Zusammenfassung
Die Chancen, die sich durch die zielgerichtete Auswertung und Verwendung von Sensordaten für den Maschinen- und Anlagenbau ergeben, sind immens. Große Anlagen weisen hunderte oder gar tausende von verbauten Sensoren auf, die in kurzen Zeitabständen Daten über aktuelle Zustände einzelner Maschinenkomponenten sowie der Produktionsprozesse erzeugen. Die Produktion von Wellpappe, die als vielseitiges Verpackungsmaterial für Endkunden- und Industrieprodukte weltweit zum Einsatz kommt, stellt hierbei ein besonders anschauliches Beispiel dar. Die Entwicklung digitaler Dienstleistungen wie die vorausschauende Wartung (sog. „Predictive Maintenance“) basieren auf Daten, die an der Anlage erzeugt werden. Ein im Produktionsprozess von Wellpappe kritisches Bauteil stellt das bei der Verklebung der Wellpapp-Schichten verwendete Anpressband dar. Die neueste Generation von Wellpappenanlagen wird zu diesem Zweck mit spezieller Sensorik ausgestattet, die laufend Daten zum Zustand des Bandes liefern. Mit diesen Daten lassen sich mit Hilfe modellbasierter maschineller Lernverfahren Prognosen zur Lebensdauer treffen und damit Automatisierungspotenziale bei nachfolgenden Geschäftsprozessen ausschöpfen. Ziel ist die Minimierung der Produktions- und Qualitätsverluste sowie die Automatisierung der Ersatzteilprozesse. Der Beitrag skizziert die Vorgehensweise und Ergebnisse des zugehörigen Projekts und gibt einen Ausblick auf zukünftige Entwicklungen.
Abstract
The systematic evaluation and use of sensor data create immense opportunities for mechanical engineering and machine operations. Production lines have hundreds or even thousands of built-in sensors that generate data on the current status of individual machine components and production processes at short intervals. The production of corrugated board, which is used worldwide as a versatile packaging material for end customer and industrial products, is a particularly vivid example of this. The development of digital services such as predictive maintenance is based on data generated at the production line. A critical component in the production process of corrugated board is the pressure belt used to bond the layers of corrugated board. For this purpose, the latest generation of corrugators is equipped with special sensors that continuously provide data on the condition of the belt. These data can be used to predict the service life with the aid of model-based machine learning methods and thus exploit automation potential in subsequent business processes. The aim is to minimize production and quality losses and automate spare parts processes. The paper outlines the approach and results of the associated project and gives an outlook on future developments.
Literatur
Backhaus K et al (2016) Multivariate Analysemethoden, 14. Aufl. Springer, Heidelberg
Bink R, Zschech P (2018) Predictive Maintenance in der industriellen Praxis. Entwicklung eines Prognoseansatzes unter eingeschränkter Informationslage. HMD 55:552–565
Bishop CM (2006) Pattern recognition and machine learning. Springer, Heidelberg
Bundesministerium für Wirtschaft und Energie (2017) Smart Service Welt – Internetbasierte Dienste. Bundesministerium für Wirtschaft und Energie, München
Bundesministerium für Wirtschaft und Energie (2019) Maschinen- und Anlagenbau. https://www.bmwi.de/Redaktion/DE/Artikel/Branchenfokus/Industrie/branchenfokus-maschinen-und-anlagenbau.html. Zugegriffen: 27. Febr. 2019
Döbel I et al (2018) Maschinelles Lernen – Eine Analyse zu Kompetenzen, Forschung und Anwendung. Fraunhofer-Gesellschaft, München. http://publica.fraunhofer.de/dokumente/N-497408.html. Zugegriffen: 27. Febr. 2019
Engelhardt WH, Kleinaltenkamp M, Reckenfelderbäumer M (1993) Leistungsbündel als Absatzobjekte. Z Betriebswirtsch Forsch 45(5):395–426
Fahrmeier L et al (2009) Regression: Modelle, Methoden und Anwendungen (Statistik und ihre Anwendungen), 2. Aufl. Springer, Heidelberg
Federation of Corrugated Board Manufacturers (FEFCO) (2018) FEFCO annual statistics 2017. http://www.fefco.org/sites/default/files/documents/Statistics/Fefco_AnnualEvaluation_2017%281%29.pdf. Zugegriffen: 27. Febr. 2019
Huber D, Kaiser T (2017) Wie das Internet der Dinge neue Geschäftsmodelle ermöglicht. In: Reinheimer S (Hrsg) Industrie 4.0. Herausforderungen, Konzepte und Praxisbeispiele. Edition HMD. Springer, Vieweg, Heidelberg, S 17–27
Meier H, Uhlmann E (2017) Produktverständnis im Wandel. In: Meier H, Uhlmann E (Hrsg) Industrielle Produkt-Service-Systeme. Entwicklung, Betrieb und Management. Springer, Berlin
Reinheimer S (Hrsg) (2017) Industrie 4.0. Herausforderungen, Konzepte und Praxisbeispiele. Edition HMD. Springer Vieweg, Heidelberg
Shin J‑H, Jun H‑B (2015) On condition based maintenance policy. J Comput Des Eng 2:119–127
Statista (2019a) Marktdaten zu Maschinen- und Anlagenbau. https://de.statista.com/statistik/kategorien/kategorie/4/themen/35/branche/maschinenbau-anlagenbau/. Zugegriffen: 27. Febr. 2019
Statista (2019b) Anteile verschiedener Materialien am Markt für Transportverpackungen in Deutschland im Zeitraum von 2009 bis 2016. https://de.statista.com/statistik/daten/studie/240922/umfrage/struktur-des-marktes-fuer-transportverpackungen-in-deutschland/. Zugegriffen: 27. Febr. 2019
Verband der Wellpappen-Industrie (2018a) Zahlen und Fakten – Daten für die Wellpappenindustrie, Ausgabe 2018. https://www.wellpappen-industrie.de/data/04_Verband/05_Publikationen/03_ZahlenFakten/ZahlenFakten-2018.pdf. Zugegriffen: 27. Febr. 2019
Verband der Wellpappen-Industrie (2018b) Was gut ist, kommt wieder. https://www.wellpappen-industrie.de/nachhaltigkeit/recycling.html. Zugegriffen: 27. Febr. 2019
Wassmus A (2014) Serviceorientierung als Erfolgsfaktor und Komplexitätstreiber beim Angebot hybrider Produkte. Springer Gabler, Wiesbaden
Wiedemann N, Kammler F, Varwig A, Thomas O (2019) Towards a framework for predictive maintenance strategies in mechanical engineering—a method-oriented literature analysis. In: Ludwig T, Pipek V (Hrsg) Human practice. Digital ecologies. Our future Tagungsband 14. Internationale Tagung Wirtschaftsinformatik (WI 2019), Siegen, S 70–76
Zion Market Research (2018) Global corrugated packaging market Will reach USD 317 billion by 2023. https://globenewswire.com/news-release/2018/04/26/1487721/0/en/Global-Corrugated-Packaging-Market-Will-Reach-USD-317-Billion-by-2023-Zion-Market-Research.html. Zugegriffen: 27. Febr. 2019
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Gluchowski, P., Schieder, C., Gmeiner, A. et al. Automatisierung von Geschäftsprozessen im Maschinen- und Anlagenbau – Fallstudie zu Predictive Maintenance. HMD 56, 986–999 (2019). https://doi.org/10.1365/s40702-019-00539-0
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1365/s40702-019-00539-0