Kommentar von Cordt Erfling, Benteler Automotive Qualitätsverbesserung mit kluger Datenanalyse

Autor / Redakteur: Cordt Erfling / Nico Litzel

Um in der Produktion konstant höchste Qualität zu gewährleisten, setzt Benteler auf durchdachte und stabile Produktionsprozesse. Ein wichtiger Baustein ist hier die vorausschauende Instandhaltung von Maschinen, auch bekannt als „Predictive“ oder „Smart Maintenance“, mittels großer Datenmengen.

Firmen zum Thema

Der Autor: Cordt Erfling ist Director Process Engineering von Benteler Automotive
Der Autor: Cordt Erfling ist Director Process Engineering von Benteler Automotive
(Bild: Benteler)

Qualitätsanspruch und -standards von Benteler basieren auf 140 Jahren Erfahrung in der Metallverarbeitung. Probleme – ob in der Planung oder bei den Maschinen – lassen sich dennoch nicht immer vermeiden. Darum arbeitet wir stets daran, Prozesse weiter zu verbessern, zuletzt etwa im Rahmen des EU-finanzierten Forschungsprojektes BOOST 4.0, an dem sich auch das Fraunhofer Institut für Entwurfstechnik Mechatronik beteiligt hat. Mit sehr erfreulichem Ergebnis: Durch Industrial Data Analytics konnte Benteler die Anlageneffektivität um bis zu fünf Prozent steigern.

Über die datenbasierte Instandhaltung lässt sich der Zustand von Maschinen datengetrieben permanent überwachen. Schon kleinste Abweichungen fallen auf. Potenzielle Fehlentwicklungen lassen sich frühzeitig antizipieren und gegebenenfalls vermeiden.

Zu diesen Erkenntnissen kam Benteler in einer Produktionsanlage des Geschäftsbereichs Automotive am Hauptsitz in Paderborn. An einer der Fertigungslinien werden Strukturteile für Automobile hergestellt. Es handelt sich dabei um ein komplexes System bestehend unter anderem aus Industrierobotern, einer Ofenstraße und einer Hydraulikpresse.

Gesamte Produktionslinie sammelt Daten

Die gesamte Produktionslinie wurde im Rahmen von BOOST 4.0 mit Sensoren ausgestattet. So ließen sich an den unterschiedlichsten Bereichen innerhalb des Produktionsprozesses Informationen über die Gegebenheiten der Maschine sowie über den Zustand der Maschine erheben. Ziel war es, die Instandhaltung der Anlage zu optimieren, indem die Maschine anhand der Datenlage Abweichungen im Produktionsprozess selbst erkennt. Das kann Problemen vorbeugen und so die Effizienz der Produktion gewährleisten.

Obwohl Benteler regelmäßig Instandhaltungsmaßnahmen plant und durchführt, sind Maschinenfehler, die spontane Reparaturen erforderlich machen, nicht auszuschließen. Das kann beispielsweise ein unentdecktes Öl-Leck in der Pressenhydraulik sein. Um derartige Fehler zu beheben, müssen die Verantwortlichen den Prozess komplett stoppen. Dies führt schlimmstenfalls zu erheblichen Ausfällen und erhöhten Kosten.

Smart Production Data Platform erwies sich als funktionales Herzstück

Die Vorhersage von Maschinenfehlern bietet daher immense Vorteile. Um dies zu ermöglichen, haben wir Lösungen für unterschiedliche Problemdimensionen erarbeitet. Neben der technischen Infrastruktur zur industriellen Datenanalyse hat Benteler mit seinen Partnern die Datenauswertung entwickelt, die Prozessintegration auf der Anwendungsebene realisiert und das methodische Vorgehen bei der Umsetzung von Smart Maintenance analysiert. Als Beispiele wurden die Instandhaltung einer hydraulischen Presse sowie einer Fördertechnikanlage betrachtet. Als das funktionale Herzstück dieser Pilotfabrik erwies sich dabei eine von der Benteler-IT eingerichtete Daten-Plattform (Smart Production Data Platform). Diese erfüllte drei zentrale Aufgaben:

  • 1. Aktuelle und historische Produktionsdaten bereitzustellen
  • 2. Daten zu analysieren, um Fehler zu erkennen
  • 3. Ergebnisse für den Nutzer der Plattform zu visualisieren

Auf diese Weise konnten wir die von den Sensoren erhobenen Daten zentral erfassen, speichern und auswerten. Der Zustand der Maschine ließ sich somit in Echtzeit überwachen. Zudem ließen sich die Daten systematisch sammeln, um Muster im Produktionsablauf und Abweichungen davon zu erkennen. Dazu hat Benteler verschiedene Ansätze aus den Industry Analytics genutzt, zum Beispiel maschinelle Lernverfahren, Anomalie-Direktionsverfahren sowie Prädiktionsmodelle. So kann der Zustand einer Maschine prognostiziert werden.

Vorausschauende und effizientere Instandhaltungsplanung

Für uns bedeuten die gewonnen Daten eine vorausschauende und damit effizientere Instandhaltungsplanung. Maschinenfehler können vorhergesagt und somit gegebenenfalls auch vorbeugend behoben werden. Leistungsindikatoren neben der bereits erwähnten Steigerung der Gesamtanlageneffektivität sind: die Senkung der Wartungskosten, die Verringerung der Reparaturzeiten sowie die Erhöhung der durchgehenden Laufzeit der Maschinen ohne Ausfall.

Benteler hat nach einer dreijährigen Laufzeit das Projekt BOOST 4.0 unter dem Dach des Spitzenclusters it’s OWL erfolgreich abgeschlossen. Im Rahmen des Forschungsprojekts konnte das Unternehmen gemeinsam mit den Partnern die eigene Big-Data-Infrastruktur verbessern. BOOST 4.0 schafft die technologischen Grundlagen, Big-Data- und Industrie-4.0-Strategien europaweit erfolgreich zu realisieren. Wir werden auf Basis der Forschungsergebnisse die Digitalisierung unserer Werke vorantreiben und die Anlageneffektivität aller Standorte erhöhen. Ziel ist, die Projektergebnisse auf alle Werke weltweit anzuwenden.

(ID:47700425)