Handlungsrelevante Informationen inFertigungsdaten erkennbar machen

Critical Manufacturing IoT-Datenplattform ist eine komplette, hoch skalierbare Lösung, die IoT, Maschinenintegration, Datenverarbeitung und -analyse mit Kontextinformationen aus dem MES kombiniert, um Fertigungsunternehmen bei der Gewinnung grundlegend neuer Erkenntnisse zur Verbesserung der Leistungsfähigkeit, Effizienz und Nachhaltigkeit zu unterstützen.

Visualisierung, Reporting und datenbasierte Interaktion

  • Sofortige automatische Problemerkennung und -lösung– mit Hilfe eines hochskalierten Event-Ingestion-Mechanismus, der Ereignisse an verschiedene Echtzeit-Stream-Processing-Instanzen weiterleitet.
  • Schnelle Datenanalyse für zeitkritische Prozesse im Batch-Processing.
Online-Demo vereinbaren

Was macht den Unterschied bei der IoT-Datenplattform aus?

Die Critical Manufacturing IoT-Datenplattform ermöglicht dank des Moduls Connect IoT eine lückenlose Integration mit MES und Maschinen. Die Anreicherung und Kontextualisierung von Daten mit MES-Informationen, um so die ausgegebenen Daten zu vervollständigen, sorgt für eine einheitliche, standardisierte und umfassende Informationskette.
.

Datenanalyse im Gesamtkontext für schnellere, zeitnahe Entscheidungen und Problemlösungen.

Verbesserte Qualität der gewonnen Erkenntnisse aus der Praxis dank der Anreicherung von IoT-Fertigungsdaten mit kontextspezifischen MES-Informationen.

Reduzierung der Hardwarekosten für die Verarbeitung, Speicherung und Bereitstellung, gleich ob lokal, aus der Cloud oder als Hybrid-Lösung.

Geringere IT-Kosten dank der Nutzung einer flexiblen und universellen Entwicklungsplattform Apache Kafka™ Streaming Data Platform und Apache Spark™ Unified Analytics Engine.

Mehr Erfolg mit einer umfassenden IoT-Datenplattform

Die Critical Manufacturing IoT-Datenplattform ist eine integrierte Datenmanagementlösung mit allen notwendigen Komponenten zur Erfassung, Speicherung, Verarbeitung, Transformation und Analyse von Daten in Echtzeit. Die Anwendung stellt ein modulares, offenes und flexibles System dar, so dass weitere Funktionsblöcke problemlos hinzugefügt und integriert werden können.
.

    • Erfassung und Verarbeitung von Daten direkt am Erstellungsort sowie Problemlösung verursacht durch unzureichende Bandbreite und Verzögerungen aufgrund von Datenübertragung.
    • Geringere Sicherheitsrisiken im Vergleich zur Cloud-Datenverarbeitung dank der Datenverschlüsselung im Netzwerk.
    • Mit Connect IoT ist die IoT-Integration mit beliebigen Legacy- oder IoT-Geräten schnell und unkompliziert möglich. Die Lösung bietet die größte Schnittstellenbibliothek, die speziell für diese Anforderungen entwickelt wurde.
    • Keine isolierten und voneinander getrennten, siloartigen Datenbestände dank der Data-Ingestion- oder Datenaufnahme-Schicht. Die IoT-Datenplattform nimmt sämtliche Sensor-, Geräte-, Equipment- und Applikationsdaten, wie ERP-, PLM- und MES-Daten, in einer konsistenten und standardisierten Form auf.
    • Sowohl strukturierte als auch unstrukturierte Daten wie Bilder, Dokumente und Testergebnisse lassen sich in der Datenplattform unkompliziert erfassen.
    • Apache Kafka™ speichert Ereignisse oder Events in einem Event-Stream, der eine robuste, verteilte und hoch skalierbare Unified-Analytics-Plattform für die Online- oder Offline-Datenverarbeitung von großen Datenmengen in unterschiedlichen gleichzeitig ablaufenden Verarbeitungsprozessen bietet. Dabei weist das System eine hohe Sicherheit und Event-Validierung auf. Apache Kafka™ bietet außerdem die Möglichkeit, jeden Event-Stream ab einem beliebigen Zeitpunkt wiederzugeben.
    • Die IoT-Datenplattform unterstützt mehrere Abonnements zur Verarbeitung von Consumer-Daten für ein oder mehrere Ereignisse, so dass Daten in Echtzeit mit statistischen, Machine-Learning- oder ähnlichen Algorithmen ausgewertet werden können, um schnell auf neue Zustände zu reagieren.
    • Für zeitabhängig anfallende Daten ist eine Batch-Verarbeitung für größere Datenmengen verfügbar, um so beispielsweise prädiktive Modelle zu erstellen, welche von den Stream-Anwendungen genutzt werden können.
    • Mit Apache Spark™ erhalten Data Scientists und Ingenieure gleichsam die notwendigen Tools für präskriptive Analyse, so dass entsprechende Maßnahmen zur künftigen Verbesserung bestehender Prozesse definiert werden können.
    • Die Data Consumer oder Konsumenten können weitere Datenoperationen, wie etwa Anreicherung, Transformation und Aufbewahrung der Daten in Datenspeichern zur späteren Visualisierung und Analyse, vornehmen. Neue Ereignisse können über die Ingestion-Schicht in die Plattform eingespeist werden oder Anwendungen der Serving- und Output-Schicht aktivieren.
    • Die Datenausgabe wird in der Serving- und Output-Schicht genutzt, in der die Daten visualisiert, analysiert und geprüft werden können, um daraus aussagekräftige Informationen abzuleiten.
    • Anwendungen können eine automatische Rückmeldung ausgeben und einen durchgehenden Informationsfluss sicherstellen, indem beispielsweise eine E-Mail zur Planung der Wartungsarbeiten an der Maschine auf Basis eines vorausschauenden Wartungsmodells versendet wird.
    • Mit jeder gängigen Business-Intelligence-Anwendung eines Drittanbieters ist der Zugriff auf die Daten möglich, die in einem Datenspeicher der Serving-Schicht verbleiben.

Zahlreiche Anwendungsfälle in der Fertigung erfolgreich bedienen

Die Critical Manufacturing IoT-Datenplattform in Kombination mit dem MES bietet einen End-to-End-Prozess zur Transformation von Fertigungsdaten und stellt somit eine Vielzahl von sofort verfügbaren Anwendungsfällen (Use Cases) bereit. So sind schnelle Erfolge mit einem schnellen Return of Investment möglich. Diese Ergebnisse werden als Grundlage für weitere Verbesserungen genutzt, sobald neue Daten verfügbar sind. Die Möglichkeiten sind grenzenlos.

Speicherung von Sensordaten

Speicherung von Maschinen- und Gerätesensordaten zur Rückverfolgbarkeit und späteren Analyse.

Korrelation von Variablen und Ergebnissen

Das Verständnis über die Auswirkung und den Einfluss einzelner Variablen auf ein bestimmtes Ergebnis (bspw. Ertrag, Leistung).

Automatische Warnmeldungen

Die Überwachung verschiedener Parameter löst unter bestimmten Bedingungen automatische Warnmeldungen und Maßnahmen aus, wie etwa das Zurückstellen einer Charge.

Vorhersage von Maschinenausfällen

Die Auswertung von Sensordaten der bedingten Überwachung in Echtzeit, um die Ausfallwahrscheinlichkeit oder die Restnutzungsdauer einer bestimmten Maschine zu ermitteln (vorausschauende Wartung).

Vergleich von Maschinen-Performance

Der Vergleich von Performance der einzelnen Maschinen anhand unterschiedlicher Indikatoren (bspw. OEE, MTTR, MTBF, Betriebszeit).

Anpassung der Maschinenparameter

Die Überwachung und Anpassung von Maschinenparametern für nachfolgende Arbeitsschritte für dasselbe Material (Feedforward) oder nachfolgende Materialien an der gleichen Maschine (Feedback).

Das könnte Sie auch interessieren

8 reasons why manufacturing IIoT projects fail
eBooks
8 Gründe warum IIoT Projekte in der Fertigung fehlschlagen

Es braucht einen neuen Ansatz.

Data coming out the machine and floating through the shopfloor
Videos
IoT-Datenplattform (EN)

Die erste IoT-Datenplattform in Kombination mit Critical Manufacturing MES.

webinar_preview_Meeting the Manufacturing Data Management Challenge
Webinare
Die Herausforderung Fertigungsdaten (EN)

Erfahrungen von Spitzenunternehmen zur Verbesserung von KPIs.

Schnell und sicher zu Industrie 4.0

Jetzt loslegen