Der Wert von Daten in der modernen Fertigung
Für Hersteller, die Hunderte von Maschinen betreiben und Feedback-Schleifen mit strategischem Personal generieren, war das Sammeln von Daten nie wirklich ein Problem. In der Tat Daten sind weiterhin die treibende Kraft hinter drastischen Entscheidungen, die täglich von Unternehmen getroffen werden, die selbst geringste Effizienzverbesserungen erzielen wollen. Es ist jedoch eine Sache, Daten zu sammeln, eine ganz andere, sie zu organisieren und dann ziehen Sie umsatzsteigernde Schlussfolgerungen.
Tronrud Maschinenbau, ein weltweit führender Anbieter von industriellen Automatisierungs- und Verpackungslösungen, stand vor dieser Herausforderung. Die Verpackungsabteilung des Unternehmens entwirft, produziert, installiert, kommissioniert und wartet automatisierte Verpackungslösungen für einige der weltweit größten Marken.
Tronrud verfügt also über ein klar definiertes Datenerfassungsframework, wollte aber mehr mit den Zahlen machen und sie verwenden, um eine bessere Leistungsbewertung der eingesetzten Maschinen zu erstellen. Das bedeutet einen besseren Kundendienst, um die Kunden mit ihren Tronrud-Verpackungsmaschinen zufrieden zu stellen. Daten werden verwendet, um personalisierte, vorausschauende Wartungspläne zu erstellen und klare Prozesse zur Identifizierung und Lösung von Maschinenproblemen zu entwickeln.
„Unsere Kunden müssen ihre Verfügbarkeit und ihre Betriebskosten ständig verbessern. Die Maschinen, die wir liefern, haben eine Lebensdauer von etwa 20 Jahren. Natürlich wollen unsere Kunden die Wirkung dieser Maschinen in diesen zwei Jahrzehnten maximieren.“
Patrick Langseth, Kundenerfolgsmanager für Verpackungen bei Tronrud Engineering
Das ist wo KLUG kam rein. Ziel war es, eine Datenwertanalyse (DVA) durchzuführen, die sich auf einen Maschinentyp namens Tray Case Packer Generation 3 (TCP3) konzentrierte.
Die TCP3 ist eine automatische Verpackungsmaschine zum Zusammenbauen und Verschließen von Schalen oder Kartons. Wichtige Parameter wie das Drehmoment (von den Motoren ausgeübte Kraft), die Luftfeuchtigkeit (die sich auf Vakuumverschlüsse auswirken kann) und der Vakuumdruck (der für die Handhabung und Sicherung von Verpackungsmaterialien verwendet wird) werden überwacht, um eine gleichbleibende Leistung sicherzustellen und mechanische Ausfälle zu vermeiden.
Bei den untersuchten Daten handelte es sich um IoT-Sensordaten, die von der Maschine über PLC (Programmable Logic Controller) und Siemens MindSphere (eine cloudbasierte industrielle IoT-Plattform) erfasst wurden. Die DVA wurde für die Abteilung durchgeführt, die sich auf die Snackindustrie konzentriert.
Die Herausforderung: Nutzung von Daten zur Vermeidung von Ausfallzeiten
Obwohl Tronrud Engineering seit seiner Gründung im Jahr 1977 an der Spitze der industriellen Automatisierung steht, wurde prognostiziert, dass Tronrud Engineering nicht das volle Umsatzpotenzial des Ersatzteilmarktes ausschöpfen würde. Dies könnte erheblich verbessert werden, indem man auf neu entdeckte Datenmuster eingeht und bei deren Interpretation fachkundige Unterstützung erhält. Trotz der umfangreichen Datenerhebung, die bereits durchgeführt wurde, stand Tronrud also vor drei übergeordneten Herausforderungen:
1- Daten ohne Richtung
Die Maschinen von Tronrud erfassten Daten mit IoT-Sensoren und analysierten sie über Siemens MindSphere. Sie hatten jedoch Mühe, aus der Vielzahl der Datenpunkte klare nächste Schritte abzuleiten. So wurden beispielsweise Anomalien der Drehmomentwerte zwar protokolliert, aber nicht mit Betriebsereignissen in Verbindung gebracht, sodass Lücken in Bezug auf den Zusammenhang zwischen Daten und Ereignissen zurückblieben
2- Die Kosten von Ausfallzeiten
Die Vermeidung ungeplanter Ausfallzeiten ist ein wichtiges Ziel für Tronrud und seine Kunden. Als Maschinen unerwartet ausfielen, summierten sich die Kosten schnell. Dazu gehörten Reparaturkosten, der Verlust wertvoller Produktionszeit und Opportunitätskosten im Zusammenhang mit nicht eingehaltenen Produktionszielen oder -terminen.
Ohne ein System zur Vorhersage und Verhinderung von Ausfällen von Verpackungsmaschinen sahen sich Tronrud und seine Kunden manchmal mit Störungen konfrontiert, die sich direkt auf Effizienz, Rentabilität und Kundenzufriedenheit auswirkten.
3- Alarme ohne Antworten
Die Maschinen von Tronrud sind mit Alarmen ausgestattet, die bestimmte Ausfälle protokollieren. Komplexere Ausfälle werden jedoch nicht automatisch einem bestimmten Alarm zugeordnet.
Diese Lücke hinderte Tronrud daran, prädiktive Trends sicher zu identifizieren. Ohne strukturierte Ausfalldaten konnten sie die Vorteile der prädiktiven Wartungsstrategien nicht voll ausschöpfen. So hätten sie Probleme vorhersehen und beheben können, bevor sie zu Ausfallzeiten führten.
Die Herausforderung war also klar: Tronrud benötigte mehr als nur eine Fülle von Daten. Es musste eine Möglichkeit gefunden werden, diese Daten in aussagekräftige Erkenntnisse umzuwandeln, die als Grundlage für intelligentere Entscheidungen dienen, Ausfallzeiten reduzieren und letztlich dafür sorgen, dass die Kunden zufrieden sind und darauf vertrauen können, dass diese Maschinen während der gesamten Lebensdauer der Maschine eine gute Leistung erbringen.
Der Ansatz von CLEVR: Datenwertanalyse
„Wir brauchten jemanden, der uns in die richtige Richtung weist; vielleicht teilen Sie uns mit, dass einige der Daten, die wir gesammelt haben, nicht sehr nützlich sind und dass wir mit der Erfassung beginnen sollten. andere Daten, die in der Tat sehr wertvoll sein könnten.“
Patrick Langseth, Kundenerfolgsmanager für Verpackungen bei Tronrud Engineering
CLEVR führte eine Datenwertanalyse (DVA) durch, um aus Rohdaten verwertbare Erkenntnisse und klare Anweisungen zu gewinnen. Die CLEVR-Experten sprachen auch mit wichtigen Interessengruppen von Tronrud, führten eingehende Analysen verschiedener Datensätze durch und nutzten ihre bisherigen Branchenerfahrungen, um Empfehlungen abzugeben.
1- Den menschlichen Blickwinkel verstehen
CLEVR sprach zunächst mit dem Team von Tronrud, um deren betriebliche Ziele und Herausforderungen vollständig zu verstehen. In Interviews mit Ingenieuren, Technologiedirektoren und anderen Interessenvertretern deckten sie Lücken in der Art und Weise auf, wie Daten im gesamten Unternehmen verwendet wurden. In diesen Diskussionen wurden Möglichkeiten aufgezeigt, wie sich die Datenanalyse zugunsten der strategischen Ziele von Tronrud auswirken könnte. So wurden beispielsweise Möglichkeiten zur Reduzierung von Ausfallzeiten, zur Verbesserung der Betriebseffizienz und zur Unterstützung einer vorausschauenden Wartung aufgezeigt.
2- Datenerkundung
CLEVR analysierte Daten aus zwei Hauptquellen: direkten IoT-Sensorfeeds und der Siemens MindSphere-Analyseplattform. Sensordaten lieferten hochdetaillierte Echtzeitinformationen über die Maschinenleistung, obwohl für ihre Nutzbarkeit eine umfangreiche Vorverarbeitung erforderlich war. Die MindSphere-Daten lieferten aggregierte Trends und Muster, es fehlten jedoch die feinkörnigen Details, die für komplexere Diagnosen erforderlich waren.
Durch die Zusammenführung dieser Datensätze war CLEVR in der Lage, Anomalien in Bezug auf Drehmoment, Vakuumleistung und Luftdruck aufzudecken. Diese Anomalien wurden mit betrieblichen Ineffizienzen in Verbindung gebracht und als potenzielle Auslöser für Maschinenausfälle identifiziert.
3- Maßgeschneiderte Empfehlungen
Um den Herausforderungen von Tronrud zu begegnen, schlug CLEVR eine Reihe von Lösungen vor, die sofortige Lösungen mit langfristigen Verbesserungen kombinieren würden:
Entwickeln Sie Frameworks, um Ausfälle vorherzusagen und zu verhindern, indem Sie unregelmäßige Muster in Maschinendaten identifizieren, bevor sie zu Ausfällen führen.
Am Ende der DVA hatte CLEVR nicht nur die wichtigsten Herausforderungen von Tronrud identifiziert, sondern auch eine Reihe detaillierter Empfehlungen zur Entwicklung eines effizienteren Ansatzes für die Maschinenleistung und Wartung abgegeben.
Wichtigste Ergebnisse: Erkenntnisse, die wichtig sind
„Obwohl sich die DVA auf die TCP3-Maschine konzentrierte, wurden die Ergebnisse und Werkzeuge so konzipiert, dass sie flexibel sind, sodass sie auf andere Maschinen und Systeme bei Tronrud angewendet werden können. Dieser Ansatz zeigt deutlich, wie Daten unseren Wert für Kunden steigern, Abläufe verbessern und nachhaltige Praktiken unterstützen können — er wird dazu beitragen, Tronrud auf langfristigen Erfolg in der Verpackungsindustrie.“
Ajai Mathew, Datenwissenschaftler bei CLEVR
Die Analyse von CLEVR führte zu mehreren umsetzbaren Erkenntnissen, die Tronrud helfen würden, seinen Datenansatz in Zukunft zu ändern.
4- Potenzial für prädiktive Wartung
CLEVR identifizierte Verzögerungsmuster zwischen Alarmen und Sensordaten und demonstrierte, wie Tronrud Ausfälle vorhersagen konnte, bevor sie auftraten. So waren beispielsweise Drehmoment- und Vakuumdruckanomalien frühe Indikatoren für Betriebsprobleme und ermöglichten ein präventives Eingreifen.
5- Beziehungen zwischen Alarm und Anomalie
Die Analyse von CLEVR ergab, dass bestimmte Alarme wie „Das Vakuum ist verloren“, korrelierte mit Datenanomalien mit Feuchtigkeit. Diese Erkenntnis verdeutlichte das Maschinenverhalten und würde Tronrud das nötige Selbstvertrauen geben, gezielte Anpassungen vorzunehmen.
Leistungsvariabilität im 6-Schicht-Betrieb
Die Clusteranalyse von CLEVR zeigte anhand von Datenmustern, wie sich verschiedene Schichten und Rezepturen auf die Maschinenleistung auswirkten. Schichten beziehen sich auf unterschiedliche Zeiten, in denen die Bediener arbeiten. Unterschiede in den Techniken des Bedieners oder in den Schaltzeiten können zu Schwankungen der Maschineneffizienz führen. In der Fertigung sind Rezepturen vordefinierte Konfigurationen oder Einstellungen, die Maschinen bei der Herstellung eines bestimmten Produkts leiten. Dazu gehören Parameter wie Drehmoment, Geschwindigkeit oder Druck, die auf jede Produktionsanforderung zugeschnitten sind.
Durch die Analyse dieser Muster identifizierte CLEVR Möglichkeiten zur Verbesserung der Bedienereffizienz und zur Optimierung der Rezeptursequenzierung. Beispielsweise war es wahrscheinlicher, dass bestimmte Rezepturen die Maschine belasteten, während andere mit spezifischen Bedienstrategien besser abschnitten. Diese Erkenntnisse legten die Grundlage für gezielte Schulungen und eine intelligentere Betriebsplanung.
Diese Ergebnisse unterstrichen das ungenutzte Potenzial von Tronrud und zeigten, wie seine Daten sowohl zu sofortigen Verbesserungen als auch zu langfristigen Werten führen können.
Vorgeschlagene Anwendungsfälle: Erkenntnisse in Maßnahmen umsetzen
„Wir waren uns nicht ganz sicher, was uns erwarten würde, aber dieser Prozess half uns zu erkennen, was wir mit unseren Daten anfangen können. CLEVR zeigte uns, wo wir möglicherweise mehr sammeln oder das, was wir bereits sammeln, anpassen müssen, und gab uns eine klarere Vorstellung von typischen Anwendungsfällen und wie wir das Beste daraus machen können.“
Anders Lysgaard Lemme, Softwareingenieur bei Tronrud Engineering
CLEVR schlug eine Liste praktischer Lösungen vor, für die sich Tronrud entscheiden könnte. Sie könnten dazu beitragen, unmittelbare Herausforderungen zu lösen und gleichzeitig den Weg für erhebliche Betriebs- und Kundenvorteile in der Zukunft zu ebnen.
1- Vorhersage von Maschinenausfällen
CLEVR empfahl, damit zu beginnen, komplexe Pannenereignisse mit bestimmten Fehleralarmen zu verknüpfen. Dieser Ansatz würde eine prädiktive Modellierung ermöglichen und es Tronrud ermöglichen, potenzielle Probleme proaktiv anzugehen, bevor sie zu Ausfallzeiten führen. Durch die Reduzierung unerwarteter Stillstände könnte Tronrud die Reparaturkosten senken, die Produktionseffizienz steigern und die Zuverlässigkeit der Maschinen für seine Kunden verbessern.
2- Leistungsvergleich
Um die Leistungsüberwachung zu verbessern, schlug CLEVR Frameworks vor, um Benchmarks bei der Inbetriebnahme und Aufrüstung von Maschinen festzulegen. Diese Benchmarks würden es Tronrud ermöglichen, Leistungsabweichungen schnell zu erkennen, die Wartungsarbeiten zu steuern und die Ressourcenzuweisung zu optimieren. Im Laufe der Zeit könnten diese Verbesserungen die Maschinenverfügbarkeit und die Betriebskonsistenz verbessern.
3- Verbesserung der KPIs
CLEVR schlug vor, maßgeschneiderte Key Performance Indicators (KPIs) zu entwickeln, die auf die Bedürfnisse verschiedener Interessengruppen zugeschnitten sind, von Maschinenbedienern bis hin zu Führungskräften. Durch die Integration dieser KPIs in Mindsphere-Dashboards würde Tronrud in Echtzeit Einblicke in die Maschinenleistung gewinnen, was eine schnellere Entscheidungsfindung und eine bessere Überwachung ermöglichen würde. Eine verbesserte Überwachung würde es Tronrud auch ermöglichen, einen reaktionsschnelleren und proaktiveren Kundendienst anzubieten und so die Kundenbeziehungen zu stärken.
Diese Anwendungsfälle entsprachen nicht nur den unmittelbaren Bedürfnissen von Tronrud, sondern zeigten auch das Potenzial, seinen Betrieb zu transformieren, einen langfristigen Mehrwert zu schaffen und eine höhere Zufriedenheit sowohl für das Team als auch für die Kunden zu gewährleisten.
„Insgesamt hat uns die Zusammenarbeit mit CLEVR sehr gut gefallen. Es geht nicht nur um das Wissen und die Erfahrung, die CLEVR mitgebracht hat, sondern auch um die Leidenschaft, Intuition und Neugier.“
Patrick Langseth, Kundenerfolgsmanager für Verpackungen bei Tronrud Engineering
Mit Daten die richtigen Weichen stellen
Die Datenwertanalyse von CLEVR half Tronrud Engineering dabei, eine überwältigende Flut von Zahlen in klare und methodische Anweisungen umzuwandeln, um sehr reale Probleme zu lindern und potenzielle betriebliche Herausforderungen. Durch eine genauere Untersuchung, um Muster zu identifizieren, legte CLEVR die Grundlage für sofortige und langfristige Verbesserungen, die dafür sorgen können, dass wichtige Maschinen optimal funktionieren (und die Kunden zufrieden sind).
Da sich die Hersteller immer weiter nach innen wenden und ihre eigenen Daten auswerten, ist klar, dass es Erkenntnisse gibt, die aus den Zahlen herausgeholt werden können. Der Schlüssel liegt darin, diese Wegweiser in die Tat umzusetzen, und manchmal ist eine externe Perspektive erforderlich, um dies am effizientesten zu tun.
Finden Sie heraus, wie CLEVR die Wirkung Ihres Unternehmens steigern kann
