Return on Investment von Digitalisierungsprojekten

Bei der Digitalisierung von Produktionseinheiten bieten sich vielfältigste Möglichkeiten an, bestehende Maschinen und Anlagen zu vernetzen. Doch welche Strategie ist die Richtige? Und wie beantwortet man die Frage der Geschäftsführung, wie sich eine Investition in die Digitalisierungstechnik rechnet? Ist der Begriff der Digitalisierung im Kontext dieser Fragestellung genügend deutlich abgegrenzt und eindeutig definiert? Antwort – Leider nein. Es bedarf fast in allen Digitalisierungsprojekten einer genauen Analyse dessen was möglich, gewollt und finanziell machbar ist. Dabei steht die Diskussion des Nutzen/Aufwand Verhältnisses im Vordergrund.
Als Anbieter von Digitalisierungslösungen zur Digitalisierung von Produktionsmaschinen bieten wir Ihnen eine kurze Orientierung im Sachverhalt.

Grundsätzlich unterscheidet man innerhalb der Digitalisierung von Bestandsmaschinen zwischen Maschinen die über eine bereits bestehende OPC-UA Schnittstelle an die Kunden IT-Umgebung angeschlossen werden können und älteren Maschinen die eine solche Schnittstelle nicht besitzen.
Oftmals wünscht sich der Kunde zusätzliche Überwachungsgrößen bzw. Sensorik an seinen Produktionsanlagen, die bisher nicht berücksichtigt bzw. verbaut sind.
Eine Nachrüstung dieser Sensorik über den Service der Maschinenhersteller ist oftmals recht preis- und zeitintensiv. Daher bietet es sich an, wenn Sie die Sensorik über Ihre eigene Instandhaltung oder über freie Instandhaltungs-Dienstleister unabhängig von Ihren Maschinenherstellern dergestalt installieren lassen, als dass etwaige Gewährleistungsbedingungen mit Ihren Maschinenherstellern dadurch nicht verletzt werden. Dies ist sowohl technisch als auch zu finanziell attraktiven Preisen möglich.

Online Monitoring

Als ersten Begriff erläutern wir das Online Monitoring von Produktionsdaten. Hierunter versteht man die digitale Erfassung, in Bezug auf die jeweilige Optimierungsgröße in Ihrem Unternehmen relevanter, chemischer und physikalischer Messgrößen mit einer festgelegten Abtastrate. Diese Daten werden veranschaulicht, können gespeichert werden. Es werden Grenzwerte definiert, deren Verletzung (Über-/Unterschreitung) zu einem Fehlersignal führt. Wichtig hierbei ist es, eine geeignete Sensorik zu etablieren, die über den gesamten Messzeitraum hinweg ein möglichst fehlerfreies (GUT-Signal) Wertespektrum abgibt. Die Güte der Sensorik im Hinblick auf einen geringen Messfehler, bildet die Grundlage für die Güte der Aussagefähigkeit einer späteren Datenverwertung. Bei der digitalen Erfassung gilt es zu beachten, dass es vielen Sensoren mit ebenso vielen Schnittstellen zu Datenerfassungsgeräten gibt.

Wir empfehlen Ihnen hierbei stets darauf zu achten, dass sie ein von Sensorherstellern unabhängiges und industrietaugliches Datenerfassungssystem verwenden, das es Ihnen und Ihrer Instandhaltung erlaubt alle marktüblichen Analog- und Digitalsensoren, in einfachster Form über standardisierte Schnittstellen zu verbinden. Ferner sollten Sie darauf achten, dass diese Datenerfassungssysteme bis zu einem gewissen Grad autark arbeiten, also ein von Ihrer IT – Umgebung unabhängiges und sicheres Netzwerk besitzen. Erst bei Prüfung der Rentabilität eines Datenerfassungssystems und damit verbundenen, für Sie als Anwender profitablen „call-to-action“ Empfehlungen, bietet sich die technische Integrationsanalyse in Ihr Netzwerk gemeinsam mit Ihrer IT in puncto Datensicherheit, Netzwerksicherheit etc. an.

Ein Monitoring alleine ist noch keine Optimierung! - Welcher Baustein fehlt noch zu einer rentablen Digitalisierungstechnik?

Softwarebasierte Datenauswertung / Datenverwertung ("turning data to value"):

Hat man die bezogen auf die avisierte Optimierungsgröße, relevanten Daten einmal sicher und mit einer ausreichend hohen Datengüte erfasst, so ist in einem zweiten Schritt die Verwertungsfrage dieser Daten zu klären. Wer wertet die Informationen aus? Wie können die Daten in den Zusammenhang zu einer konkreten Optimierungsgröße gebracht werden? Woran lässt sich die Optimierung, also der Mehrwert der Digitalisierungstechnik messen?

Die Auswerteeinheit fußt auf einem erfolgreichen Datenerfassungssystem. Die Datenverwertung generiert den eigentlichen Wert der Digitasierungstechnik. Die Auswerteeinheit wandelt Daten in monetäre Werte um. Es können dabei drei verschiedene Auswertungsniveaus erzielt werden.

Ein erstes Niveau beschreibt die statistische Auswertung der Produktionsdaten und Reduktion auf unternehmensspezifische KPI’S (key performance indicators). Hieraus lassen sich bereits Unregelmäßigkeiten und Anomalien (Abweichungen vom Produktionsnormalzustand) erkennen. Dies jedoch nicht nur als reaktive  sondern vor Allem auch als proaktive Information, die es Ihnen erlaubt zu erkennen, dass ein Schadensereignis mit hoher Wahrscheinlichkeit bevorsteht (bspw. steigende Druckabnahme in Leitung 5 im Beriech von 0,3 mBar/Tag). Derartige sich anbahnende Schadenereignisse können wir oftmals ohne eine geeignete Digitalisierungstechnik nicht vorausschauend erkennen.

Eine dezidiertere Auswertung der Daten kann durch die statische wie auch dynamische Definition von Grenzwerten gelingen. Die Überwachungssoftware prüft die Einhaltung von Ober- und Untergrenzen, meldet und speichert die Zeiträume und den Grad (Werte) der Grenzwertverletzung. Zudem können über technische Fachzusammenhänge Wenn-Dann-Optionen softwaretechnisch und regelbasiert abgebildet werden, die eine praktisch nützliche Aussagefähigkeit der Auswerteeinheit gewährleisten. (Beispiel: Immer wenn der Fehler A an Maschine 2 auftrat, arbeiteten Maschine 1,3,und 7 zeitgleich am Produktionslimit). Die Auswerteeinheit empfiehlt Ihnen als Anwender den gleichzeitigen Vollastbetrieb von Maschine 1,3 und 7 zu vermeiden, da dies als Hauptursache des an Maschine 2 auftretenden Fehlers identifiziert wurde. Die Hersteller deratiger regelbasierter Systeme sollten eine hohe Fachkenntnis (produktionstechnik) vorweisen. Je weniger fachlich korrekt die Regeln sind, je weniger aussagekräftig sind die Erbenisse des Auswertungssystems. Hier sollten Sie stets darauf achten, dass bei den Lieferanten der Auswertungssysteme stets Fachkräfte aus der Produktionstechnik in engster Kooperation mit Softwareingenieuren arbeiten.

Ein letztes und sehr zukunftsweisendes Auswertungsniveau ist dann erreicht, wenn eine nicht regelbasierte Software (Algorithmen, Stichwort künstliche Intelligenz) anhand der erfassten Daten und deren Auswertung Empfehlungen ausspricht um eine zuvor festgelegte Optimierungsgröße zu erreichen. Beispiel: Optimiere die Betriebsstoffzuführung an meinen Produktionsmaschinen so, dass maximale Produktivität (Anzahl an Gutteilen pro Jahr) bei geringstem CO2-Verbrauch (über alle verwendeten Betriebsstoffressourcen hinweg) je produzierten Bauteil erzielt wird.

Grundsätzlich empfehlen wir unseren Kunden, zunächst mit den beiden ersten Leistungsniveaus zu beginnen. Sollte es nicht möglich sein, bereits mit diesem Mittel der Datenverwertung genügend kurze Amortisationszeiten zu erreichen, erscheint es aktuell noch als zu wenig aussichtsreich, alleine mit der Dritten Leistungsstufe der Datenverwertung einen genügend attraktiven Return on Investment ROI zu erzielen. Dies ist unter anderem auch der Tatsache geschuldet, dass die so genannten Selbstlernenden Systeme (3. Auswertungsniveau) ein Datenfeedback aus der Produktion erhalten müssen um zu prüfen, ob die von ihnen empfohlenen Handlungen auch letztlich zur Systemverbesserung geführt haben (monetäre Werte – Anbindung an SAP/MES-Systeme).

Und wie bemisst man die Rentabilität von Datenerfassungssystemen?

Sollte es Ihnen nicht gelingen ein konkretes Amortisationsszenario zu definieren, dass es Ihnen erlaubt die Investition in ein Digitalisierungspaket innerhalb von nur 12 Monaten durch nachhaltige und monetär messbare Einsparungen in Ihrer Produktion zu refinanzieren, so sollte man es sich sehr reiflich überlegen, ob die Beschäftigung mit dieser Thematik zielführend ist.

Beispielhafte Amortisationsszenarien, die wir mit unseren Kunden offen ansprechen lauten:

  • Senkung der Ausschussquote (Scrap-Rate)/fertigungsbedingten Produktschädigungen
  • Senkung der Werkzeugkosten durch Erhöhung der Werkzeugstandzeit
  • Erhöhung der Maschinenverfügbarkeit und damit der Produktionskapazität
  • Verbesserung der Maschinen-/Produktionsrobustheit
  • Verringerung des Betriebsstoffverbrauchs

Im Folgenden, möchten wir Ihnen exemplarisch eine erste, recht grobe, aber ausreichend plausibilisierende Amortisationsrechnung darlegen.
Es soll eine Digitalisierung von Produktionsmaschinen inklusive Sensorik, Datenerfassungssystmen, der Inbetriebnahme vor Ort, der Schulung und Einweisung der Mitarbeiter, einer Datenbank, einem eigenen industrietauglichen Server, einem kundenspezifischen Dashboard und softwarebasierten Auswerteeinheit sowie einem autarken Netzwerk im Wert von 77.000,- € (Investitionssumme) erworben werden.
Wir betrachten eine Maschinengruppe von 6 Produktionsanlagen die jeweils einen beispielhaften Maschinenstundensatz von 180,- € (Produktionsmittelkosten) zzgl. einer angestrebten Gewinnmarge je Stunde in Höhe von 70,- € / Maschine erzielen sollen. Dann ergibt sich ein stündlicher Kostenfaktor von 250,- € je Maschine. Vorausgesetzt, dass diese 6 Maschinen im Dreischichtbetrieb an 220 Tagen im Jahr produzieren sollen und dabei eine Maschinenverfügbarkeit von maximal 80% aufweisen, so errechnet sich für diese 6 Maschinen ein jährlicher Kostenanteil in Höhe von 24 * 6 * 250,- € * 200 Tage * 0,80 Verfügbarkeit = 6.336.000,- €.

 

Würde es nun gelingen, dass wir mittels der angestrebten Digitalisierungstechnik eines der zuvor beschriebenen Amortisationsszenarien verbessern, stellt sich die Frage nach dem Umfang, um eine Amortisation der Investitionssumme in Höhe von 77.000,- € innerhalb von nur 12 Monaten zu erreichen. Wenn es also gelingt die Maschinenverfügbarkeit 1,2 % zu erhöhen, indem wir über Ansätze der vorausschauenden Instandhaltung technische Fehler an den Produktionsmaschinen frühzeitig erkennen und präventiv beheben können, ohne dass es zu unerwünschten Ausfallzeiten kommt, so wäre das Projekt bereits erfolgreich. Der Return on Investment läge bei 12 Monaten.
Ungeachtet dessen können wir durch eine permanente Überwachung der Produktionsmaschinen ebenso Optimierungspotenziale identifizieren, die es erlauben die Prozesskosten zu senken (bspw. Werkzeugkosten). Es kann mittels der installierten Digitalisierungstechnik gelingen unsachgemäße Betriebsstoffzuführungen festzustellen, so dass es möglich wird die Ausschussquote durch bspw. fertigungsbedingt überhitzte Bauteile deutlich zu senken. Summiert man innerhalb eines Jahres alle mittels dieser Digitalisierungstechnik ermöglichten Erfolge innerhalb der Amortisationsszenarien auf, ist ein deutlich geringerer Amortisationszeitraum als 12 Monate möglich.

Die Wahrscheinlichkeit also, mit der Sie ein erfolgreiches Digitalisierungsprojekt in Ihrem Hause steigt also gleichbedeutend mit der konkreten Identifikation von messbaren Amortisationsszenarien.

Diese Amortisationsszenarien können Bestandteil eines Lieferantenvertrages sein, indem man es zur Bedingung macht, dass man das Digitalisierungssystem dann final bezahlt (Gutbefundsregelung) wenn es den geforderten Amortisationszeitraum einhält.

In diesem Artikel relevante Produkte:

Diese Artikel aus unserem Magazin könnten Sie auch interessieren:

Ganzheitliche Prozessauslegung und -optimierung

Der Wandel in der Automobilindustrie und die angestrebte Reduktion von CO2-Emissionen, z. B. in der Luftfahrt, stellen die Schleiftechnik vor neue Herausforderungen. Die Zerspanung dünnwandiger Leichtbauteile sowie die Bearbeitung hochwarmfester Werkstoffe gewinnen an Bedeutung.

Hier geht es zum Artikel

GRX-Q - Magnetisch-induktive Durchflussmessung

Bei der magnetisch-induktiven Durchflussmessung (MID) wird durch die Wechselwirkung zwischen der Strömungsgeschwindigkeit einer Flüssigkeit und einem Magnetfeld eine elektrische Spannung erzeugt. Dieses Prinzip beruht auf dem Faraday’schen Induktionsgesetz.

Hier geht es zum Artikel

KI - Was ist das?

Im Grunde genommen ist der Begriff der künstlichen Intelligenz in diesem Zusammenhang fachlich falsch platziert. Künstliche Intelligenz beschreibt die akademischen Bestrebungen des Menschen das menschliche Gehirn und dessen Leistungen zu erforschen und mit Hilfe rechnergestützter Methoden abzubilden.

Hier geht es zum Artikel