Das Schlagwort «Digitalisierung» ist zum Alltagsbegriff geworden. Sie hat sich über die letzten Jahre in weite Bereiche von Gesellschaft und Wirtschaft ausgedehnt. Als Folge der Digitalisierung haben sich grosse Datenmengen angehäuft: z.B. aus Prozessen, aus Systemen für die Verwaltung von Kunden (CRM) und Ressourcen (ERP) oder auch aus dem Kundenverhalten im Web oder in Social Media. In neuerer Zeit fallen zunehmend Daten über vernetzte Produkte und Anlagen an. Dahinter stehen technologische Treiber wie die kostengünstige und breite Verfügbarkeit von Konnektivität auf Basis des Internets der Dinge (Internet of Things, IoT), von Sensoren und Aktoren oder von fortgeschrittener Analytik.
Vor dem Hintergrund dieser vielversprechenden technologischen Innovationen kommt der Fokus auf den Nutzen für die Kunden oft zu kurz. Mit Digitalisierungsprojekten werden oft nur die Automatisierung und Effizienzsteigerung von Prozessen angestrebt. Die Kunden haben davon nur indirekte Vorteile. Digitalisierung kann sich aber bei geeigneter Gestaltung direkt auf den Kundennutzen auswirken und bessere oder neue Kundenerlebnisse schaffen. Die gezielte Erhebung und Verarbeitung von Daten spielt dabei eine wesentliche Rolle. Eine erfolgreiche Umsetzung Daten-basierter Ansätze muss vom Nutzen für die Kunden ausgehend konzipiert sein und dabei gleichzeitig die Potentiale der neuen Technologien nutzen, d.h. die beiden Enden eines Tunnels zusammenbringen.
Die Swiss Alliance for Data-Intensive Services (Expert Group „Smart Services“) veranstaltete am 13. September 2019 in Zürich ihren zweiten Smart Services Summit am Business Campus von Swisscom in Zürich. Wir hatten 30 Teilnehmer am Gipfel – eine gute Mischung aus Personen von Industrie und Universitäten. Das Treffen begann mit fünf sehr gezielten Industrievorträgen über die Probleme und Herausforderungen der Digitalisierung in der Industrie und die Erwartungen an die Forschung im Bereich der Smart Services. Der Summit wurde auch vom ASAP Service Management Forum (Italien) getragen.
Die Produktion von morgen stellt sowohl Unternehmer, Mitarbeiter und Lieferanten, als auch IT-Spezialisten vor viele und komplexe Herausforderungen. Die Planung und Steuerung der Produktionsprozesse ist dabei ein zentrales Element: Wo früher vor allem Auslastung und Kapazität im Vordergrund standen, werden in Zukunft die individuellen Kundenwünsche im Vordergrund stehen. Von den Produktionsabläufen und Mitarbeitern wird dabei mehr Flexibilität verlangt, um stets eine hohe Termintreue und kurze Lieferzeiten gewährleisten zu können.
Heute stehen bereits umfangreiche Daten zur Analyse der gesamten Produktionskette bereit. Damit können nicht nur Auswertungen vorgenommen, sondern auch effektivere und effizientere Entscheidungen herbeigeführt werden. Die Anforderungen und Erwartungen an die Produktions- und Softwaresysteme steigen somit ebenfalls. An Hand konkreter, beeindruckender Beispiele wurde aufgezeigt, wie die unterschiedlichsten Unternehmen heute die Digitalisierung innerhalb der Produktionskette nutzen: Zum Beispiel die Gärtnerei, die ihre Prozesse mittels RFID und Barcodes soweit optimiert hat, dass die automatisierte Befüllung von LKWs durch eine digitale Ressourcenplanung optimiert und die Lieferung termingerecht stattfindet. Oder im Baugewerbe, welches das Auftragsmanagement mittels ERP-Anbindungen und Mobile-App soweit digitalisiert hat, dass umständliche Papierprozesse auf der Baustelle wegfielen.
Die dritte Konferenz «Perspektiven mit Industrie 4.0» zum Thema «Produktion 4.0: Planung und Steuerung von Produktionsprozessen in der digitalen Welt» ist vor zwei Wochen erfolgreich über die Bühne gegangen. Und bereits beginnt die Planung für die 4. Austragung, welche am 2. September 2020 stattfindet. Nächstes Jahr werden sich die Teilnehmer und Referenten eingehend über die Einsatzgebiete und mannigfaltigen Nutzen von «Digitalen Zwillingen» austauschen können.
Zum dritten Mal haben dieses Jahr die beiden parallel laufenden „CAS Industrie 4.0 – von der Idee zur Umsetzung“ und „CAS Data Product Design“ („Smart Service Engineering“) abgeschlossen. An der Diplomfeier vom 10. September haben zahlreiche hoch motivierte und inspirierte Teilnehmende ihr Zertifikat in Empfang genommen. Herzliche Gratulation!
Ein Highlight an der Diplomfeier war der Austausch mit Patrick Kehrli, Gründer und Geschäftsführer von Prosim, der in seinem Referat und in der Diskussion einen Einblick gab, wie sich ein Startup mit Data Science und Simulation erfolgreich im Markt bewegt.
Der Erfolg dieser Weiterbildungen zeigt auf, dass es bei den Begriffen „Digitalisierung“, „Industrie 4.0“, „Künstliche Intelligenz“ u.v.m. eine reichhaltige Fachebene hinter den Schlagworten gibt. Die Ausgestaltung der Digitalisierung benötigt Expertinnen und Experten, welche in der Breite und in spezialisierten Disziplinen auch in der Tiefe aktuelles Know How haben und dieses in interdisziplinären Teams auch kommunizieren, teilen und zu neuen Lösungen kombinieren können (sog. „teams of T-shaped people“).
Die Anmeldungen für die nächsten Durchführungen ab Februar 2020 laufen bereits.
Die Digitalisierung wirkt sich auf Organisationsbereiche wie Strategie, Produkte und Dienstleistungen, Investitionsvolumen, Personalqualifizierung, Rekrutierung von Spezialisten und Organisationsstrukturen sowie auf das Unternehmensumfeld wie politische, rechtliche, infrastrukturelle und kompetenzfördernde Rahmenbedingungen aus. Das Projekt „Nutzenbasierter Digitalisieren gsnavigator“ (DigiNav) entwickelte ein Verfahren zur systematischen Erfassung, Analyse, Priorisierung und Umsetzung von Digitalisierungspotenzialen in KMU. Im Mittelpunkt stehen der wirtschaftliche Nutzen sowie der ganzheitliche Beitrag zum Unternehmenserfolg.
Die ZHAW hat sich aktiv an diesem Projekt beteiligt mit dem Beitrag „Service Transformation und Service Engineering“ beigesteuert hat. Die wirtschaftliche Bedeutung von Services (Synonym: Dienstleistung) nimmt zu. Dies spiegelt sich im kontinuierlichen Wachstum des Dienstleistungssektors (so genannter tertiärer Sektor) wider, der einen erheblichen Anteil an Wirtschaftsleistung und Beschäftigung ausmacht. Die Verlagerung auf Dienstleistungen wird durch gesättigte Märkte und intensiven Wettbewerb getrieben. Auch auf der Kundenseite lässt sich ein Bedarf an Servicevorteilen erkennen: Die Kundennachfrage entwickelt sich in Richtung Serviceverträge und Leistungsgarantien. Die Verlagerung des Fokus von Produkten auf Dienstleistungen ist daher für produzierende Unternehmen von zentraler Bedeutung. Für produzierende Unternehmen besteht das Potenzial für zusätzliche Umsätze auf der Basis von Dienstleistungen. Die Anbieter erweitern ihr Produktgeschäft um margenstärkere Dienstleistungen, was auch die Kundenbindung erhöht. Darüber hinaus generieren Dienstleistungen auf Basis der installierten Basis stabilere Cashflows bei den Umsätzen. In diesem Kapitel werden diese Entwicklung diskutiert und konkrete, für KMU geeignete Instrumente aufgezeigt, mit denen der Wandel vom Produkt zum Dienstleister angegangen werden kann.
Das Projekt IBH-Lab KMUdigital ABH 044 DigiNav wird aus Mitteln des Interreg-Programms „Alpenrhein-Bodensee-Hochrhein“, dessen Mittel vom Europäischen Fonds für regionale Entwicklung (EFRE) und vom Schweizer Bund zur Verfügung gestellt werden, gefördert.
Ein Forschungsteam des Institute of Embedded Systems der ZHAW und der Eawag hat gezeigt, dass ein Sensorknoten im Rahmen der Wasserinfrastruktur genügend Energie gewinnen kann, um Parameter wie Durchfluss und Bodenfeuchtigkeit zu messen und drahtlos von unterirdischen Standorten an ein zentrales Leitsystem zu übertragen. Das System versorgt sich selbst mit Energie und benötigt also keine Batterien. Es gewinnt die benötigte Energie aus kleinen Temperaturunterschieden in der Betriebsumgebung, zum Beispiel zwischen einer Wasserleitung und der Umgebungsluft oder dem umgebenden Erdreich. Die Übertragung der Daten erfolgt mit LoRaWAN.
Für die Industrie, z.B. die Fertigungsindustrie und die Chemie, gehört die Suche nach Gefahren und potentiellen Störungen zum Produktionsprozess dazu. Das ist Teil des ihres etablierten operationellen Risikomanagements. Diese gilt auch nach der Transformation der Produktionssysteme in Richtung Industrie 4.0 bzw. Smart Manufacturing: Es gelten die branchenüblichen gesetzlichen Vorgaben und Standards, beispielsweise zur Arbeits- und Umweltsicherheit, um mit potentiellen oder realen Gefahren umgehen zu können. Die Erfahrung zeigt aber, dass das Risikomanagement nach ISO 31000:2018 mit den darin eingebetteten Verfahren und Prozessen des Risikoassessment (erkennen, analysieren und evaluieren von Risiken) schwieriger wird. Möchte ein Unternehmen die gewohnten Ansätze des Risikomanagements aus «alten Tagen» übernehmen, so hat es in der Praxis mit mehreren Problemen zu kämpfen:
Die zu untersuchenden Systeme sind komplexer, da Systeme der Informationstechnik (IT) massiv an Steuerung und Regelung der Anlagen beteiligt sind.
Mit IT Security und (klassischem) Risikoassessment kommen zwei Denkansätze zusammen, die sich nicht über alle Analyseziele und methodische Konzepte einig sind.
Klassische Methoden des Risikoassessments kommen mit Industrie 4.0 an methodische und praktische Grenzen.
Allerdings kommt man durch das Denken in Funktionsebenen auch mit den klassischen Verfahren des Risikoassessments weiter. Zumeist lässt sich eine physische Ebene identifizieren (z.B. eine Produktionsstrecke), die über eine Kontrollebene überwacht und gesteuert wird (z.B. Leitwarte mit SCADA (Supervisory Control and Data Acquisition)). Schliesslich ist als dritte Ebene das Internet zu nennen. Eine Störung auf der physischen Ebene kann direkt Personen-, Sach- oder operationelle Schäden verursachen und ist die Domäne des klassischen Risikoassessments. Die Kontrollebene leitet über zu IT Security Risk Assessment und der Analyse von Mess- und Überwachungseinrichtungen, einschl. der Analyse potentieller Fehlern, die an der Mensch-Computer-Schnittstelle entstehen können. Die oberste Ebene sieht dann das Internet als wesentliche Infektionsquelle der Anlage durch Schadsoftware und ist die Domäne der IT Security.
Die Zusammenarbeit mit Experten und Expertinnen mit unterschiedlichem fachlichen Hintergrund gestaltet sich mitunter unerwartet schwierig. Diese Schwierigkeit kann dadurch entstehen, dass für die IT Security Daten und Informationen als Assets des Unternehmens das primär zu schützende Gut sind (und die Bedrohung der Assets von aussen kommt). Für das klassische Risikomanagement sind jedoch Personen und die Umwelt das zu schützende Gut, das hauptsächlich durch unternehmensinterne Gefahren, z.B. durch die Freisetzung gefährlicher Stoffe, bedroht ist. Mit der Industrie 4.0 kommen somit zwei Bereiche zusammen, die in früheren Tagen nebeneinander ihre Aufgaben erfüllen konnten. Das Management eines Unternehmens sollte sich dieser unterschiedlichen Denkschulen bewusst sein, um die Prozesse eines modernen Risikomanagements effizient gestalten zu können.
Die Verknüpfung über die drei Ebenen kann auch die bekannte Methoden des Risikoassessments nutzen: Das Bow Tie Diagram und die Failure Mode and Effects Analysis (FMEA) sind weitverbreitete und praxisnahe Werkzeuge des Risikomanagements in einem Unternehmen. Beide Methoden helfen dabei, die Ursachen eines unerwünschten Ereignisses (z.B. ein Serverausfall) und die daraus resultierenden Konsequenzen zu beschreiben. Sie berücksichtigen auch vorhandene Gegenmassnahmen. Die FMEA versucht darüber hinaus, Häufigkeit und Ausmass des Ereignisses abzuschätzen, und damit eine Risikozahl zu generieren. Mit dem Ansatz der drei Funktionsebenen lässt sich der klassische Ansatz neu strukturieren und im Sinne des Risikomanagements des Gesamtsystems in der Industrie 4.0 vervollständigen. Beispielsweise kann ein veralteter Virenschutz als Konsequenz die Infektion eines Servers auf der Kontrollebene bedeuten und ist hier die Ursache für die Übermittlung eines falschen Steuerwertes an die leitzentrale. Dies ist dann wiederum die Ursache für einen falsch synchronisierten Produktionsprozess, was einen Produktionsstopp zur Folge haben könnte. Eine etwas erweiterter Ansatz ist, dass man die unabhängig voneinander erstellten Analysen auf den Funktionsebenen nach Ursache-Wirkungs-Ketten über alle Ebenen hin untersucht und die Ergebnisse miteinander verbindet.
Im Fazit macht Industrie 4.0 die Risikomanagementprozesse nach ISO 31000:2018 nicht einfacher. Sie verlangt die (noch) engere Zusammenarbeit von (noch mehr) Personen aus den verschiedensten Fachgebieten, die im Unternehmen fachlich und organisatorisch (noch) enger zu koordinieren sind. Dies kann nur über ein übergreifendes und gemeinsames Verständnis zu Methoden und Zielen des Risikomanagements erfolgen. Der CAS Industrie 4.0 der ZHAW liefert hierzu einen Beitrag.
Im Umfang einer Projekt- und Diplomarbeit entwickeln zwei Studenten der School of Engineering der ZHAW an einem kollaborativen Roboter.
Poppy, der humanoide Roboter der ZHAW als Baukasten in Form eines Digital Twins, bildet für das Studententeam die Grundlage für das Projekt und dient neben der guten Einstiegsmöglichkeit ins Thema Systems Engineering auch als Experimentierplattform für Erweiterungen.
Angefangen mit einer Projektarbeit als Vorstudie für den geplanten intelligenten Greifmechanismus, erarbeiteten die Studenten Teilkomponenten in Bereichen der Steuerungstechnik und Modellierung von physischen Bauteilen. So wurden anhand verschiedener Greifkonzepten, Prototyp-Aufbauten mit Lasercut und 3D-Druck sowie der Verwendung von Vision-Algorithmen mit MATLAB, Ideen und Berechnungen validiert und nach Pflichtenheft für den weiteren Projektverlauf fixiert.
Das Szenario zeichnet nun bis dato die Erkennung von farbigen Objekten, das Berechnen der Bahnkurve des multi-artikulären Greifarms, den Greifmechanismus und das Herausgeben der farbigen Objekte (M&Ms) an den User aus. Softwareseitig kann nun eine Baugruppe kinematisch mit virtuellen Sensoren vollständig simuliert werden. Doch eines ist nun klar: Für die komplette Realisierung einer Erweiterung an einen bereits bestehenden Digital Twin sind interdisziplinäre Teams gefragt, sogar auch schon bei Studentenarbeiten. Inwiefern real-time-Daten zusammengeführt und ausgewertet werden können, hängt von der gesamten Produkt-DNA, sprich dem detaillierten Aufbau mit RFLP im Produktentwicklungsprozess ab.
Wie ist der aktuelle Stand und die Entwicklung der datengesteuerten Dienste speziell in KMU und im Vergleich zur Situation der Großunternehmen? Für beide wird die Erhöhung des Anteils der Dienstleistungen am Gesamtgeschäft als wesentlich erachtet. Dabei verschiebt sich das Muster der Dienste in Richtung “advanced Services”, für welche die Kompetenzen zur Bearbeitung und Analyse von Daten relevant sind. Dies stellt insbesondere für KMU eine Herausforderung in Bezug auf Know How, Organisation und Kultur dar.
In einer Literaturrecherche, gefolgt von einer Feldstudie, haben wir diese um diese Herausforderung analysiert. Die Feldstudie umfasste eine Reihe von Tiefeninterviews mit KMU und eine breite quantitative Umfrage. Es hat sich gezeigt, dass für KMU in der Nutzung von Daten für Dienstleistungen das Potential bereits heute gross ist und in Zukunft noch wächst. Im Gegensatz zu Großunternehmen ist der Umsatzanteil des Dienstleistungssektors für KMU noch unterkritisch, wird aber voraussichtlich zunehmen in den kommenden Jahren. Die Beschaffung von Daten aus der installierten Basis an Produkten stellt für KMU eine deutlich grössere Herausforderung dar als für Großunternehmen. In den KMU mangelt es an Kenntnissen und Kompetenzen in Data Science. Sie zeigen jedoch eine größere Bereitschaft zur Teilnahme an gemeinsamen Kompetenzzentren mit anderen Unternehmen.
Daher muss eine Reihe spezifischer Maßnahmen in Betracht gezogen werden, um die KMU in ihrer Entwicklung in Richtung daten-getriebener Services zu unterstützen. Vor diesem Hintergrund sind die Services eng mit der Strategie jeder Organisation und ihrer Anpassung an den Wettbewerb im digitalen Zeitalter verknüpft. Daten-getriebene Services sind Teil digitaler Geschäftsmodelle, die aus ressourcenbasierter Sicht neue Fähigkeiten sowie aus marktbasierter Sicht eine sich ändernde Wettbewerbsstruktur und neue Wettbewerbsregeln berücksichtigen.
Das Projekt IBH-Lab KMUdigital ABH 69 Data4KMU wird aus Mitteln des Interreg-Programms „Alpenrhein-Bodensee-Hochrhein“, dessen Mittel vom Europäischen Fonds für regionale Entwicklung (EFRE) und vom Schweizer Bund zur Verfügung gestellt werden, gefördert.
Das Zeitalter der industriellen Massenproduktion machte mit der Einführung des Fliessbandes in der Automobilherstellung einen Sprung vorwärts und wurde mit der Gründung des heutigen Wirtschaftsingenieurwesens nach Taylor wesentlich vorangetrieben. Eine seiner wichtigsten Aussagen ist, dass Produktion und deren Planung als zwei getrennte Tätigkeiten aufzufassen sind. Während die Arbeiter sich auf einzelne Arbeitsvorgänge spezialisieren, legen die Planer fest, in welcher Geschwindigkeit, in welcher Bewegung und durch welchen Arbeiter oder durch welche Maschine ein Arbeitsvorgang zu vollziehen ist. Dies ermöglicht eine arbeitsteilige und effektive Massenproduktion, ineinandergreifend und präzise wie ein Schweizer Uhrwerk. Eine solche Durchtaktung wird auch heute genutzt, wenn eine grosse Zahl gleicher Produkte hergestellt werden soll. Beobachten kann man dies in den vergangenen Jahren an den erstaunlich hohen Produktionsvolumina von Elektronikgeräten, wie dem Smartphone oder anderen Elektronikgeräten. Hier wird die jeweils neueste Gerätegeneration über einen sehr kurzen Zeitraum hergestellt und an die Kunden ausgeliefert, es ist also eine hohe Produktivität erforderlich. Es ist auch zu beobachten, dass die Produktzyklen, also die Abstände zwischen Produktgenerationen kurz sind. Natürlich entsteht bei den Kunden daraus auch eine Gewohnheit und eine Erwartungshaltung. Die überträgt sich auch auf andere Geräte wie zum Beispiel das Automobil. Es ist also auch hier nötig, die Produktion rasch anzupassen. Diese Notwendigkeit wird zusätzlich verstärkt durch vermehrt schwer vorhersehbare Nachfrageschwankungen.
Es ist demnach heutzutage notwendig, eine schnell reagierende Produktionsplanung sicherzustellen. Allgemein kann gesagt werden, dass dafür heute eine Unterstützung durch eine digitalisierte Produktionsplanung und -Steuerung notwendig ist. Ein Beispiel bei dem dies gut funktioniert ist die Fliessbandmontage des Automobils. Hier werden die Prozessdaten sorgfältig gepflegt, sodass es möglich ist, die kombinatorisch herausfordernde Zuordnung von Tätigkeiten zu Werkern durch den Computer rechnerisch zu unterstützen. Diese sogenannte Fliessbandabstimmung zählt zu einem der ältesten kombinatorischen Optimierungsprobleme (Salveson, 1955 in Journal of Industrial Engineering). Ausgeklügelte Algorithmen erlauben es heute, in Verbindung mit einer aktuell verfügbaren Datenbasis, rasch und zielgenau eine Fliessbandabstimmung umzusetzen.
Ein Einsatz solcher Algorithmen ist auch in anderen Szenarien heute durch die immer bessere Datenverfügbarkeit gegeben. Wichtig ist dabei nicht nur eine Erfassung der nötigen Daten, sondern auch eine Identifikation der eigentlichen Fragestellungen. Für diese kann eine adäquate Modellierung aufgebaut werden, die das Kernproblem umfasst und flexibel einsetzbar ist. Im Anschluss kann eine passgenaue, schnelle Algorithmik entwickelt werden. Die daraus entstehenden Handlungsempfehlungen können vom Planer dann genutzt und entsprechend umgesetzt werden. Im Idealfall ergibt sich dadurch nicht nur eine schnellere Planung, sondern auch ein optimiertes Ergebnis.
Ein jüngst erschienenes Beispiel einer solchen Ergebnisoptimierung ist in der Materialplatzierung bei der Fliessbandmontage zu verzeichnen (Sedding, 2018 in IISE Transactions, Institute of Industrial and Systems Engineers). Hier wird über die entstehenden Laufwege entschieden, welche z.B. bei einem großen europäischen Automobilhersteller nicht unerheblich sind, sie liegen bei durchschnittlich 15% der Gesamtarbeitszeit. Diese sollen also möglichst kurz sein. Sie lassen sich verkürzen, indem man das Material entlang des Fliessbandes optimiert platziert. Eine Herausforderung ist jedoch, dass sich das Fliessband stets fortbewegt: Dadurch verändern sich die Laufwege zwischen Arbeitspunkt und Material abhängig von der Zeit. Auch deswegen ist eine wegeoptimale Materialplatzierung entlang des Fliessbandes nur schwer zu berechnen; bereits bei zehn direkt nebeneinander gestellten Behältern gibt es 3.6 Millionen mögliche Anordnungen. Eine auf das Wesentliche konzentrierte Modellierung ermöglicht es jedoch, suboptimale Fälle auch rechnerisch schnell zu erkennen und erlaubt die Entwicklung einer schnellen Algorithmik. Diese findet auch für tatsächliche Problembeispiele eine Lösung in Sekunden. So kann sich ein Planer auf Wunsch rasch neue Platzierungsvorschläge erzeugen lassen und die Laufwege effektiv reduzieren. In unseren Tests wurden die Laufwege auf durchschnittlich 10% reduziert. Dies ergibt bei einem typischen Beispiel von 120 Werkern mit einem Jahressalär von jeweils 0.1 M$ eine Reduktion der Arbeitskosten von über 0.5M$ jährlich, alternativ kann in der frei gewordenen Zeit mehr produziert werden.
Zusammenfassend ermöglicht eine Algorithmen-Unterstützung in der Produktionsplanung, auch bei kurzen Produktzyklen und wechselnder Nachfrage eine rasche Handlungsfähigkeit sicherzustellen. Dafür ist eine adäquate Modellierung im Hinblick auf spezifisch zu entwickelnde kombinatorische Algorithmen nötig. Sind Sie im Begriff, eine solche Herausforderung anzugehen, kontaktieren Sie uns gerne.
Zur Digitalisierung der Produktion und daran anschliessenden Themen möchten wir im Übrigen auch auf die diesjährige Konferenz unserer Industrie 4.0 Plattform mit dem Titel „Produktion 4.0: Planung und Steuerung von Produktionsprozessen in der digitalen Welt“ am 4. September 2019 in Winterthur einladen.
Neue Kommentare