Die Anwendung des Internets der Dinge in der industriellen Welt durch die Verbindung von intelligenten Maschinen, die zur Datenerfassung, -verarbeitung und -kommunikation fähig sind, intelligenten Infrastrukturen und fortschrittlichen IoT-Analyseplattformen führt zu einer beispiellosen betrieblichen Effizienz und ist für die Wettbewerbsfähigkeit von OEMs von entscheidender Bedeutung. Sie optimiert nicht nur Prozesse und steigert den Produktionswert, sondern ebnet auch den Weg zu völlig neuen Geschäftsmodellen.
Doch obwohl sich bei den OEMs und in der Industrie allgemein die Erkenntnis durchgesetzt hat, dass Investitionen in Innovationen nicht nur vorteilhaft, sondern vor allem notwendig sind [1] , haben noch nicht alle Unternehmen erfolgreiche Digitalisierungsstrategien verfolgt, und für viele sind die Vernetzung von Maschinen und die Datenanalyse noch weit davon entfernt, ein Industriestandard zu sein. Dasselbe gilt auch für die Einführung neuer Geschäftsmodelle und die Servitisierung.
Dennoch ist das IIoT eine Strategie, die zu erheblichen Ergebnissen in Bezug auf Effizienz, Produktivität und Sicherheit in der Fertigung führen kann. Und die industrielle Innovation ist die einzige, die OEMs dabei helfen kann, diese Ziele zu erreichen, da sie eng mit einem besseren Einblick in die Fertigungsprozesse und einer höheren Effizienz bei der Nutzung von Ressourcen verbunden ist.
Industrielle Innovation und IIoT
Experten schätzen, dass der Markt für das industrielle Internet der Dinge (IIoT) bis zum Jahr 2025 einen Wert von rund 4,6 Billionen Dollar haben wird und dank der Interaktion zwischen Maschinen, Menschen und Software neue und zahlreiche Möglichkeiten zur Steigerung des Wertes der Weltwirtschaft bietet.
Im Zeitalter von Industrie 4.0 müssen industrielle Erstausrüster daher in der Lage sein, ihre Maschinen und physischen Infrastrukturen einfach, schnell und kostengünstig mit der digitalen Welt zu verbinden. Tatsächlich führt die Kommunikation zwischen IT/OT, wenn sie richtig gehandhabt wird, zu verbesserten Produktionsprozessen, reduzierten Kosten und erhöhter Wettbewerbsfähigkeit der Fabriken.
Für Erstausrüster müssen Digitalisierung und industrielle Innovation mit dem Bedürfnis der Industrie zusammenfallen, aus der Infrastruktur, auch aus veralteter Infrastruktur, Wert zu schöpfen und sie gleichzeitig für Konnektivität und Datenanalyse vorzubereiten. Die eigentliche künftige Herausforderung für OEMs in der vollautomatisierten Produktion besteht jedoch darin, zu einer nutzerzentrierten Sichtweise überzugehen, d. h. zu einer Sichtweise, in der die Maschine zu einem Mittel wird, das die Produktionsprozesse der Kunden verbessert und ihnen einen Wettbewerbsvorteil gegenüber ihren Konkurrenten verschafft. All dies ist dank der IIoT-Technologien möglich, die durch die Nutzung von maschinengenerierten Daten mittels fortschrittlicher Analysen im Feld und in der Cloud die Produktivität der Systeme erfolgreicher steuern können, insbesondere in Bereichen mit hoher Produktionsflexibilität.
Versierte OEMs sind sich bereits bewusst, dass strukturierte und unstrukturierte Daten, sobald sie analysiert werden, wertvolle Erkenntnisse liefern und ein ständiges Feedback zu Produkten geben können. Eine datengesteuerte Infrastruktur ermöglicht es ihnen, agiler und flexibler zu werden, sich an die Verbrauchernachfrage anzupassen und die Markteinführung neuer digitaler Produkte und Mobilitätsdienste zu beschleunigen. In diesem Sinne führt die IIoT-basierte industrielle Innovation auch zur Bereitstellung zusätzlicher Dienste, wie z. B. die Überwachung der Maschinenleistung und des Verschleißes sowie Servicefunktionen, durch die die Kundenbindung aufgebaut und die Nutzerbasis erweitert werden kann.
Die Rolle der KI bei der industriellen Entwicklung
Industrielle Innovation ist untrennbar mit Fortschritten in der KI verbunden, die inzwischen einen solchen Reifegrad erreicht hat, dass sie als strategischer Bereich für die Umsetzung der digitalen Transformation von Unternehmen anerkannt ist.
Dank des maschinellen Lernens, d. h. der Fähigkeit von Maschinen, mithilfe von Algorithmen selbstständig zu lernen, und der künstlichen Intelligenz ist es möglich, die Leistung einer Maschine zu optimieren, vorausschauende Wartungsmaßnahmen und Ferninterventionen zu fördern und so die Servicekosten zu senken. KI-Modelle überwachen ständig den Betriebszustand von Maschinen und handeln, bevor Fehler auftreten und die Leistungserbringung unterbrochen wird, wodurch Ausfallzeiten und alle damit verbundenen Folgen vermieden werden. Es ist daher möglich, vorherzusagen, wo und wann der Fehler auftritt, und vorbeugende Maßnahmen zur Lösung des Problems zu ergreifen.
Durch die Nutzung von Architekturen und Systemen mit verteilter Intelligenz, d. h. durch die Verlagerung von künstlicher Intelligenz und maschinellem Lernen an den Rand des Netzes, direkt auf das Gerät, das die Daten erfasst, können zusätzliche Vorteile in Form von geringeren Latenzzeiten, Kosten und Sicherheitsrisiken erzielt werden, wodurch die Effizienz des Unternehmens verbessert wird. Die Dezentralisierung der Cloud durch lokale IT-Ressourcen, die physisch näher an den generierten Daten liegen, reduziert die Ausfallzeiten, die mit der Ausführung von KI-Prozessen in der Cloud verbunden sind, und ermöglicht eine schnelle Bereitstellung von Lösungen, da Deep-Learning-Algorithmen direkt auf dem Gerät arbeiten können, das die Daten sammelt, verarbeitet und analysiert. Edge AI führt auch zu einer Entlastung der Cloud, einem geringeren Energieverbrauch und einer Kostenreduzierung.
Genau das tut die Clea Smart HMI-Lösung von SECO: Sie sammelt schnell die Daten, die von Industriemaschinen erzeugt werden - und erleichtert die Anbindung durch die Möglichkeit, Konnektoren für die wichtigsten Industrie-SPSen zu verwenden - und analysiert sie dann sowohl lokal als auch in der Cloud, indem sie sektorbasierte, durch Training verstärkte KI-Modelle anwendet. Alle gesammelten Informationen werden auch auf der in der Maschine installierten Mensch-Maschine-Schnittstelle (HMI) angezeigt, wo die Anzeige von Benachrichtigungen und Warnmeldungen dazu beiträgt, Prozesse zu optimieren und die Benutzererfahrung zu verbessern.
[1] Nach Angaben der Beobachtungsstelle für den Übergang zur Industrie 4.0 der School of Management des Politecnico di Milano wächst der Markt für Industrie 4.0 auch im Pandemiejahr (2020/2021) und erreicht einen Wert von 4,1 Milliarden (+8 % gegenüber 2019).
