Suchen

Systemzuverlässigkeit

Ein Maschinenpark wartet (und repariert) sich selbst

| Redakteur: Jürgen Schreier

Im EU-Projekt SelSus arbeiten Fraunhofer-Wissenschaftler mit Partnern aus der Industrie und Forschung an einer Technologie, die Maschinenausfälle in der Produktion prognostiziert, bevor sie auftreten. Manche Defekte "repariert" das System sogar selbst.

Firmen zum Thema

Im EU-Forschungsprojekt SelSus entwickelter, sich selbst reparierender Dispenser des Projektpartners Manufacturing Technology Centre für die Motorenproduktion
Im EU-Forschungsprojekt SelSus entwickelter, sich selbst reparierender Dispenser des Projektpartners Manufacturing Technology Centre für die Motorenproduktion
(Bild: Fraunhofer IPA)

Nichts fürchten Betriebsleiter mehr als den plötzlichen Ausfall einer Maschine während der laufenden Produktion. Die Folge: hektische Reparatureinsätze und steigende Kosten hoch. Auch der Kunde ist in der Regle "not amused", weshalb solche Havarien einen Schatten auf die Liefertreue werfen. Das Fatale daran: Oft sind es vergleichsweise kleine Defekte oder Verschleißerscheinungen, die die Produktion Stören oder gar zum Erliegen bringen. Diese "Minidefekte" bleiben meist unentdeckt, führen dann aber schlagartig zu größeren Ausfällen.

Electrolux setzt erfolgreich Decision-Support-System ein

Nützlich wäre folglich eine Technik, die den Status aller Komponenten in der Produktionsstraße überwacht, Probleme und Schwachstellen identifiziert und den zuständigen Mitarbeiter rechtzeitig informiert. Auf der Basis eines sogenannten Decision-Support-Systems eine kann dieser dann Entscheidungen treffen und und den Defekt beheben. Im günstigsten Fall muss dazu nicht einmal die Produktion unterbrochen werden. Genau daran forscht das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA im Rahmen des Projekts SelSus .

"Ziel ist es nicht nur, den Status der Maschinen und Komponenten zu überwachen, vielmehr sollen Schwachstellen oder Verschleißerscheinungen mithilfe intelligenter Software und von Sensor-Netzwerken so frühzeitig erkannt werden, dass das System einen Ausfall prognostizieren kann", erklärt Martin Kasperczyk vom Fraunhofer IPA. Die entwickelten Diagnoseverfahren geben zusätzlich Hinweise oder Empfehlungen, wie das Problem behoben werden kann.

So wird etwa beim SelSus-Projektpartner Electrolux in Pordenone in Italien ein solches Decision-Support-System eingesetzt. Das System kann mit einer gewissen Wahrscheinlichkeit bevorstehende Ausfälle an einer Presse, mit der Verkleidungen von Waschmaschinen hergestellt werden, vorhersagen und tatsächlich aufgetretene Störungen diagnostizieren. Die Daten zum aktuellen Status der Maschinen liefern unter anderem Sensoren, die Werte wie Energieverbrauch, Temperatur, Öldruck, Partikel im Öl oder Vibrationen messen. Das Schöne daran: Das Ganze funktioniert in der Praxis.

Auswertung der Datenflut war eine Herausforderung

Das System ist sogar in der Lage, sich gewissermaßen selbst zu "reparieren", indem es Steuerimpulse an einzelne Maschinen gibt. Eine Schweißsteuerung, bei der ein Sensor ausgefallen ist, kann fast unterbrechungsfrei in einem "sicheren Modus" weiterarbeiten, ohne dass es zu größeren Störungen kommt. Die Fähigkeit die Produktion auf diese Weise aufrecht zu erhalten, hat dem Projekt auch seinen Namen gegeben. Denn SelSus steht für "Health Monitoring and Life-Long Capability Management for Self-Sustaining Manufacturing Systems".

Allerdings waren zunächst einige technologische Hürden zu nehmen. Martin Kasperczyk sagt: "Vor allem die Auswertung der Datenflut war eine Herausforderung. Schließlich geht es darum, Ausfälle oder Pannen bei Maschinen mit hoher Zuverlässigkeit zu prognostizieren. Da genügt es nicht, ein paar Algorithmen zu programmieren."

SelSus nutzt Bayes' sche Netze, Sensordaten und Leistungsparameter

Dazu setzen die SelSus-Experten auf Bayes' sche Netze. Mit diesem mathematischen Verfahren lässt sich die Wahrscheinlichkeit berechnen, mit der ein bestimmtes Ereignis oder ein Zustand eintritt. Dabei werden mehrere Variablen und die mit ihnen verbundenen Wahrscheinlichkeiten miteinbezogen. Basierend auf den von den Sensoren gewonnenen Daten berechnet die Software beispielsweise, wie wahrscheinlich es ist, dass ein bestimmtes stark beanspruchtes Kabel demnächst bricht, und meldet gegebenenfalls, dass es ausgetauscht werden muss.

Die SelSus-Software verlässt sich aber nicht allein auf Sensoren. Die technischen Eigenschaften der Maschine und ihre Leistungsparameter werden ebenso berücksichtigt. Diese Daten müssen bei der Installation und Konfiguration des Systems eingespeist werden. Zudem zeigt ein ausführlicher Probelauf dem System, wie die Anlage und ihre Komponenten sich im Dauerbetrieb und unter Belastung verhalten. Erst dann ist es bereit.

Neue Daten, die etwa aus Upgrades an den Maschinen resultieren, aber auch das verschleißbedingte Nachlassen der Leistung registriert die Software ebenfalls und lernt auf diese Weise dazu. SelSus interagiert sogar mit dem Menschen. Die Software analysiert die Ursachen eines drohenden oder bereits eingetretenen Ausfalls und gibt den Mitarbeitern passende Handlungsempfehlungen.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 44866694)