Es funktioniert:
Wie moderne Unternehmen mit IIoT-Analytics-Lösungen ihre Wertschöpfungsketten optimieren,
die Produktion verbessern und Kosten einsparen.

Dank Big Data-Analytics: Lackqualität steigt, Kosten sinken

Automobilkonzern spart jährlich 2 Mio. $ durch verbesserte Lackqualität (weniger Mängel), nachdem IIoT-Analytics ein Problem in den Lackierstraßen aufdeckte.

Das Problem:

Qualitätsmängel in den Lackierstraßen des Autokonzerns - besonders montags. Keine vordergründige Erklärung für die schwankende Qualität, da Produktionsparameter wie Spritzdruck oder -geschwindigkeit konstant waren.

IIoT-Analytics:

Korrelation von zahlreichen Messwerten und Qualitätsniveau
Ergebnis: Lackqualität hängt mit dem Staubgehalt der Luft und damit der Belüftung zusammen
Lösung: Belüftung nun auch außerhalb der Betriebszeiten an Wochenenden und Feiertagen

Big Data:

  • Umgebungsdaten: Temperatur, Luftfeuchte, -druck, -ströme, -qualität wie z. B. Staubgehalt etc.
  • Prozessdaten der Maschinen und Produktionsroboter: Spritzdruck, Menge, Geschwindigkeit, Farbcode etc.
  • Qualitätsniveau: gut / schlecht, Fehlerstellen etc.

Zusammenhänge erkannt: Produktionslinien arbeiten prozessoptimiert

Chemiekonzern spart monatlich mehr als 100.000 $, da nun mehrere Produktionslinien bei gleichbleibender Qualität parallel fertigen.

Das Problem:

Qualitätsmängel in der Fertigung, sobald mehrere Produktionslinien parallel betrieben werden. Jede Linie für sich arbeitet fehlerfrei. Über die Prozess-Eingangswerte sind keine Ursache(n) oder Zusammenhänge erkennbar.

IIoT-Analytics:

Korrelation der Messwerte aus allen Fertigungslinien
Ergebnis: Arbeiten mehrere Linien parallel, steigt der Druck in den Leitungen an.
Lösung: „Verstehen“ der Abhängigkeiten im Produktionsprozess ermöglicht Abgleich, Anpassung und Optimierung der Fertigungsparameter.

Big Data:

  • Prozessstatus: laufend, in Vorbereitung, Stillstand etc.
  • Prozessparameter: Drücke, Temperaturen, Volumenströme etc.
  • Qualitätsmerkmale

Gezielte Datenanalyse in der Produktion: Höhere Qualität bei weniger Ausschuss

Autozulieferer senkt die Fehlproduktion durch Qualitätsmängel durch gezielte Ursachenerhebung.

Das Problem:

Anhaltende Qualitätsmängel in einem Stahlpresswerk lassen sich mit einzelnen Fertigungsparametern nicht erklären.

IIoT-Analytics:

Mehrwöchige Analyse durch Korrelation von Messwerten mit Fertigungs- und Prozessparametern
Ergebnis: Qualitätsmängel resultieren aus der Abnahme des Pressdrucks.
Lösung: Optimierung der Fertigungsparameter erhöht die Qualität des Pressvorgangs; dies senkt den Ausschuss und damit die Produktionskosten.

Big Data:

  • Prozess- und Maschinendaten: Drücke, Ölströme, Pressgeschwindigkeit, Temperaturen etc.
  • Menge und Qualität der Formteile

Höhere Betriebseffizienz in der Fertigung – weltweiter Roll-out

Elektronikkonzern steigert die Betriebseffizienz in der LED-Panel-Fertigung. Nach dem erfolgreichen Einsatz in einem Werk ist nun der weltweite Roll-out der Big Data-Analyse geplant.

Die Probleme:

  • Schwankende Qualität der LED-Panels.
  • Wartung muss auf Fertigung abgestimmt sein, da die Fertigung eines Loses nicht unterbrochen werden darf (sonst Qualitätseinbußen).

IIoT-Analytics:

Korrelation von Messwerten mit Metriken im Sekundenintervall; Verarbeitung von mehreren GB Datenvolumen täglich.
Ergebnis: Produktqualität hängt von der Lüftungstemperatur ab.
Lösung:

  • Konstante Belüftung.
  • Fortlaufende Trendanalyse zeigt frühzeitig Wartungs- und Reparaturbedarf an, sodass Wartungen auf die Fertigung abgestimmt werden können.

Big Data:

  • Umgebungsdaten: Luftdrücke, -ströme, Temperaturen etc.
  • Maschinendaten der Lüfter: Drehzahl, Vibrationen, Klappeneinstellung etc.