IIoT
Industrial IoT ist ein Teilbereich des Internet of Things, bei dem es um Industrieanwendungen geht. Im Industrieumfeld wird IoT für die Erfassung von Daten aus Produktionsmaschinen genutzt. Genauso dient es dem Tracken von mobilen Gegenständen (bsp. Paletten oder Warenträgern in der Intralogistik oder Containern in der globalen Logistik) oder der Überwachung von Umgebungsparametern wie der Temperatur von verderblicher Ware oder Gefahrgut.
HMI
Ein Human-Machine-Interface (Mensch-Maschine-Schnittstelle) ist die Stelle oder Handlung, mit der ein Mensch mit einer Maschine in Interaktion tritt. Das kann im einfachsten Fall ein Lichtschalter sein, in komplexen Fällen Computersysteme, die dem Menschen Informationen bereitstellen und/oder Einfluss auf ein System durch Eingabe von Daten oder Aktionen (Drücken eines Knopfs) ermöglichen.
BDE
Als Betriebsdatenerfassung bezeichnet man die Ist-Datenerfassung von Daten über Prozesse und Zustände in einem Unternehmen. Die zu erfassenden Daten reichen dabei von organisatorischen Daten wie Auftrags- und Personaldaten bis zu technischen Betriebsdaten wie Maschinen- und Prozessdaten. Bei der Erfassung von Maschinendaten sind im Industrieumfeld meistens die Sensoren oder Steuerungen an IT Systeme angebunden, um die jeweiligen Daten abzugreifen. Neben dieser speziellen Maschinendatenerfassung, können Betriebsdaten jedoch auch über spezielle Terminals (bspw. Zeiterfassung für Mitarbeiter), Bildschirmarbeitsplätze (bspw. mit Produktionsplanungssystemen) oder manuell auf Papier (bpsw. ausgedruckte Excellformulare) erfasst werden.
MDE
Die Maschinendatenerfassung sorgt als Teil der Betriebsdatenerfassung dafür, das relevante Daten über Prozesse oder Produktionen direkt an den zugehörigen Maschinen erfasst werden. Die Steuerungen der Maschinen müssen dazu entsprechende Schnittstellen bereitstellen, damit die Daten an die IT des Unternehmens weitergegeben werden können. Ein Beispiel für eine Standardschnittstelle ist OPCUA, bei dem mit einem Client Server Prinzip Daten direkt aus den Maschinensteuerungen durch Industrie PCs mit entsprechender Software abgerufen werden können. Diese automatische Datenerfassung direkt an der Quelle sorgt für bessere Datenqualität und schnellere Verfügbarkeit von relevanten Daten, und damit für eine größere Transparenz ggü. manuellen Erfassungsprozessen wie bspw. Papierformularen.
M2M
Anstatt Machine-to-machine (M2M) wird heute meist der Begriff IoT verwendet. Die Bezeichnung steht für den Datenaustausch zwischen Maschinen, Geräten und Anlagen auf direktem Wege oder über eine zentrale Plattform. Anwendungsfälle sind bspw. Fernüberwachung, -wartung und -kontrolle von Maschinen, teilweise auch über Mobilfunknetze. M2M wird auch als Telemetrie bezeichnet. Die meisten heutigen Anwendungsfälle arbeiten mit dem Ansatz einer zentralen Plattform, die die Geräte verwaltet und entsprechende Daten weiter leitet oder Aktionen ausführt.
OEE
Die “Overall Equipment Efficiency” (dt. “Gesamtanlageneffektivität” – GAE) ist eine dimensionslose Kennzahl zur Beschreibung der Effektivität einer industriellen Anlage. Sie berechnet sich aus dem Produkt aus den drei Faktoren Verfügbarkeitsfaktor, Leistungsfaktor und Qualitätsfaktor. Der Verfügbarkeitsfaktor wird dabei als Quotient aus Durchschnittswert der Zeit zwischen Ausfällen und Durchschnittswert der Zeit zwischen Ausfällen + Durchschnittswert der Wiederherstellungszeit berechnet. In der Erfassung des Verfügbarkeitsfaktors muss jedes Unternehmen eine Regelung über die Genauigkeit treffen, da der Aufwand für sekundengenaue Begründung eines Ausfalls zu hoch ist. In der Praxis wird meistens mit 1-5 Minuten Erfassung gearbeitet. Darüber hinaus muss festgelegt werden, wie Rüstzeiten in die Berechnung eingehen sollen, da diese Entscheidung unterschiedlich auf die Produktionsplanung Einfluss nimmt. Einerseits wird bei der Erfassung die Produktionsplanung zur Zusammenfassung von Losen motiviert, um die GAE zu erhöhen. Es entsteht aber auch parallel das Bedürfnis, Rüstzeiten allgemein zu reduzieren. Andererseits führt ein Weglassen der Rüstzeiten dazu, das Störungen unrichtigerweise als Rüstzeiten erfasst werden. Der Leistungsfaktor wird als Quotient aus Istleistung und Sollleistung, bspw. Produzierte Menge pro Stunde berechnet. Der Qualitätsfaktor berechnet sich als Quotient aus der Anzahl produzierter Teile – Anzahl Nacharbeit – Anzahl Ausschussteile und der Anzahl Produzierter Teile.
OEM
Ein Original Equipment manufacturer (OEM) ist der Hersteller von Komponenten oder Produkten, die er selbst nicht in den Einzelhandel bringt. Ein Beispiel hierfür sind Fahrzeughersteller. Der deutsche Begriff “Erstausrüster” wird allerdings auch für Zulieferer der Fahrzeugindustrie verwendet, die Teile für die Fertigung der Fahrzeuge liefern. In der Softwareindustrie werden “OEM” Versionen meist mit reduziertem Funktionsumfang vertrieben und sind ggf. an Hardware gebunden. OEM Hardware bezeichnet das Relabeling von Produkten (bspw. MEDION). Hier wird die Hardware nach Fertigung ebenfalls durch jemand anderen verkauft. Ein anderes Beispiel ist ASUS, das Mainboards für Komplett PCs fertigt und ggf. auch spezifische Modifikationen (bspw. Bootlogo des Komplett PC Herstellers) implementiert. Der Hersteller des Komplett PCs bringt die Ware in Umlauf, ASUS ist OEM.
Predictive Maintenance
Im Gegensatz zu “preventive maintenance” (Wartung mit periodischer Inspektion) bedeutet “predictive maintenance” eine vorausschauende Wartung, die auf ein stetiges Monitoring der Arbeitsbedingungen der zu wartenden Komponente angewiesen ist. Hierzu können bspw. mit Hilfe von IoT Technologien und entsprechend abgeleiteten KPIs ständig Werte überwacht werden, deren Verlauf auf eine notwendige Wartung hinweisen können. Die Schwierigkeit besteht in der Wahl der zu überwachenden Parameter, da die Kosten für die Erfassung, Speicherung und Analyse der einzelnen Parameter hoch werden können und es keine eindeutige Sicherheit gibt, ob die definierten Parameter ausreichen, um den Ausfall einer Komponente hinreichend genau abzubilden. Die wichtigste Grundlage für predictive maintenance ist daher die Sammlung von Daten über den Kontext der Komponente, welche nicht nur aus der Komponente kommen können, sondern auch Randbedingungen (bspw. Witterungsbedingungen, Staubgehalt in der Luft, chemische Zusammensetzung von Medien bei verschleißbehafteten Komponenten usw.) einschließen. Predictive maintenance setzt keine Nutzung von KI Technologie voraus, durch die Datenfülle kann jedoch über KI Algorithmen ein System trainiert werden, was durch Labeling von bekannten Fehlerfällen Rückschlüsse auf die Entwicklung der aufgenommenen Parameter erlaubt, und damit in der Zukunft (zumindestens im Rahmen der Datenmenge der aufgenommenen Parameter) liegende Fehlerfälle genauer vorhersagen kann als das anfangs durch Menschen definierte Bewertungssystem. Der Mehrwert besteht in der Maximierung der Standzeit der Komponente bei gleichzeitiger Ausfallvermeidung.
MES
Ein Manufacturing Execution System (dt. auch “Produktionsleitsystem”) ist ein Teil eines Fertigungsmanagementsystems. Es operiert als prozessnahe Ebene und ist somit für die Produktionssteuerung verantwortlich. Durch die direkte Anbindung an die Systeme der Prozessautomatisierung wird die Fertigungskontrolle in Echtzeit ermöglicht. Über diese Anbindung werden außerdem relevante Daten erfasst, die für die Optimierung der Fertigungsprozesse und Fehlererkennung genutzt werden können. Dem MES ist in der Regel ein ERP System übergeordnet, welches die Produktion plant und diese Planungsdaten bereitstellt. Das MES kann dann mit seiner Anbindung an die Prozessebene für die Umsetzung der geplanten Prozesse / Produktionsschritte sorgen.