Wie alles Neue werden die Begriffe „digitale Fertigung“, „Industrie 4.0“, „Smart Factory“ oft verwechselt, aber tatsächlich repräsentieren alle diese Begriffe die Strömungen eines einzigen Trends: die Automatisierung einzelner Maschinen und separater Prozesse hat sich zu einer vollständigen Integration aller Elemente in ein einziges digitales Ökosystem entwickelt, das sowohl Hersteller als auch ihre Partner einbezieht. Vertikale Ketten werden aufgebaut – von der primären Verarbeitung von Ressourcen über die Lieferung von Waren bis hin zur Erbringung von güterbasierten Dienstleistungen.
„Smart Manufacturing“ unterscheidet sich von „unintelligenter“ nicht durch das Vorhandensein von IoT-Sensoren, sondern durch das Vorhandensein von Informationssystemen, die in der Lage sind, intelligente Daten von diesen Sensoren zu verarbeiten. Bis heute dringt die Informatisierung der Fertigung langsam, aber allmählich auf der ganzen Welt ein. Das ist zum Beispiel der Unterschied zu Telemetrie-Sensoren, die die ersten IoT-Geräte waren, die in Fabriken eingesetzt wurden. Damals hatten diese Sensoren nicht immer Zugang zum Internet, sondern kommunizierten nur über ein lokales Netzwerk. Der Begriff „Smart Manufacturing“ stammt aus dem allgemeinen Trend, die gesamte umgebende Welt zu digitalisieren (Digitalisierung von Fotos, Karten oder Kommunikation ist dieselbe Idee). Der allgemeine Plan ist, die Aktivitäten innerhalb eines Unternehmens zu digitalisieren und vom Papierworkflow zu modernen digitalen Mitteln für Design, Produktion, Kontrolle und Verkauf überzugehen.
Eine „Smart Factory“ stellt Menschen und Maschinen unterstützende Werkzeuge zur Verfügung, die sie bei der Erfüllung ihrer Aufgaben durch die Analyse kontextsensitiver Informationen unterstützen. Beispielsweise liegen Informationsquellen über Bestellungen, Produkte, Ausrüstung, verfügbare Produktionsanlagen und technologische Prozesse selten in einer einheitlichen Datenbank und einem einheitlichen Format vor.
Es gibt jedoch eine Lösung. Die Idee eines „virtuellen Unternehmens“ (eines sogenannten „digitalen Zwillings“) bietet einen Rahmen, der all diese Informationen miteinander verknüpft, ein Spiegelbild eines realen Unternehmens darstellt und so den Weg für innovativere Produktionsprototypen ebnet und die Montage optimiert Linie, Produktdesign, Massenmodifikationen und Anpassungen gemäß den Anforderungen des Kunden oder des Marktes.
Die Komponenten einer Smart Factory
Im Allgemeinen sind die Hauptkomponenten von „Smart Manufacturing“:
1) Semantische Multimodalität, die die Präsentation verschiedener Informationen unterstützt, die in einem Fabrikkontext vorkommen – zum Beispiel Attributbäume, relationale, sensorische, tabellarische, grafische und Entitätsdaten.
2) Mehrdimensionalität. Informationen zu mehreren Dimensionen sollten präsentiert und aufgezeichnet werden. Zum Beispiel die Beschreibung von Geschäftsprozessen und technologischen Operationen, die auf verschiedenen Ebenen der Struktur der digitalen Produktion durchgeführt werden, die Untersuchung räumlicher Hierarchien und Vermögenswerte aus geografischer Sicht, die Analyse des Lebenszyklus von Geräten und Produktionsprozessen.
3) Multigranularität. Der Zugriff auf Daten von Sensoren und Geräten trägt zur Bewertung des technologischen Prozesses bei und bietet gegebenenfalls die Möglichkeit seiner Regulierung und Kontrolle. Auf diese Weise erhält eine Organisation einen umfassenden Überblick über alle Geschäftsbereiche, einschließlich Hierarchien und Verantwortlichkeiten.
4) Transparenz und Integration. Derzeit werden Daten und Informationen zwischen verschiedenen Systemen wie Produktionsautomatisierungs-, Qualitätskontroll- und Warenwirtschaftssystemen verteilt. Es ist wichtig, alle relevanten Informationen aus diesen Systemen zu integrieren und gleichzeitig den systemischen Charakter der Aufzeichnungen beizubehalten.
Heutige Fabriken müssen das Problem lösen, die Flexibilität und Offenheit von Fertigungsprozessen zu erhöhen. Natürlich ist die Erfindung flexibler Fertigungslinien nicht gestern. Heutzutage gibt es jedoch einen klaren Übergang zu einer neuen Ebene, da es möglich geworden ist, alle notwendigen Informationen über den Stand der technologischen Prozesse, Ausrüstung, Lager und neuen Aufträge in Echtzeit zu erhalten. Auf diese Weise ist es nun möglich, die Verarbeitung dieser Informationen zu automatisieren.
Unternehmen wie Cisco, IBM, Huawei und Microsoft haben eine große Rolle bei der Entwicklung von Technologien für die intelligente Fertigung gespielt. Sie fördern ihre Cloud-Plattformen und arbeiten mit großen Turnkey-Kunden zusammen. AT&T, Cisco, GE, IBM und Intel haben sogar ein Konsortium gegründet, um das Problem der Protokollkompatibilität zu lösen und die „Spielregeln“ allgemein abzustimmen.
Aber die Verbreitung des industriellen Internets der Dinge (alias IIoT) hängt maßgeblich von der Idee und Philosophie von Open Data ab: Open Source, offene Lizenzen, offene Innovationen und so weiter. Sie veränderten das Denken und die Einstellung zu Informationen, was zur Bildung gemeinsamer Ansätze sowie neuer Standards führte. Der Einsatz einer einzigen Technologie, die von einem einzigen Unternehmen stammt, reicht nicht aus, um eine „intelligente Fabrik“ zu schaffen.
Die Fragen der Cybersicherheit sind eng mit dem Paradigma der Offenheit verbunden. Heutige Standardmittel zum Schutz von Informationen (verschlüsselte Protokolle, Passwörter usw.) haben ihre Grenzen und korrelieren nur sehr schlecht mit dem Gedanken der Transparenz. Neue Forschungsorganisationen arbeiten an der Entwicklung neuer Ansätze zur Cybersicherheit.
Die Teilnehmer des Internet of Things World Forum diskutieren jährlich 200–300 Geschichten von Branchenvertretern über den Einsatz industrieller IoT-Technologien. Ein hervorragendes Beispiel für diesen Ansatz ist das AW-Autokomponentenwerk in North Carolina mit mehr als 2.000 Mitarbeitern und einem 1,3 Millionen Quadratmeter großen Produktionskomplex. AW North Carolina produziert jährlich etwa 600.000 Sender und weist die höchste Rentabilität innerhalb der Aisin-Gruppe auf. Wie haben sie das geschafft? Irgendwann gaben Werksleiter zu, mit veralteten Technologien zu arbeiten, und deckten den gesamten Produktionsbereich mit Wi-Fi-Netzwerken ab. Auf diese Weise konnten sie Daten an jedem Produktionsstandort digitalisieren und verarbeiten sowie die Statistikdaten aufbewahren. Ein weiteres tolles Beispiel aus der Automobilindustrie liefert ein weiterer internationaler Konzern: IBM hat das indische Automobilwerk Mahindra & Mahindra mit Sensornetzwerken und Diensten zur Datenanalyse ausgestattet. In der Fabrik war es möglich, sich überschneidende Aufgaben der Arbeiter zu identifizieren, eine effektivere Interaktion zwischen den Produktionseinheiten herzustellen und mit der automatischen Erkennung von Fehlern zu beginnen.
Alles in allem hängt alles von den Ausstattungsmerkmalen ab. Wie unterscheidet sich zum Beispiel ein Industriecomputer von einem Haushaltscomputer? Kurz gesagt, Computer sind gleich, aber das industrielle Gegenstück ist zuverlässiger und hat mehr verschiedene spezialisierte Schnittstellen. Und natürlich sind sie viel teurer. Daimler hat beispielsweise rund 3000 Datenbanken, die im Rahmen von Smart Manufacturing integriert werden müssen. Aus offensichtlichen Gründen haben intelligente Häuser kein solches Problem.
Die schwerwiegendsten technologischen Schwierigkeiten bei der Bildung von IT-Systemen in intelligenten Fabriken hängen mit der Schaffung einer einheitlichen Umgebung mit verschiedenen Daten zusammen, die aus Sensornetzen stammen. Die Forscher der Smart Networks nennen zwei Konzepte: „Smart Factory“ und „Data Lakes“. Der Begriff „Data Lake“ ist in den letzten Jahren aufgetaucht, um die Speicherung von Datensätzen zu beschreiben, die in ihren ursprünglichen Formaten zur Verarbeitung und Analyse bereitgestellt werden. Es wird oft als das Gegenteil von „Data Warehouse“ angesehen – diese Art von Daten steht erst nach der Phase der obligatorischen Datenreorganisation zur Analyse zur Verfügung, die bei der Verwendung von Data Lakes nicht erforderlich ist. Ein weiterer wesentlicher Unterschied zwischen dem „Data Lake“ und dem „Data Warehouse“ ist die Art der Datenverarbeitung, die im Einzelfall durchgeführt wird. Ein „Data Lake“ enthält gemäß seiner Definition Daten, die für jede Art der Verarbeitung offen sind: Verarbeitung natürlicher Sprache, maschinelles Lernen, spezialisierte (halb-) strukturierte Abfragen und so weiter.
Die Ontologie einer neuen Art von Fabrik geht davon aus, dass Mitarbeiter, Ausrüstung, Standort von Vermögenswerten und ihre Beziehungen zueinander in einem einzigen digitalen Feld konsolidiert und ständig in einem einzigen „Kontobuch“ erfasst werden sollten, um Managern eine ganzheitliche Sicht zu ermöglichen ein digitales Unternehmen. Auch Betriebsdaten – beispielsweise Auftragsinformationen oder Daten von Gerätesensoren – fließen in die Unternehmensontologie ein. All diese Daten sollten dynamisch aus den entsprechenden Datenbanken heruntergeladen werden.
Zusammenfassend
Heute beginnen Produktionsleiter zu verstehen, dass Modernisierungsmaßnahmen Kosten verursachen, aber der endgültige Effekt der Automatisierung und die Einführung neuer IT-Lösungen nicht nur kompensieren, sondern auch eine Rendite auf die in Innovationen investierten Mittel bringen sollte. Das Problem ist, dass wenn die Modernisierung nicht abgeschlossen wird, die Kapitalrendite wahrscheinlich nicht hoch und möglicherweise negativ ist. Aber das ist kein Problem von IoT-Technologien – das ist ein Problem einer langfristigen Managementstrategie.
