des Kunden, Optimierung der Wartungsstrategien, Verbesserung des Situationsbewusstseins, Reduzierung von Abfallprodukten und Erhöhung der Gesamteffektivität der Anlage.

Um diese positiven Effekte zu erreichen, ist es wichtig, einen nahtlosen und kontinuierlichen Strom von Prozess- und Produktionsdaten zu schaffen. Diese Daten werden mit akkuraten historischen Betriebsinformationen integriert und dann zu neuen Erkenntnissen über das gesamte Unternehmen zusammengeführt. Darüber hinaus können neue digitale Tools diese bestehenden Datenbanken nutzen und sie mit operativen Daten zusammenführen. Dieser Prozess führt zu verbesserten Erkenntnissen über die Optimierung der Wertschöpfung im gesamten Anlagen- und Betriebslebenszyklus.

Daten entwirren, neue Einblicke gewinnen

Die digitale Transformation verbindet die neuesten Werkzeuge und Prozesse mit dem internen Fachwissen des Unternehmens. Dies ermöglicht nicht nur die Kontextualisierung von neuen und bestehenden Daten, sondern liefert auch verwertbare Informationen und Erkenntnisse. Das Unternehmen kann dann diese neuen Erkenntnisse umsetzen und den Kreis zur fortlaufenden Prozessoptimierung schließen. Dies braucht Zeit und erfordert oft den Einsatz vieler verschiedener Technologien und Abläufe, um den Prozess kontinuierlich in Richtung nachhaltiger betrieblicher Exzellenz voranzutreiben.

So ist beispielsweise die National Grid Corporation of the Philippines (NGCP) für die sichere und zuverlässige Stromversorgung der Verbraucher auf den Philippinen mit mehr als 21.000 Kilometern Übertragungsleitungen verantwortlich. Der Kosten-, Ressourcen- und Energieoptimierungsdruck veranlasste die NGCP zu weiteren Investitionen in nutzbare Informationen. Die moderne Anlage verfügt im Durchschnitt über Zehntausende Sensordatenelemente, wobei Unternehmen den richtigen Kontext benötigen, um diese Informationen nutzen zu können.

Durch den Einsatz der Datenmanagementlösung von AVEVA konsolidiert NGCP die Daten von Steuerungs-, Überwachungs- und Geschäftssystemen in einer vollständig redundanten Serverarchitektur. Dadurch werden die Daten des Unternehmens im Falle einer unerwarteten Abschaltung gesichert. Betreiber von Leitzentralen können nun auf hochauflösende Echtzeitdaten zugreifen, um die Entscheidungsgrundlage zu verbessern und sich gleichzeitig auf eine strategische Initiative zur Aufrüstung, Erweiterung und Stärkung des Betriebs zu konzentrieren.

Erfassen, visualisieren und analysieren

Je schneller die Datenerfassung, -visualisierung und -analyse durch das Team erfolgen kann, desto schneller ist es in der Lage, aufschlussreiche Maßnahmen zu ergreifen. Dies kommt sowohl dem Betrieb als auch den Kunden zugute. Das übergeordnete taktische Ziel bei der Verwirklichung der digitalen Transformation besteht darin, einen operativen Echtzeit-Kontrollzyklus zu schaffen – einen Regelkreis, der das Unternehmen auf der Grundlage von Informationen und Analysen präzise und effizient verwaltet:

1. Operative Echtzeit-Informationen, um zu verstehen, was in der Anlage geschieht und um das Condition Management von Anlagen- und Betriebslebenszyklen zu ermöglichen. Beispielsweise bietet ein Dashboard, das die Schwingungsfrequenz einer rotierenden Anlage, wie z.B. einer Turbine, während des Betriebs anzeigt, ein besseres Verständnis des Betriebsprozesses und des Betriebszustands der Anlage in Echtzeit.
2. Akkurate Verlaufsdaten helfen zu verstehen, was in der Vergangenheit geschehen ist. So können Erkenntnisse über das operative Verhalten von Anlagen gewonnen werden. Durch operative Trends, die Anzeige von KPIs und Dashboards können abstrakte Ansichten von Betriebszuständen erstellt werden. Beispielsweise kann ein Diagramm auf einem Dashboard angezeigt werden, das die vergangene Schwingungsfrequenz der Turbine während des Betriebs zeigt. Diese kann mit der Echtzeit-Schwingungsfrequenz verglichen werden, wodurch Informationen über die langfristigen Betriebstrends der Anlage geschaffen werden.
3. Predictive Analytics wird für die Was-wäre-wenn-Modellierung verwendet. Durch die Integration von Echtzeit- und Verlaufsdaten kann das Team potenzielle Ergebnisse von Betriebszuständen und Verhaltensweisen bewerten und sogar tertiäre Variablen berücksichtigen. Deterministische oder nicht-deterministische Modelle können dann für Open-Loop-Simulationen und prädiktive Analysen verwendet werden. Beispielsweise kann jetzt angesichts des aktuellen Wartungszustands der Turbine abgeschätzt werden, wie lange sie laufen kann, bevor sie ausfällt.
4. Prescriptive Analytics beschreibt, was zur Optimierung der Lebenszyklen von Anlagen und Prozessen erforderlich ist. Szenarienbasierte Leitfäden werden durch Lernbausteine und Closed-Loop-Algorithmen erstellt und bereitgestellt. So kann das Team die Planung und Terminierung über die gesamte Wertschöpfungskette des Unternehmens kalibrieren. Mit einem einheitlichen Supply-Chain-Modell können beispielsweise szenariobasierte Berechnungen zur Optimierung von Wartungsplänen und -leistung verwendet werden, um die Auswirkungen auf den Betrieb zu minimieren.

Der Einsatz von Big Data wird zu einem entscheidenden Faktor, um die Leistungsfähigkeit von Unternehmen zu steigern. In den meisten Branchen werden sowohl etablierte Wettbewerber als auch Marktneulinge datengesteuerte Strategien nutzen. Dadurch können sie innovativ sein, sich im Wettbewerb behaupten und ihren Wert steigern.

Um eine digitale Transformation zu verwirklichen, sind keine größeren Investitionen im Vorfeld erforderlich. Laut McKinsey & Company können Technologien wie intelligentes Datenmanagement, Cloud, Advanced Analytics und digitale Zwillinge als Teil einer digitalen Unternehmensstrategie eine Rolle bei der Verbesserung der operativen Margen um bis zu 20% spielen.

Das Verständnis und die Nutzung der Vorteile von Big Data (und der digitalen Transformation) ist Teil einer kontinuierlichen Prozessoptimierung, die die Zusammenarbeit von Menschen, Verfahren und Anlagen durch Technologie beinhaltet. Dies geschieht nicht auf einmal, sondern gewinnt im Laufe der Zeit an Dynamik. Menschen, Prozesse und Assets werden digital miteinander verschmolzen, um die Lücke zwischen Betriebs- und Informationstechnologie zu schließen.

---

Autor
Andrew McCloskey ist CTO/ EVP R&D bei AVEVA. Er leitet die Technologie und die Produktentwicklung mit einem Portfolio von mehr als 75 führenden Produkten für die industrielle Automatisierung und Technik und einem globalen R&D-Team von mehr als 1.700 Ingenieuren und Informatikern. Die Teams von Andrew McCloskey haben in den letzten sechs Jahren über 110 neue Patente eingereicht, die alle mit dem Digitalen Zwilling zu tun haben und den Kunden von AVEVA auf benutzerfreundliche Weise fortschrittliche Funktionen bieten. Bevor er vor über 13 Jahren zu AVEVA kam, leitete Andrew die Forschung der Toshiba Mobile Division, arbeitete bei zwei erfolgreichen Start-ups und war leitender Ingenieur für Leitsysteme für das Weltraumprogramm der NASA, wo er seine Karriere begann.