Echtzeit-Produktionsdaten sind Produktionsdaten die ohne spürbare Verzögerung aus Maschinen, Linien und Prozessen erfasst, übertragen und visualisiert werden – typischerweise im Sekunden- oder Subsekundenbereich. Ziel ist es Zustände, Mengen, Prozesswerte und Qualitätsereignisse so aktuell zu sehen dass Steuerung und Eingriffe im laufenden Prozess möglich sind – nicht erst in der Nachbetrachtung.
Echtzeit vs. Near-Real-Time: Was im MES-Kontext gemeint ist
In der Praxis werden zwei Konzepte unterschieden. Harte Echtzeit betrifft Regelungen in SPS und Antrieben im Millisekundenbereich – hier geht es um Prozessstabilität und Sicherheit. Near-Real-Time beschreibt Daten die im Sekundenbereich gesammelt, verdichtet und angezeigt werden – ausreichend für MES, OEE-Dashboards, Alarme und Qualitätsauswertungen.
Wenn im Shopfloor-Kontext von Echtzeit-Produktionsdaten gesprochen wird, ist Near-Real-Time mit kontinuierlicher Aktualisierung alle ein bis fünf Sekunden gemeint.
Welche Daten zählen dazu
Typische Kategorien sind Maschinen- und Statusdaten (RUN/STOP/STÖRUNG, Stückzähler, Taktzeiten), Stillstands- und Performance-Daten (Stillstandsbeginn/-ende, aktuelle Ausbringung vs. Sollleistung), Prozess- und Sensordaten (Druck, Temperatur, Kraft, Energieverbrauch), qualitätsnahe Daten (OK/NOK-Signale, Messwerte, Grenzwertverletzungen) sowie Kontextdaten in Echtzeit verknüpft (aktueller Auftrag, Artikel, Schicht, Linie).
Entscheidend ist die Kombination: Signal plus Zeitstempel plus Kontext. Isolierte Maschinensignale ohne Auftragsbezug sind für OEE-Analysen nur begrenzt nutzbar.
Warum Echtzeit-Produktionsdaten entscheidend sind
Transparenz während der Schicht statt im Monatsreport: Schichtführer und Werksleitung sehen sofort wo Handlungsbedarf ist. Schnellere Reaktion durch automatische Alarme bei Stillständen und Qualitätsabweichungen – Serienfehler werden verhindert statt nachträglich behoben. Objektive Datenbasis für Daily-Standups und KVP-Arbeit: Top-Verlusttreiber lassen sich anhand realer Zahlen priorisieren statt nach Gefühl. Grundlage für weitergehende Use Cases wie Condition Monitoring, Predictive Maintenance, Energy KPIs und dynamische Freigabelogik.
Vom Signal zum Dashboard: Die technische Kette
Echtzeit-Produktionsdaten entstehen durch vier Bausteine. Datenerfassung an der Maschine über SPS, CNC, Sensoren und Feldbus. Edge-/IoT-Gateways die unterschiedliche Steuerungen anbinden, in Standardprotokolle wie OPC UA und MQTT übersetzen und Daten filtern und aggregieren. Zeitreihen- und MES-Ebene für Speicherung, Verknüpfung mit Auftrags- und Qualitätsdaten und KPI-Berechnung. Dashboards und Alarme für Visualisierung auf Andon-Boards und Leitständen sowie eventbasierte Benachrichtigungen.
Ohne diese Kette gibt es entweder nur lokale HMI-Anzeigen oder statische Reports – aber keine konsistente Echtzeitsicht über Werke, Linien und Produkte hinweg. Cloud-MES-Plattformen integrieren diese Kette als Standardfunktion mit standortübergreifender Live-Sicht und rollenbasierten Dashboards für Werker, Schichtführer und Werksleitung.
FAQ
Braucht Echtzeit-Datenerfassung immer neue Maschinen? Nein. Über Edge-/IoT-Gateways lassen sich auch ältere, nicht OPC-UA-fähige Maschinen anbinden. Brownfield-Nachrüstung ist der Normalfall – nicht die Ausnahme.
Wie echtzeitig muss es wirklich sein? Für die meisten Shopfloor-Use-Cases reichen Aktualisierungsraten im Sekundenbereich. Millisekundengenauigkeit ist Sache der Steuerungsebene – nicht der MES- und Dashboard-Ebene.
Führen mehr Daten automatisch zu besseren Entscheidungen? Nein. Entscheidend ist gezielt ausgewählte Signale mit sauberem Kontext zu kombinieren und daraus klare KPIs und Alarme abzuleiten. Uninterpretierbare Datenfluten ohne Kontextbezug erzeugen mehr Aufwand als Nutzen.
