Facharbeiter installieren Sensoren in das Werkzeug einer Umformmaschine, die Bauteile für Haushaltsgeräte presst.
Gorenje Group
Dem Szenario sich selbst instand haltender Anlagen in der Industrie 4.0 sind Forscher jetzt näher gekommen. Im Projekt iMAIN ist es ihnen gelungen, Maschinen in bisher unbekannter Qualität und in Echtzeit am Rechner zu überwachen.
Umformmaschinen müssen einiges aushalten, und das über eine lange Zeit. Fallen sie aus, ist der Schaden groß. Zudem sind die Maschinen meist in eine Prozesskette eingebettet, sodass bei Ausfällen die gesamte Produktion stillsteht. Forscher des Fraunhofer-Instituts für Werkzeugmaschinen und Umformtechnik IWU in Chemnitz arbeiten daran, dass Maschinen in Zukunft ihren Zustand genau kennen. Im EU-Projekt iMAIN haben die Wissenschaftler den Prototypen einer Technologie entwickelt, die es erlaubt, eine Aussage darüber zu treffen, zu welchem Zeitpunkt eine Anlage oder eine Komponente in naher Zukunft ausfällt oder bricht.
Kernstück der Technologie sind virtuelle Sensoren. Diese werden einerseits von den rechnergestützten Simulationsmodellen der Maschine und andererseits über reale Sensoren mit Informationen über die auftretenden Spannungen in einzelnen Bauteilen gespeist. „Anhand mathematischer Modelle und nur weniger wirklich installierter Sensoren können so Spannungsszenarien an der kompletten Maschine realgetreu und in Echtzeit simuliert werden. Das ermöglicht eine vorausschauende Instandhaltung in einer Form, die es bisher noch nicht gibt“, sagt Markus Wabner vom Fraunhofer IWU.
Virtuelle ersetzen reale Sensoren
Weitere Artikel zum Thema |
Bisher läuft die Instandhaltung meist turnusmäßig ab oder man reagiert ad hoc auf Ausfälle. Manche Hersteller nutzen zwar bereits reale Sensoren. Sich alleine auf diese zu verlassen, hat jedoch nach Ansicht der Fraunhofer-Forscher Nachteile: Es ist aufwendig und teuer sie zu installieren, sie selbst müssen dauerhaft überwacht werden und sie messen nur Belastungen, die dort auftreten, wo sie installiert sind. Belastungen an anderen Stellen bleiben außen vor. „Aus unserer Sicht sind die ‚virtuellen Sensoren‘ deshalb auch der einzig denkbare Ansatz, ganzheitliche Belastungsszenarien auf wirtschaftliche Weise darzustellen“, so Wabner.
Algorithmen, Simulationen und mathematische Modelle geben zwar ein sehr gutes Bild der Realität ab, aber auch die genauesten Berechnungen können Fehler beinhalten. Deswegen gleichen die Forscher die Daten kontinuierlich direkt an der Maschine mit realen Messwerten ab. Über eine firmeninterne Cloud können Belastungshistorien erstellt und Informationen von verschiedenen Anlagen zusammengeführt und über unterschiedliche Schnittstellen – Smartphone, Tablet oder Laptop – ausgegeben werden. „Je mehr Daten zur Verfügung stehen, desto größer ist das Wissen um den richtigen Zeitpunkt zum Eingreifen. Die Maschinen lernen mit der Zeit, wann es notwendig ist, Komponenten auszutauschen oder ob sie optimal ausgelastet sind. Dafür entwickeln wir die Algorithmen. Die Werte werden mit einem Modell abgeglichen, das diejenigen Grenzwerte ermittelt, bei denen das Material bricht“, so Wabner.