Kommentar von Maximilian Lorse, X-Integrate

Punktlandung bei der Wartung mit Predictive Analytics

| Autor / Redakteur: Maximilian Lorse / Nico Litzel

Der Autor: Maximilian Lorse ist Optimization & SCM Engineer bei X-Integrate
Der Autor: Maximilian Lorse ist Optimization & SCM Engineer bei X-Integrate (Bild: X-Integrate)

Mit einem auf IBM SPSS Modeler basierenden Scoring-Modell trifft ein Automobilzulieferer Vorhersagen zur Qualität der Bauteile und erhöht die Effizienz im Qualitätsmanagement.

In kaum einem anderen Industriezweig ist der Druck zur Effizienzsteigerung so hoch wie in der Automobilbranche. Potenziale hierzu finden sich vor allem bei personalintensiven Prozessen wie der Wartung und Qualitätsprüfung in der Fertigung. Klassische Wartungs- und Qualitätsprüfungsprozesse sehen vor, dass der Prüfingenieur in festgelegten Abständen baugruppenbezogen Teile aus der Fertigung entnimmt und überprüft. Hier setzt Predictive Analytics an, die sich mit der Vorhersage der Bauteilqualität und von Wartungsintervallen beschäftigt. Produktionsprozesse lassen sich damit gezielter überwachen, der Maschinenverschleiß kann treffsicher antizipiert werden.

Die mathematischen Verfahren (statistische Modelle) werden genutzt, um Industrielösungen im Kontext Predictive Analytics und Predictive Maintenance umzusetzen. Übliche festgelegte Prüfintervalle werden dabei durch einen Scoring-Prozess ersetzt, der vorhersagt, wann die Maschine Verschleiß aufzeigen wird. Es werden damit gezielt nur solche Teile geprüft, die wahrscheinlich (laut Vorhersage) ein Qualitätsproblem haben werden (das 123., das 187., das 910. etc.).

Für Maschinenbauer, die Werkzeuge und Anlagen für die Automobilindustrie herstellen, wird es zum Wettbewerbsvorteil, wenn sie ihre Produkte um Predictive-Analytics-Funktionen anreichern. Bei einem solchen Unternehmen, das Maschinen für die Umformung von Metallen für Achsen, Zahnräder etc. fertigt, hat X-Integrate vor Kurzem ein Predictive-Analytics-Verfahren entwickelt. In allen Prozessschritten wertet das Verfahren Maschinendaten aus, die eine Aussage über die Qualität produzierter Werkstücke und den Zustand der Produktions-maschinen zulassen.

Arbeitsschritte in Echtzeit anpassen

Durch diese kontinuierliche Kontrolle kann der Maschinenbauer Arbeitsschritte in Echtzeit anpassen und gezielter vorhersagen, wann für die einzelnen Maschinen in einer Produktionskette eine Wartung notwendig wäre. Innerhalb der Fertigungsstraße beim Automobilhersteller sinkt damit der Ausschuss der Produkte und die Wahrscheinlichkeit eines Maschinenausfalls wird minimiert. Zudem wird der Prozess der Qualitätskontrolle der Bauteile erheblich effizienter.

Die Maschinen wurden dafür mit Sensoren ausgestattet, die alle betriebsrelevanten Parameter messen und entsprechende Daten ausgeben. Gemessene Parameter sind etwa Temperaturen von Kühlmitteln und Ölen für die Hydraulik, Druck- und Kraftwerte. Aus den Veränderungen der Daten unter Berücksichtigung der Produktionsprofile (Menge, Geschwindigkeit, Qualität der Rohbauteile) lassen sich in Kombination mit weiteren erhobenen Daten Rückschlüsse auf den Verschleiß der Maschine und die Qualität der Fertigbauteile ziehen. Der Automobilhersteller kann sie in der Folge abschalten oder warten, bevor ein kritischer Punkt überschritten wird.

Zukünftig soll der Prozess auf einen möglichst großen Bereich der Anlage ausgeweitet werden, um so weitere Potenziale abschöpfen zu können. Eine geplante Integration in die bereits vorhandene Maschinensteuerung kann es ermöglichen, autonom mit in Echtzeit erstellten Produktionsprofilen auf veränderte Situationen reagieren zu können.

Vorhersagemodell zum Maschinenverschleiß

Die auf IBM SPSS Modeler basierende Predictive-Analytics-Software von X-Integrate wurde auf einer direkt an der Maschine angebrachten speziellen Hardwarekomponente installiert. Dorthin senden die Sensoren ihre Daten. Die Software gleicht sie mit den bereits vorhandenen Daten ab, analysiert sie und trifft anhand der Erfahrungswerte eine Vorhersage. Anhand gemessener Daten (Kraft, Temperatur etc.) sagt sie also mit sehr hoher Genauigkeit voraus, ob ein Fertigbauteil bei einem Durchlauf fehlerhaft ist oder nicht.

Die Ergebnisse des Scorings werden über eine Integrationskomponente in die Maschinensteuerung zurückgespielt und dort visualisiert. So weiß der Prüfingenieur und Wartungstechniker, welche Bauteile zu prüfen sind, kann Rückschlüsse darauf ziehen, wann eine Wartung oder ein Werkzeugtausch an der Maschine notwendig sind.

Besonderes Augenmerk liegt dabei auf der Performance. Denn bei einer Produktionstaktung im Sekundenbereich muss die Antwortzeit des Vorhersageprozesses – vom Messen der Daten über die Vorhersage des SPSS-Modells bis zum Senden der Nachricht an die Maschine, ob eine Wartung nötig ist – ebenfalls im Sekundenbereich liegen. Für zukünftige Vorhersagemodelle werden die Messdaten zusätzlich in einer Datenbank gespeichert. Die so in der Produktion erhobenen Daten und der Vergleich der Ergebnisse mit den Beobachtungen geschulter Mitarbeiter über den Verschleißgrad können dann dazu genutzt werden, das Modell weiter zu trainieren und dessen Robustheit und Genauigkeit weiter zu erhöhen.

Fazit

Predictive Analytics findet in vielen Bereichen Anwendung, in denen aus vorhandenen Daten genaue Vorhersagen für die Zukunft getroffen werden können. Für Unternehmen steigt mit fortschreitender Umstellung auf Industrie 4.0 und der vermehrten Kommunikation vernetzter Systeme die Notwendigkeit, interne Prozesse besser nachzuverfolgen. Ziel davon ist es, aus den Erfahrungen der Vergangenheit bessere Aussagen für die Zukunft treffen zu können, die Qualität der Prozesse zu erhöhen und auf Ereignisse insgesamt schneller und auf Basis aussagekräftiger Daten reagieren zu können.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44796237 / Analytics)