So verändert Data Analytics die Industrie

Geht es um die Einführung von Digitalisierungslösungen, sehen sich Maschinenbauer mit einer Reihe von Herausforderungen konfrontiert. So ist der Individualisierungsgrad für die Überwachung von Maschinen und Prozessen oftmals sehr hoch, was sich auch im Aufwand für die Umsetzung widerspiegelt. Maschinenanwender sind zudem in der Lage, einen zunehmend flexiblen Markt unter dem Einsatz oft kostenintensiver Maschinen bedienen zu müssen. Der Erwerb einer solchen Maschine stellt für sie folglich ein hohes Kaufrisiko dar.

Im Maschinenbau lassen sich mit Pay-Per-X-Modellen sowohl auf Anbieter- als auch auf Nutzerseite entsprechend Mehrwerte realisieren. Beispiele für Zahlungsmodelle, bei denen der Kunde nicht für ein Produkt zahlt, sondern für dessen Nutzung, gibt es zuhauf: Seien es Streamingdienste wie Netflix oder Spotify, Softwareanbieter wie Adobe oder Microsoft oder – ganz klassisch – Copyshops mit fester Gebühr je Farb- oder Schwarz-Weiß-Kopie. Auch in der Industrie nimmt der Trend langsam an Fahrt auf: So gibt es zum Beispiel Hersteller von Druckluftanlagen, die den Preis nach Druckluftzyklen und Druck berechnen oder Hersteller von Laserschnittmaschinen, welche die benötigten Lasersekunden als Berechnungsgrundlage verwenden.

Data Analytics dient im Rahmen von Pay-Per-X-Modellen dafür, die entsprechenden Abrechnungsmetriken zu entwickeln. Diese werden dann auf ein Edge Device ausgerollt, um die ermittelte Metrik auch in Echtzeit an der Maschine anwendbar zu machen.

Auch in der Industrie stiften Pay-per-X-Geschäftsmodelle auf Hersteller- und auf Kundenseite Mehrwerte: So erhalten Unternehmen Einblicke in das Nutzungsverhalten ihrer Kunden und können künftige Produkte entsprechend optimieren. Die Kostenrechnung nach tatsächlicher Nutzung bringt wiederkehrendes Geschäft – Instandhaltung sowie Service liegen ebenfalls auf Herstellerseite und können so zusätzliche Einnahmen generieren. 

Kunden wiederum binden kein Kapital mehr an eine Maschine. Bezahlt wird nur das, was letztlich genutzt wird, was auch eine gewisse Flexibilität hinsichtlich konjunktureller Schwankungen gewährleistet. Zudem müssen Kunden sich nicht länger um die Instandhaltung sorgen – diese übernimmt fortan der Hersteller.

Der klassische Aftersales-Service im Maschinen- und Anlagenbau ist vorwiegend reaktiv und erfolgt dabei in Form von Wartung und Reparaturen. Das nützt den Kunden in ihrer aktuellen Situation, doch insgesamt ist der Service lediglich punktuell – und zudem noch oft traditionell („analog“) organisiert. Serviceanfragen erreichen das Unternehmen häufig über Telefon oder per E-Mail und werden dann manuell weiterbearbeitet.

Mit der Einführung einer Data Analytics-Lösung halten Sie Techniker und Manager über aktuelle Informationen rund um Maschinen und Anlagen auf dem Laufenden. Eine entsprechende Anwendung erlaubt außerdem eine direkte, bidirektionale Kommunikation zwischen Maschinenbauer und Endkunden.

Die Nutzer erhalten so einen Überblick über alle wichtigen Kennzahlen, Störungsfälle und die Maschinenverfügbarkeit. Die integrierten und erweiterten Kontaktmöglichkeiten sorgen für eine deutlich kürzere Reaktionszeit des Servicepersonals. Stillstandszeiten werden reduziert und die Verfügbarkeit der angebundenen Maschinenfabrik deutlich verbessert.

Im Maschinenbau schlingen insbesondere personalintensive Prozesse Zeit und Kosten – darunter beispielsweise der Wechsel von Maschinenkomponenten sowie Qualitätsprüfungen. 

Für einen Kunden entwickelten wir entsprechend ein Predictive Analytics-Verfahren, das sowohl das Qualitätsmanagement von Produkten als auch die Werkzeugüberwachung erleichtert. Klassische Prüfintervalle werden dabei durch einen Scoring-Prozess mithilfe eines Vorhersagemodells auf Basis von IBM SPSS ersetzt. Dieser wird auf einem Edge Gateway – einer gehärteten Hardwarekomponente, die Industrie Connectivity-Standards unterstützt – implementiert und lokal an den Maschinen einer Fertigungsstraße installiert. Letztlich lassen sich so präzise Vorhersagen über die Qualität eines gefertigten Bauteils und den Zustand der Werkzeuge treffen.

Dank der Lösung kann zum einen das Risiko von Qualitätsmängeln oder eines Maschinenausfalls minimiert werden. Zum anderen wird Personal entlastet – so erfolgen ehemals personalintensive Qualitätsprüfprozesse nun automatisch und in Echtzeit.