Technologie

©Shutterstock
#digitalisierung

Mehr Effizienz durch Datenanalyse

min Lesezeit
Tags: KünstlicheIntelligenz, Connectivity, Effizienz
Anstatt auf Vernetzung und Big-Data-Ansätze zu setzen, sind Produktions- und Prüfdaten in vielen Unternehmen noch immer ein ungenutzter Schatz. ZF baut selbst auf Data Analytics und bietet dies auch bei seinen Prüfständen an.
Kathrin Wildemann, 29. März 2019
author_image
Kathrin Wildemann gehört seit 2016 zum festen Autorenteam bei ZF. In On- ebenso wie in Offline-Beiträgen beschäftigt sie sich bevorzugt mit Elektromobilität und anderen Nachhaltigkeitsthemen.
Es ist in Agentenfilmen ein beliebtes Motiv: Im nächtlichen Arbeitszimmer starrt der Held auf einen Wust von Daten und verschlüsselten Informationen auf dem Bildschirm vor sich. Plötzlich erkennt er in all dem ein Muster: Das System ist durchschaut, der Code entschlüsselt, die große Verschwörung enttarnt. Verglichen damit scheint es einfach zu sein, durch cleveres Nutzen einiger Daten die Produktionsprozesse zu optimieren. Irrtum.

Die anfallenden Datenmengen in der industriellen Fertigung sind riesig. Bei der Qualitätssicherung gerade produzierter E-Antriebe etwa erfassen allein die Prüfstände die Daten für Tausende von Parametern. Diese Daten, zusammen mit Informationen aus der Produktion selbst, eröffnen jedoch die Chance, einen effizienteren und maximal zuverlässigen Gesamtprozess zu kreieren. Schließlich liefern die Prüfstände bei der End-of-Line-Prüfung nicht nur das finale Testergebnis „in Ordnung“ oder „nicht in Ordnung“, sondern auch jede Menge Rohdaten. Diese erlauben tiefe Einblicke in Produkt und Fertigungsabläufe.

So lassen sich anfallende Daten bestmöglich nutzen

Big Data: Große Datenmengen, große Vorteile

Big Data: Große Datenmengen, große Vorteile

Voraussetzung dafür ist vor allem eine hohe Rechenleistung. Damit ist „Advanced Data Analytics“ möglich, das Zauberwort, mit dem Prüfbänke von ZF das Potenzial von Produktionsdaten erschließen. „Bei der Fertigung, beispielsweise von Getrieben, E-Antrieben, Lenkungen oder Bremsen, erzeugen wir Unmengen an Informationen“, sagt Gert Jeckel, Experte für Datenanalytik in der Prüfstandentwicklung bei ZF. „Vereinfacht gesagt, sammeln wir all diese Daten an einem zentralen Ort, etwa in unserer ZF IoT Cloud. Dort untersuchen smarte, ständig dazulernende Algorithmen diese Daten auf wiederkehrende Muster, die Hinweise auf mögliche Probleme geben.“ Besteht ein Produkt die abschließende Qualitätskontrolle nicht, betrachten die Datenanalytik-Applikationen nicht nur den offensichtlich verfehlten Grenzwert, sondern das Gesamtbild aller gemessenen Parameter. So identifizieren sie auch gleich den Grund für die Fehlfunktion. Dieses Wissen ermöglicht eine beschleunigte Reparatur ohne nach der Demontage erst aufwändig nach der Ursache suchen zu müssen.

Die richtigen Daten erzeugen und auswerten

Die richtigen Daten erzeugen und auswerten

Weil niemand ein Produkt besser kennt als die Ingenieure, die es entwickelt und die Fertigungsabläufe dafür konzipiert haben, ist ZF in der Lage, nicht nur die Algorithmen auf die jeweilige Anwendung maßzuschneidern, sondern auch die für die Analyse notwendigen Daten. So sind die Prüfstände von vornherein so ausgelegt, dass deren Testergebnisse für die spätere Analytik optimal zu nutzen sind. „Dabei berücksichtigen wir die kritischen Schnittstellen, planen die Messung ohne irrelevante Erhebungen sowie mit optimierten Grenzwerten und bringen die gesammelten Informationen in ein gut auswertbares Format“, erklärt Jeckel. Mit diesem Ansatz haben seine Kollegen beispielsweise einen Prüfstand für den elektrischen Achsantrieb von ZF entwickelt, den ein großer Automobilkunde schon bald in Serie einsetzen wird. Dieses Prüfstandkonzept lässt sich natürlich auf alle Produkte und Anwendungen übertragen.
Prüfstände wie dieser Funktionsprüfstand für E-Antriebe liefern wichtige Daten, die sich zusammen mit anderen Daten zur Produkt- und Prozessoptimierung nutzen lassen.

Neue Einblicke durch Data Analytics

Neue Einblicke durch Data Analytics

Aufgetretene Fehlfunktionen zu identifizieren und schnell abzustellen, ist jedoch nur eines der Ziele von Data Analytics. Um Rückläufer von vornherein zu vermeiden, gehen auch die Fertigungsinformationen ein in den ZF-Datenpool. Gemeinsam mit den Prüfergebnissen entsteht auf diese Weise für jedes einzelne Produkt ein digitaler Zwilling, der es eindeutig identifiziert. Durch den Abgleich von fehlerhaften Testwerten mit den Produktionsdaten lassen sich Schwachstellen im Fertigungsablauf frühzeitig erkennen und beseitigen, etwa eine beschädigte Charge von Bauteilen. Dazu Jeckel: „Wir können Faktoren gezielt angehen, die bei uns einen hohen Material- oder Zeitaufwand verursachen; so machen wir die Prozesse effizienter und zuverlässiger.“
“Kombinieren wir die gewonnenen Erkenntnisse aus Datenanalysen mit unserem umfassenden Produkt- und Prozesswissen, können wir unseren Kunden ein optimal auf ihre Bedürfnisse abgestimmtes Produkt anbieten.“
— Markus Kramer, Vertriebsleiter ZF Test Systems

Steigende Vernetzung zum Vorteil des Kunden

Steigende Vernetzung zum Vorteil des Kunden

Der Datenanalyse-Ansatz von ZF lässt sich über die bereits bestehenden Systeme hinaus noch weiter spannen. Denkbar ist, dass sich beispielsweise auch Endkunden mit der ZF IoT Cloud vernetzen. Basierend auf der tatsächlichen Nutzung eines ZF-Systems berechnen Algorithmen den nächsten Wartungstermin (Predictive Maintenance). Auch können sie frühzeitig bei kleineren Störungen warnen, bevor daraus ein größerer Schaden wird. Weiterer Vorteil dieses Ansatzes: „Kombinieren wir die gewonnenen Erkenntnisse aus Datenanalysen mit unserem umfassenden Produkt- und Prozesswissen, können wir unseren Kunden ein optimal auf ihre Bedürfnisse abgestimmtes Produkt anbieten“, sagt Markus Kramer, Vertriebsleiter ZF Test Systems. Schließlich können Ingenieure auf Basis der Betriebsdaten ein Produkt kontinuierlich weiterentwickeln und an die Anforderungen anpassen.

Erfahren Sie mehr zum Thema Data Analytics: