INNOVATIVE INDUSTRIE
06 NEW BUSINESS • INNOVATIONS | OKTOBER 2017
Fotos: Fraunhofer IPA/Rainer Bez, 2017 Wassermann AG, Pixabay
FEHLER IN DER PRODUKTION ERKENNEN
Ein wichtiges Thema im Rahmen der smarten Produktion
ist Prozessoptimierung. So will das Fraunhofer-Institut für
Produktionstechnik und Automatisierung (IPA) auf der
EMO Hannover 2017 eine „smarte Systemoptimierung, die
Fehler in verketteten Produktionsprozessen erkennt und
ihre Ursachen sowie die Fortp anzung automatisiert aufzeigt“
präsentieren.
„Mit der smarten Systemoptimierung erfolgt eine technisch
detaillierte und zugleich automatisierte Auswertung von
Stillstandsursachen und Fehlerzusammenhängen in einer
Produktionslinie. Sobald die Produktion läuft, werden aus
allen Prozessschritten zeitsynchron Daten an ein Analysetool
übermittelt“, betont Felix Georg Müller, Fachthemenleiter
Autonome Fertigungssystemoptimierung. Das Analysewerkzeug
könne mit den am Fraunhofer IPA entwickelten
Algorithmen Rückschlüsse ziehen und die Informationen
in gewünschter Form aufbereiten.
Als Datenbasis dienen Zustands- und Prozessinformationen
aus allen technischen Teilschritten der gesamten Prozesskette.
Hieraus könne das Tool kontinuierlich und echtzeitnah
herausarbeiten, wo Fehler oder Stillstände auftreten
oder erst durch das Zusammenspiel mehrerer abweichender
Faktoren in verschiedenen Prozessschritten entstehen.
Im Gegensatz zur klassischen Overall Equipment Effectiveness
(OEE) erhalte der Anwender sofort eine Ursachenzuordnung.
Der Anwender sehe beispielsweise, welcher Prozess den
anderen blockiert, und erkenne, wo der Auslöser sitzt. Zudem
sei es möglich, die Fehlerbehebung zu priorisieren, da
der reale Engpass der Produktionslinie zu jeder Zeit berechnet
werde. Dies basiere auf allen aktuell detektierten Fehlerbildern,
Kurzstopps und Ausschussraten und spiegle
somit den Echtzeitblick auf eine Anlage wider.
Viele Maschinen und Anlagen sind bislang noch nicht
mit dem Internet verbunden.
BIG DATA FÜR DIE INDUSTRIE
Datenquellen seien entweder zusätzlich installierte Sensoren,
wie etwa smarte Kameras, oder – falls keine Prozessinformationen
vorliegen – es kommt der am IPA entwickelte
Maschinendaten-Logger zum Einsatz. Dieser sei bereits
heute in der Lage, Massendaten aus den Industriesteuerungen
„Siemens S7-1500“, „Beckhoff CX1020“ und „Mitsubishi
Q Series“ an das Analysewerkzeug zu liefern. Da somit
alle relevanten Variablen im Millisekundentakt verfügbar
seien, könne das Betriebsverhalten erlernt werden. „Damit
machen wir gängige Maschinensteuerungen Big-Data-fähig
und können bereits vorhandene Maschinendaten in das
Analysemodell integrieren“, erklärt Müller. „Mit unserem
Tool konnten wir bei bereits hoch standardisierten Maschinen
von Automobilzulieferern zwischen sechs und zehn
Prozent Zykluszeitreduktion erzielen und die dauerhafte
Einhaltung des Optimums überwachen.“
Basis dieser datengetriebenen Produktionsoptimierung sei
die permanente und extrem detaillierte Analyse des Anlagenverhaltens
und aller beteiligten Einzelprozesse einer
Produktionslinie. Dies könne nicht manuell, sondern aufgrund
des extrem hohen Datenverarbeitungsvolumens nur
automatisiert erfolgen. So würden die Fehlerursachen nicht
mehr ausschließlich im dynamischen Linienverhalten gesucht,
sondern auch etwa per Anomaliendetektion in den
Prozessdaten aller Einzelprozesse. Damit könnten Fehler
noch präziser ermittelt und eliminiert werden. Mit konventionellen
Ansätzen wäre ein Prozessoptimierer allein mit
der Sichtung eines Datensatzes und dessen Analyse stunden
oder sogar tagelang beschäftigt und könnte doch immer
nur einen Zeitausschnitt untersuchen – nämlich den,
den der Datensatz repräsentiert. TM
www.emo-hannover.de, www.ipa.fraunhofer.de
www.wassermann.de, www.icp-deutschland.de