Kontakt

Dr. Pascal Sieber & Partners AG

Laupenstrasse 45

3008 Bern

1 Schwanengasse
Bern, BE, 3011
Switzerland

+41 31 566 93 00

hot Topics

Filtering by Category: Utilize Technology

Digitalisierung in der Industrie

Lukas Wüthrich

Wir orientieren uns bei der Betrachtung der Schweizer Industrie an der Schweizer Maschinen- und Elektro-Industrie. Sie ist ein gutes Beispiel für die generelle Betrachtung der produzierenden Industrie; die Aussagen gelten in der Tendenz für die gesamte Schweizer Industrie.

Zustand der Schweizer Maschinen- und Elektro-Industrie

Die Schweiz spielt im globalen Markt in der obersten Liga mit den ganz Grossen mit. Zum Beispiel liegt sie in der weltweiten Werkzeugmaschinen-Produktion auf Rang acht, hinter China, Deutschland, Japan, Italien, USA, Südkorea und Taiwan, was einem Wert von ca. 3,3 Mia CHF entspricht. Davon hat die Schweiz im Jahr 2017 für ca. 2,8 Mia CHF exportiert, was einem Exportanteil von ca. 86% entspricht und sie für den Export weltweit unter die fünf grössten Exporteure (hinter Deutschland, Japan, Italien und Taiwan) bringt. Der weltweit mit Abstand grösste Importeur ist China, es folgen die USA, Deutschland, Japan, Italien. Die vier Länder Indien, Taiwan, Frankreich und Vietnam wachsen stark und holen auf.

Kompetenzen vor und nach der Digitalisierung

Die Schweizer Maschinen- und Elektro-Industrie, und insbesondere die Werkzeugmaschinen-Industrie zeichnet sich aus durch modernste Technologie, hohe Zuverlässigkeit und Präzision, sowie eine stark spezialisierte Produktionsstruktur wie z.B. die Laser- und Schleiftechnik.

Diese althergebrachten Tugenden der Schweizer Industrie werden für die Digitalisierung ergänzt mit dem Anspruch, ein aktives Prozessmanagement zu pflegen, um nach der digitalen Transformation von Industrien den erreichten Stand zu halten und auszubauen.

Auf der Innovationsseite ging es bis anhin darum, neue Materialien und Technologien auszuprobieren und Produkteinnovationen für die Fabrikation zu kreieren. Zur Ausschöpfung der Chancen der digitalen Transformation sind zusätzliche Kompetenzen gefragt. Hierbei ist IIoT (Industrial Internet of Things) eine wichtige Komponente.

Digitale Wende in der Industrie

Aktuell befindet sich die Digitalisierung der produzierende Industrie in einem Hype. Werkzeugmaschinenhersteller bauen in ihre Produkte Sensoren ein und erzeugen damit am Kundestandort Daten. Viele Hersteller rüsten ihre Maschinen auch mit Actuators (Steuerungsmodulen) aus, um ihre Maschinen auch remote konfigurieren und zu steuern zu können.

So weit so gut. Leider bleiben viele Industrien bei diesem Schritt stehen und zögern mit dem nächsten logischen Schritt: Die Datenauswertung. So kommt es, dass für die (kommerzielle) Auswertung dieser Daten häufig Konzepte und Anwendungen fehlen, und der Kundennutzen von intelligenten Komponenten in der Maschine nur schwer vermittelt werden kann.

Drei wesentliche Gründe dafür sind:

  1. Keine End-to-End Betrachtung

  2. Zu langsame Innovationszyklen

  3. Mangelndes Vertrauen der Fertigungsbetriebe (Betreiber der Werkzeugmaschinen) gegenüber den Produzenten der Werkzeugmaschinen.

Kompetenzen ausbauen

1. End-to-end Betrachtung

Am Betriebsstandort beim Kunden generiert eine Maschine mit ihren Sensoren während des Betriebs Daten und speichert sie lokal ab, häufig aber ohne sie unmittelbar weiter zu nutzen. Diese Daten erhalten jedoch einen erheblichen Wert, wenn sie über ein Netzwerk oder einen Gateway einer IoT-Plattform verfügbar gemacht werden.

Industriefirmen sollten sich nicht einzig und allein auf die Komponenten auf ihren Maschinen wie Sensoren und Stell-/Steuerungs-Module (Actuators) im Edge Bereich konzentrieren, sondern die IoT Plattform und die Enterprise IT in diesem Kontext berücksichtigen und einbinden. Eine durchgängige Betrachtung End-to-End, von „Edge“ via „IoT Plattform“ zu „Enterprise IT“ ist unabdingbar, um auch wirklich nachhaltigen Nutzen aus der Digitalisierung zu ziehen – sowohl für den Kunden als auch für den Hersteller.
Industrielle und produzierende Firmen sichern sich mittelfristig ihren Erfolg, wenn sie die vielen Sensorwerte auch kommerziell verwerten können. D.h. die Daten sollen nicht nur periodisch manuell aus der Maschine gelesen, sondern automatisiert gesammelt, weitergeleitet und verarbeitet werden. Nur in einer IoT Plattform können Sensordaten von vielen verschiedenen Maschinen kombiniert und als Big Data analysiert werden, woraus durch Machine Learning zusätzliche Erkenntnisse entstehen. Dies erlaubt es beispielsweise, Anomalien im Produktionsfluss vorauszusagen und vorsorgliche Handlungsanweisungen für Korrekturen, Optimierungen und Interventionen zu generieren.

Erst dann entfaltet die Digitalisierung in Industriebetrieben zusätzlichen Kundennutzen und eröffnet den Herstellern neue Möglichkeiten von Zusatzdienstleistungen.

2. Try fast, fail fast!

Die Fähigkeiten aus der klassischen Maschinen- und Elektroindustrie (hohe Zuverlässigkeit und Präzision) stehen den mitteleuropäischen - insbesondere den schweizerischen - Industriebetrieben manchmal paradoxerweise „im Weg“, um bei der Entwicklung von IIoT-Lösungen, genügend schnell am Markt voran zu kommen. Sie laufen dabei Gefahr, Opfer der „Swiss Disease of Overengineering“ zu werden und neue Lösungen erst nach einer mehrjährigen Entwicklungszeit auf den Markt zu bringen. Diese Lösung ist dann zwar perfekt und zuverlässig, aber leider bereits veraltet. Diese Gefahr besteht insbesondere, weil die Innovationszyklen im IIoT-Bereich nach wie vor sehr kurz sind, und die Technologie-Entwicklung bei weitem nicht abgeschlossen ist.

Produktflyer3.jpg
 

Die Lösung dazu: schnell mit einem Prototypen einen geschützten Beta-Test fahren, Schwachstellen rasch eliminieren, inkrementell Technologieinnovationen aufnehmen und einen nächsten Zyklus durchführen. Die Zyklus-Zeit von Prototypen sollte nicht mehr als sechs Monate beanspruchen. So können die raschen Zyklen in der Technologie-Entwickung berücksichtigt werden, und der Markt nimmt den Anbieter als innovatives „schnelles“ Unternehmen wah

3. Vertrauen der Fertigungsbetriebe (Betreiber der Werkzeugmaschinen)

Produktionsbetriebe reagieren häufig zurückhaltend, wenn es darum geht, Maschinen in ihrer Produktionshalle an ein Netzwerk anzuschliessen, welches sie nicht vollumfänglich kontrollieren. Es ist aber nicht möglich, die Maschinen zu vernetzen und die wertstiftenden Analysen (predictive analytics, prescriptive analytics) durchzuführen, ohne die Daten an die IIoT-Plattform weiterzuleiten. Ausserdem ist der Maschinenhersteller ausser Stande, den Betreibern (Kunden) neuartige digitale Dienstleistungen anzubieten (z.B. preventive maintainance, anomaly detection, operation alerting, automated operation).

Die Bedenken des Betreibers bezüglich Datenkontrolle können häufig zerstreut werden, wenn diesem transparent offengelegt wird, welche Daten zu welchem Zweck übermittelt werden und welche Daten die Produktionshallen auf keinen Fall verlassen. Deshalb empfiehlt es sich, die Daten über das Netzwerk des Betreibers zu übermitteln, damit dieser die vollständige Kontrolle über den Transfer behält.

Enterprise IIoT Reference Model nach der Digitalisierung
(klick to enlarge)


Mögliches Vorgehen

Die folgende Abbildung zeigt Checklisten für ein Assessment und ein Readiness Program pro IIoT-Komponente (Shopfloor IT/OT, IIoT Platform und Enterprise IT/OT).

Enterprise IIoT Reference Model: Checklist
(klick to enlarge)

Die Checklisten und das Vorgehen müssen selbstverständlich auf die spezifischen Kundenbedürfnisse angepasst werden.

 

Service-orientiertes Release Management

andrea kalsey

Die Gründe für neue Releases sind vielfältig: ändernde Geschäftsprozesse, Applikationen optimieren, Applikationslandschaften erweitern etc. Häufig wird dabei angestrebt, immer öfter und schneller Releases erfolgreich einzuspielen. Das ist eine berechtigterweise an die IT / Informatik gestellte Forderung.

Vielfach sind Release-Prozesse belastet, weil die Anforderungen ungenau formuliert wurden, falsch umgesetzt werden, ein hoher Aufwand fürs Testen anfällt oder lange Downtimes passieren.

Wesentliche Erfolgsfaktoren für ein schlankes und effizientes Release-Management

Es ist keine neue Erkenntnis, aber es ist wirksam: Jeder Schritt muss mit den nachfolgenden abgestimmt sein. Jeder einzelne Schritt trägt dazu bei, das gesamte Release Management zu verbessern. Pro Schritt wird eine Ist-Analyse vorgenommen. Das legt offen, was und wie optimiert werden muss.

Anforderungsermittlung und Lösungs-Design Phase

Ein strukturiertes Requirements Engineering hilft, folgende Ziele zu erreichen:

  • Vollständigkeit der impliziten und expliziten Anforderungen aller Stakeholder

  • Einigkeit zwischen Stakeholdern: widerspruchsfreie und priorisierte Anforderungen

  • Verständliche und nachhaltige Dokumentation

  • Brücken bauen zwischen Business und Technik: Alltagssprache in technische Sprache übersetzen

Softwareentwicklung

Essentiell für schnelle Releases ist die Wartbarkeit der Software und ein hoher Automatisierungsgrad im Entwicklungsprozess. sieber&partners misst die Wartbarkeit des Sourcecodes und zeigt Verbesserungsmöglichkeiten im Entwicklungsprozess auf.
Die Sichtbarkeit dieser essentiellen Qualitätseigenschaften ermöglicht:

  • Höhere Veränderbarkeit der Anwendung

  • Objektive Kriterien, die den Dialog mit dem Hersteller versachlichen

  • Verringerung des manuellen Testaufwandes und der Wartungskosten im Allgemeinen

  • Schnellere, häufigere und zugleich verlässlichere Releases.

Test (-management)

sieber&partners analysiert und strukturiert mit seinen Kunden die Testanforderungen, um die prozesskritischen Funktionalitäten zu identifizieren; als Basis eines effizienten Tests. Dies ist Baustein eines effizienten Testmanagements. Weitere, oft vergessene Themen sind Mitarbeiterschulungen, sowie ein aktuelles und sinnvolles Testdesign.

Einführung

Neben den technischen Einführungen und den Möglichkeiten von DevOps oder Continuous Deployment bleiben organisatorische Aufgaben liegen. sieber&partners unterstützt beim Rollout mit

  • Definition einer standardisierten Release-Einführung

  • Vollständige Einführung inklusive Knowledge Management (Schulungen vom Service Desk, Mitarbeitenden)

  • Kommunikationsplan zu den Applikationsänderungen

  • Definition von Abnahmekriterien

SP_Bildwelt_Handshake.jpg
 
Victoria Koppehele

Victoria Koppehele

 
Laurin Bertozzi

Laurin Bertozzi