SUCCESS STORY
Wienerberger: Durch skalierbare Datentransparenz zur optimierten Produktion
In 28 Ländern mit insgesamt über 200 Produktionsstandorten vertreten, ist Wienerberger ein international tätiger, führender Anbieter von Baustoff- und Infrastrukturlösungen (Ziegel, Rohrsysteme, Flächenbefestigungen). Über 3200 Produktionslinien liefern dabei wertvolle Daten, welche über ein industrietaugliches Datenmanagement verarbeitet, zu einer optimierten Produktion führen können:
- Einsparung von Rohstoffen & Energie
- Reduktion der Stillstände von Produktionslinien
- MES Integration
Die Realisierung eines solchen industrietauglichen Datenmanagements fordert eine Lösung für eine skalierbare Maschinen-Cloud-Konnektivität, welche im Rahmen eines heterogenen Produktionsumfelds mit einer Vielzahl unterschiedlicher Maschinenherstellern eine umfassende Herausforderung darstellt.
Relevante Produktionsdaten: online – jederzeit – unternehmensweit
Wir – HEAP Engineering – bieten über den Einsatz von Edge Industrie-PCs (IPCs) eine skalierbare Konnektivitätslösung zwischen dem heterogenen, industriellen Equipment und einer Datencloud. An der Grenze zwischen Produktionswerk und Cloud werden dabei Produktionsdaten vorverarbeitet, um ausschließlich relevante Daten zentral und unternehmensweit verfügbar zu machen.
Die so geschaffene unternehmensweite Datentransparenz ermöglicht es funktionsübergreifenden Teams Einblicke in die Produktionsprozesse zu gewinnen und somit zu deren Optimierung beizutragen.
Digitale Zwillinge: Materialersparnis – genauer vorhersehbare Lieferzeiten – hohe Qualität
Aus den Daten der Produktion können digitale Zwillinge, also virtuelle Repräsentanten der Produktion, erzeugt werden, um daraus schlussendlich die optimierte Produktion zu erzielen. Der erste digitale Zwilling wurde bereits 2020 im Wienerberger Werk Haparanda (Schweden) umgesetzt. Seither folgten weitere 200 Produktionslinien bis schlussendlich 2024 alle Wienerberger Produktionsstätten angebunden sein sollen.
Unter Kombination der gewonnenen Produktionsdaten, künstlicher Intelligenz und maschinellem Lernen soll künftig die Produktionsoptimierung vorangetrieben werden.