Smart Manufacturing mit MQTT: OEE, vorausschauende Wartung, Energiemonitoring und Echtzeit-Produktionsdaten über einen Managed MQTT Broker.
Eine klare Anleitung, wie Sie OEE berechnen: die drei Faktoren, ein vollständiges Schichtbeispiel, die Fehler, die die Kennzahl aufblähen, und Python-Code, der OEE aus MQTT-Nachrichten zum Maschinenzustand berechnet.
Condition Monitoring sagt Ihnen, dass eine Maschine jetzt krank ist; Predictive Maintenance schätzt, wann sie ausfallen wird. Erfahren Sie den Unterschied, den Reifegradpfad dazwischen und wie sich der MQTT-Datenfluss bei jedem Schritt ändert.
OEE, OOE und TEEP teilen sich die Faktoren Leistung und Qualität, beziehen sich aber auf unterschiedliche Zeitbasen. Dieser Vergleich rechnet ein Beispiel durch und listet die MQTT-Signale, die jede Kennzahl benötigt.
Tablets, Smartwatches und Liniendisplays werden deutlich nützlicher, wenn sie Live-Ereignisse empfangen. Lernen Sie Connected-Worker-Anwendungsfälle, das MQTT-Topic-Design und einen Browser-Client kennen, der Aufgaben über sicheres WebSocket empfängt.
Bauen Sie einen funktionierenden Sensor zur Schwingungsüberwachung aus einem ESP32 und einem Beschleunigungssensor, berechnen Sie RMS, Spitzenwert und Crest-Faktor auf dem Gerät, publizieren Sie sie über MQTT und lösen Sie Alarme aus, wenn eine Maschine von ihrer Referenz abweicht.
Verpackungslinien verlieren die meiste Zeit in kurzen Stopps, die niemand erfasst. Dieser Anwendungsfall zeigt, wie Sie jeden Stopp und jede Geschwindigkeitsänderung über MQTT erfassen und daraus ein Kurzstopp-Pareto machen.
ERP plant, MES führt aus, SCADA überwacht. Erfahren Sie, was jedes System verantwortet, wo es Überschneidungen gibt, wie die Systeme auf die ISA-95-Ebenen passen und wie ein MQTT-Broker sie ohne Punkt-zu-Punkt-Wildwuchs verbindet.
Überwachen Sie Tiefkühler und Kühlräume mit ESP32-Sensoren, die über MQTT veröffentlichen, erkennen Sie echte Temperaturabweichungen ohne Störalarme durch Türöffnungen, melden Sie ausgefallene Sensoren und führen Sie ein Abweichungsprotokoll.
ISO 50001 ist eine Managementnorm, doch sie lebt von Daten. Dieser Beitrag ordnet die Datenanforderungen der Norm Zählern, relevanten Variablen und einer auditierbaren, MQTT-basierten Erfassungsarchitektur zu.
Ein praxisnahes Setup zur Lagertemperatur-Überwachung: batteriebetriebene Funksensoren am Lagergehäuse, umgebungskompensierte Messwerte über MQTT, Erkennung des Temperaturanstiegs und Schwellenwert-Alarme, die auslösen, bevor ein Lager überhitzt.
Erfahren Sie, wie Sie Ausführungsstatus, aktives Programm, Spindellast und Stückzahl von CNC-Maschinen erfassen, über MQTT veröffentlichen und daraus eine ehrliche Auslastungskennzahl machen.
Ein praxisnaher Anwendungsfall für die Spritzguss-Überwachung: Veröffentlichen Sie pro Schuss eine MQTT-Nachricht mit Zykluszeit, Massepolster, Druck und Temperaturen und markieren Sie abdriftende Schüsse, bevor sich Schlechtteile ansammeln.
Erfahren Sie, wie Inline-Sensoren, Messmittel und Prüfstationen Messwerte per MQTT für Qualitätsprüfungen in Echtzeit veröffentlichen, wie Sie Topics und Payloads gestalten und wie dieselben Daten SPC und Rückverfolgbarkeit speisen.
Papierlisten, SPS-Tags, Nachrüstsensoren und Edge-Gateways erfassen Daten aus der Fertigung auf unterschiedliche Weise. Vergleichen Sie die Methoden, wählen Sie die passende pro Maschine und bündeln Sie alles in einem MQTT-Namespace.
Verbinden Sie Modbus-Energiezähler für die Hutschiene an einem RS-485-Bus mit einem Gateway, dekodieren Sie die Register in Python und veröffentlichen Sie kWh pro Maschine an einen MQTT-Broker, sodass jede Maschine ihren eigenen Energiewert erhält.
Ein praxisnaher Bauplan für werksweites Energiemonitoring: welche Zähler Sie installieren, wie Sie MQTT-Topics strukturieren, wie Sie Zählerstände speichern und wie Sie Energie pro Linie, pro Schicht und pro Teil berichten.
Schritt für Schritt zum Dashboard für die Produktionslinienüberwachung: Stationen senden Status und Stückzahlen per MQTT, Telegraf speichert sie, und Grafana oder Node-RED macht daraus eine Live-Linienansicht.
Bauen Sie eine funktionierende Pipeline zur Batchprozess-Überwachung mit MQTT. Veröffentlichen Sie Batchphasen und Prozesswerte, vergleichen Sie sie mit Rezeptsollwerten und erfassen Sie Abweichungen in Echtzeit mit Python.
So bauen Sie einen Baum aus Stillstandsgründen, der kurz, präzise und umsetzbar bleibt, plus einen Eingabeablauf für Bediener, der Gründe per MQTT neben automatisch erkannten Maschinenzuständen veröffentlicht.
Ersetzen Sie fragile Punkt-zu-Punkt-Schnittstellen zum MES durch einen ereignisgesteuerten MQTT-Namespace. Topic-Struktur, Payload-Verträge und ein funktionierender Adapter für Aufträge, Stückzahlen und Prüfergebnisse.
Lebensmittel- und Getränkewerke leben von Temperatur, Hygiene und Durchsatz. Erfahren Sie, welche IoT-Anwendungsfälle am meisten zählen, wie Sie die MQTT-Daten strukturieren und worauf Sie in nassen, regulierten Umgebungen achten müssen.
Für ein datengetriebenes Werk brauchen Sie kein Konzernbudget. Diese Roadmap zeigt kleinen und mittleren Fertigungsbetrieben, wie sie mit wenigen Sensoren, einem kostenlosen verwalteten MQTT-Broker und Open-Source-Werkzeugen starten und schrittweise wachsen.
Nutzen Sie über MQTT publizierte Spindelleistung und Schwingung, um einen Verschleißindex pro Werkzeug aufzubauen, jeden Schnitt mit der Referenz des neuen Werkzeugs zu vergleichen und Werkzeuge nach Zustand statt nach fester Stückzahl zu wechseln.
Zu viele Alarme sind genauso gefährlich wie zu wenige. Erfahren Sie, warum Alarmfluten entstehen, wie ISA-18.2 das Alarmmanagement strukturiert, wie Sie priorisieren und saubere Alarmereignisse über MQTT veröffentlichen.
Leckagen laufen rund um die Uhr, auch wenn das Werk stillsteht. Erfahren Sie, wie Sie sie mit Durchfluss- und Drucksensoren, MQTT-Telemetrie und einer Grundlast außerhalb der Schicht beziffern und aus versteckten Kosten eine verfolgte Kennzahl machen.
Erfahren Sie, wie vernetzte Maschinen, ein MQTT-Daten-Backbone und ein Unified Namespace nach ISA-95 ein klassisches Werk in ein datengetriebenes verwandeln, mit einer Schritt-für-Schritt-Roadmap und funktionierenden Python-Beispielen.
Legen Sie eine Stromwandlerzange um eine Motorleitung, messen Sie den Effektivstrom mit einem ESP32, publizieren Sie ihn per MQTT und erkennen Sie mit einem kleinen Python-Dienst Überlast, häufige Anläufe und Abweichungen von der Normallast.
Lernen Sie die Formeln für MTBF und MTTR, rechnen Sie ein vollständiges Beispiel durch, vermeiden Sie typische Definitionsfallen und berechnen Sie beide Kennzahlen automatisch aus Ausfall- und Reparaturereignissen, die per MQTT publiziert werden.
OEE, MTBF, First Pass Yield, Energie pro Stück und mehr: eine praxisnahe Liste von 15 Smart-Factory-Kennzahlen mit Formeln, den benötigten Maschinenrohdaten und der Live-Berechnung aus MQTT-Ereignissen.
Konto anlegen, Broker-Zugangsdaten erhalten und das erste Gerät verbinden — ohne Server, die installiert, gepatcht oder skaliert werden müssen.
