Smart Data Analytics in der Automobilbranche

BMW optimiert seine Produktion im Werk Regensburg

Simon Lohmann ist Volontär bei der IDG Business Media GmbH. Im September 2017 beendete er sein Studium „Medienkommunikation & Journalismus“ an der FHM in Hannover, seit 2015 ist er freier Journalist bei der Macwelt.
Hohe Effizienz, robuste Prozesse und Produktionskompetenz – daran arbeitet BMW permanent. Um die Prozesse noch weiter zu verbessern, setzt der Münchner Automobilhersteller auf die intelligente Datenanalyse.

"In der Automobilproduktion zählt jede Sekunde", erklärt Christian Patron, Leiter InnovationInnovation und DigitalisierungDigitalisierung im Produktionssystem bei der BMWBMW Group. "Ist ein Teil nicht rechtzeitig verfügbar oder hat eine Anlage einen Defekt, führt dies schnell zu einer Verzögerung im Produktionsprozess, und die Wertschöpfungskette ist gestört." In Smart Data Analytics sieht der Autohersteller deshalb großes Potenzial. Top-500-Firmenprofil für BMW Alles zu Digitalisierung auf CIO.de Alles zu Innovation auf CIO.de

Die BMW Group setzt auf prädiktive Instandhaltung in der Montage.
Die BMW Group setzt auf prädiktive Instandhaltung in der Montage.
Foto: BMW AG

Die Produktion eines einzelnen AutomobilsAutomobils wird angesichts großer Datenmengen immer komplexer. Die Datenvielfalt macht sich BMW jedoch zu Nutze. Mit Hilfe von Smart Data Analytics soll die Informationsflut intelligent kontrolliert und zur Qualitätssteigerung in allen Fertigungsbereichen sowie in der Logistik genutzt werden. Langfristig erhofft sich BMW davon Verbesserungen der Prozesse, kürzere Durchlaufzeiten sowie Kostensenkungen. Top-Firmen der Branche Automobil

Im Rahmen einer standortübergreifenden zentralen Planung sollen mit der intelligenten Analyse der großen Datenmengen neue Lösungen gefunden werden, wobei die dafür verantwortliche BMW Data Group auch auf viele Impulse aus den internationalen Produktionsnetzwerken reagiert. Im Zuge dessen erlaubte die interne "Intranet-of-Things"-Plattform schon bisher das Einbinden von Prozessdaten aus Produktion und Logistik. Smart Data geht aber noch einen Schritt weiter.

Im Gegensatz zu herkömmlichen Analysemöglichkeiten erlauben Smart Data Analytics nun höhere Geschwindigkeiten beim Umsetzen innovativer Lösungen. Der technische Aufwand und die dabei entstehenden Kosten sinken dank Cloud- sowie Big-Data-Technologien.

BMW hofft auf weniger Fehler bei einer schnelleren Produktion dank Smart Data.
BMW hofft auf weniger Fehler bei einer schnelleren Produktion dank Smart Data.
Foto: BMW AG

"Mit Smart Data Analytics setzen wir neue Maßstäbe in unserem Produktionssystem", erläutert Patron. "Die Erfahrung unserer Mitarbeiter kombinieren wir mit den neuen Möglichkeiten, große Datenmengen zu verarbeiten, um daraus präzise Prognosen abzuleiten und vorausschauend Prozesse zu optimieren." Das soll die kontinuierliche Verbesserung des Produktionssystems beschleunigen. Die Vorteile von Smart Data Analytics werden laut BMW bei verschiedenen Produktionsprozessen sichtbar.

Ein Beispiel: Bei sogenannten Coils handelt es ich um bis zu 40 Tonnen schwere und ca. drei Kilometer lange Stahlrollen, welche im Werk zu Platinen gefertigt werden. In der späteren Produktion werden diese zu Karosserieteilen umgeformt. Schon in diesem frühen Stadium der Fertigung setzt etwa das BMW-Werk in Regensburg mit Analytics an. Hier werden die Platinen mittels Laser gescannt und mit einem mehrstelligen Code markiert, um Abweichungen der Blechstärke und -festigkeit sowie die gesamte Oberfläche und den Grad der Beölung zu ermitteln.

Dank der individuellen ID können Mitarbeiter auf die Informationen der individuellen Platinen zugreifen und über Steuerbefehle bestimmte Feinjustierungen der Pressen vornehmen. So kann beispielsweise noch vor dem Umformen der Platine bei Bedarf eine zusätzliche Beölung der Platine vorgenommen werden. Dieses Verfahren zeigt bereits erste Wirkung. Die Zahl der Ausschussteile ist laut BMW deutlich gesunken, darüber hinaus steigt der Materialnutzungsgrad eines Coils weiter an. Anlagenstillstände, die für Fehleranalysen notwendig sind, lassen sich ebenfalls reduzieren.