Mit Big Data die Produktivität
in der Intralogistik maximieren

Mit Big Data die Produktivität in der Intralogistik maximieren
Grossansicht Bild
Zunahme maschinengenerierter Daten. [Quelle: IBM]
15.04.2015 | Mit Big-Data Lösungsansätzen haben wir die Möglichkeit, bestehende unstrukturierte Datenmengen aus Bestandesanlagen zu analysieren. Dies ermöglicht, Ausfällen vorzubeugen und das Systemverhalten vorherzusagen.

Es gab eine Zeit, in der Wettervorhersagen eher Kunst als eine Wissenschaft waren. Heute aber haben meteorologische Ämter, Dienste und Institute, welche riesige Mengen von Wetterinformationen sammeln und in statistischen Modellen nutzen, die Wettervorhersage zu einer faktenbasierten Wissenschaft entwickelt. Auch wenn immer noch ein Rest Unsicherheit verbleibt, sind Abweichungen von den Vorhersagen heute relativ gering.

 


Dank Big Data die Effizienz in der Logistik steigern

 

Was in der Meteorologie und vor allem in der Marktforschung bereits erfolgreich eingesetzt wird, ist auch ein Quantensprung für die Distributionslogistik mit ihren Supply-Chain-Konzepten.


Schon seit Beginn der automatisierten Logistiksysteme wurden Log- und Tracefiles erstellt und für die Störungsbehebung genutzt. Eine moderne Anlage produziert mit ihren Sensoren und Aktoren sowie den Lagerverwaltungs- und Steuerungssystemen meherer Megabytes historischer Daten täglich. Diese werden normalerweise nach einer bestimmten Zeit zyklisch gelöscht, da ältere Daten für die Störungsbehebung nicht relevent sind.


Moderne Technologien aus der Big Data-Wissenschaft geben uns die Möglichkeit, auf grosse Mengen unstruktirierter Daten zuzugreifen. Aus der Nutzung in anderen Bereichen (Marketing, Social Media, ERP, etc.) wissen wir, dass die Auswertung grosser Datenmengen eine neue Sicht auf das Gesamtsystem ergeben und somit proaktiv auf bevorstenede Ereignisse reagiert werden kann (z.B. Absatzprognosen). Genau diese Eigenschaften aus der Big Data-Auswertung ergeben im Kundendienst neue Möglichkeiten, den Betrieb einer Anlage zu optimieren und die Verfügbarkeit zu erhöhen.


Wie die GS1-Logistikmarktstudie 2015 zeigt, stehen wir noch ganz am Anfang eines wachsenden Marktes, der auch für Betreiber älterer Anlagen durchaus eine Chance für weitere Optimierungen bietet. So können über die Analyse der Daten nicht nur Stillstände vermieden werden, sondern die Anlage kann als Gesamtsystem erfasst und weiter optimiert werden bis hin zu einem adaptiven Verhalten des LVS und seinen untergelagerten Systemen.


Grossansicht Bild
Einsatz von Big Data in Unternehmen: Umfrage unter Schweizer Logistikexperten im Rahmen der Logistikmarkstudie 2015. [Quelle: GS1]

Anlagenausfälle mit Condition Monitoring minimieren

 

Was dies konkret bedeutet, lässt sich am Beispiel des Condition Monitorings des Intralogistikanbieters Swisslog anschaulich erklären. Hier werden vielfältige zustandsrelevante Parameter von Anlagen über die Logfiles und der Sensorik stetig überwacht und aussagekräftige Indikatoren genutzt, um über die Trendentwicklung sich anbahnende Schäden frühzeitig erkennen zu können. Ein Beispiel ist der Stromverbrauch als Indikator für das Drehmoment und somit dem Zustand der entsprechenden Lagerung einer Antriebswelle.


Die Betreiber von Logistikanlagen sollen durch die Zustandsüberwachung ein genaues Bild davon erhalten, wie ihre Anlage funktioniert und auch wo und wann Wartungsbedarf besteht. Die Vorhersage von Störungen – lange bevor diese tatsächlich auftreten – ist der nächste Schritt, der mit der Visualisierungslösung der nächsten Generation, dem Swisslog Cockpit für Lagerverwaltungssysteme (WM 6), umgesetzt wird. Da nicht alle Ausrüstungskomponenten einer Intralogistik-Anlage in gleicher Weise beansprucht werden, können hierdurch gefährdete Komponenten rechtzeitig erkannt und ausgetauscht werden.


Diese Prognosen und die proaktive Planung regelmässiger Wartungs- und Servicearbeiten helfen, Zeit zu sparen. Hinzu kommt, dass unvorhergesehene Instandhaltungsarbeiten auf effiziente Weise minimiert werden. Letztlich lautet das Ziel, ein datengestütztes Lebenszyklus-Management von Produkten zu erreichen. Dieses soll dem Kunden ermöglichen, Leistungsreserven zu erschliessen und Anlagen so lange maximal zu nutzen, bis deren Produktivität abnimmt.


Indem für die Maschinenleistung essenzielle Schlüsselparameter gemessen und analysiert werden, kann der Anlagendurchsatz optimiert und die Anlagennutzung so gesteuert werden, dass die Performance perfektioniert wird. Ergebnisse können so anhand eines bestimmten Inputs vorhergesagt und die Durchsatzleistung abgeschätzt werden.

 


Kostenersparnis dank Zeitgewinn
    
Wie die Meteorologie wird Big Data auch die Logistikbranche revolutionieren. Wissen wir frühzeitig, dass es morgen regnet, können wir Regenschirm und Gummistiefel bereitstellen. Wir ersparen uns den Ärger, nass zu werden, und gewinnen dadurch wertvolle Zeit. Ebenso verhält es sich in der Lager- und Distributionslogistik: Durch konsistente Zustandsüberwachung können wir zwar nicht verhindern, dass Wartungen anfallen, aber wir können deren Zeitpunkt mit Hilfe durchdachter Datenanalyse frühzeitig abschätzen und uns entsprechend vorbereiten.

 


Autor: Heinrich Lüthi, Leiter Customer Service Schweiz, Swisslog


Bewertung Ø:
   
Meine Bewertung:

Fragen und Kommentare (0)