Die Beumer Group präsentiert ihren neuen BG Sorter Compact CB. Dieser Quergurtsorter baut sehr klein und steigert den Durchsatz. Dafür sorgt unter anderem die Möglichkeit der Datenanalyse. „Mit Data Analytics können wir an unseren Sortern große Datenmengen sammeln, zielgerichtet auswerten und damit zum Beispiel Verbesserungspotenziale aufdecken“, erklärt Thomas Wiesmann, Director Sales Logistic Systems bei der Beumer Group in Beckum. So lässt sich mit den gewonnenen Informationen unter anderem der Betrieb der Anlage kontinuierlich verbessern, frühzeitig erkennen, wann eine Wartung erforderlich ist, oder auch das Systemmanagement optimieren. Dies wirkt sich positiv auf die Lebenszykluskosten aus.
Daten für maschinelles Lernen
Die Beumer Group ist mit Data Analytics in der Lage, die Verfügbarkeit und die Leistung ihrer Sorter zu erhöhen, Stichwort „maschinelles Lernen“. „Entscheidend dabei ist der kontinuierliche Zugriff auf Echtzeitdaten aus jedem Bereich der Anlage“, erläutert Wiesmann. Mit Hilfe eines digitalen Zwillings lassen sich so detailliert Materialflüsse oder auch die Streckenführung der Anlage überwachen. Unterstützt wird dies durch die Visualisierung der Ergebnisse. Der Betreiber kann dazu beispielsweise Farbcodes einsetzen, um unter anderem Engpässe sichtbar zu machen oder – mit Hilfe zeitlicher Filter – historische Daten in die Betrachtung miteinbeziehen.
Wartung nur dann, wenn erforderlich
Mit Unterstützung der Datenanalyse ist es möglich, die tatsächlichen Betriebsstunden und Belastungen zu erkennen. So können die Wartungszyklen anhand der tatsächlichen Belastung angepasst werden. Das Servicepersonal tauscht zum Beispiel erst dann eine Komponente aus, wenn es wirklich erforderlich ist – und nicht nach einem festgelegten Zyklus.
„Die datengesteuerte Analyse wird weiter zunehmen“, ist sich Wiesmann sicher. Denn schon heute sind Sensoren Teil eines jeden Systems und in der Lage, enorme Datenmengen zu generieren und zu verarbeiten. Auf Grundlage dieser Informationsgewinnung können langfristig weitere Dienstleistungen hinzukommen. Wiesmann denkt an die Videocodierung für das maschinelle Lernen. Möglich sei aber auch eine cloudbasierte optische Zeichenerkennung, um gescannte Bilder mit Text in maschinenlesbaren Text umzuwandeln.
Wo die Reise hingeht
„Einige unserer Kunden nutzen bereits Data Analytics“, berichtet Wiesmann. „Sie überwachen damit zuverlässig ihre Systeme und erkennen rechtzeitig, wann ein Fehler auftreten würde. Sie sind so in der Lage, die Anlage zum perfekten Zeitpunkt zu warten.“ Und je intensiver ein Unternehmen die Betriebszustände der Anlage kennt, desto besser kann es diese Möglichkeit nutzen. Denn die Maschine wird mit Hilfe dieser Daten das Lernen erlernen – und anstatt nur zu erkennen, dass etwas nicht stimmt, wird sie mit Unterstützung der gewonnenen Informationen auch die Ursachen erkennen. „Damit wird das System künftig in der Lage sein, selbstständig einen perfekt passenden Wartungsplan zu generieren“, prognostiziert Wiesmann.
