In industriellen Produktionsprozessen wird zunehmend eine vorausschauende Wartung angewendet. Das heißt, dass man eingreift, bevor ein Fehler sich überhaupt manifestiert. Dies ist möglich durch permanente Überwachung mit einer geeigneten Controlling-Software. Wenn dann bestimmte Datenmuster auftauchen, die auf ein baldiges Fehlerereignis hindeuten, wird eine Warnung ausgegeben. Dadurch ist eine Reaktion möglich, bevor Ausschuss produziert wird.

Wartung nur im Fehlerfall

Eine Controlling-Software ist in modernen Fabriken flächendeckend implementiert, um den Produktionsprozess zu überwachen. Sie erlaubt vor allem die Analyse von Fehlern, wenn sie passiert sind; die Analyse wird dann genutzt für die Verbesserung des Prozesses. Vorausschauende Wartung (englisch: predictive Maintenance) ist jedoch noch nicht überall eingebaut. Sie erlaubt eine Wartung, bevor der Fehler auftritt. Schon allein dadurch wird die Produktivität des Prozesses deutlich erhöht, weil weniger Ausschuss auftritt.

Weitere Kosteneinsparungen lassen sich erreichen, weil man die festen Wartungszeiten deutlich reduzieren kann. Feste Wartungszeiten sind notwendig, wenn man zu wenige Informationen über den Produktionsprozess hat. Der Nachteil ist, dass erhöhte Kosten entstehen durch Produktionsunterbrechungen, mehr Personalaufwand und Vorhaltung von Ersatzteilen für die Beseitigung aller Fehler, die möglicherweise vorkommen.

Im Idealfall wäre es möglich, nur Wartungen durchzuführen, wenn ein Fehler vorausgesagt wird. Nun wird man die dazu notwendige vollständige Information nicht erreichen. Deshalb wird es einen Wartungsplan nach wie vor geben müssen. Aber die Intervalle können bei vorausschauender Wartung in viel größeren Abständen geplant werden, und auch die Anzahl der notwendigen Ersatzteile ist stark reduziert.

Umfangreiche Datenbasis

Vorausschauende Wartung ist nur möglich auf der Basis einer umfassenden Datensammlung aus dem gesamten Produktionsprozess einschließlich der Prüfmaschinen. Wichtig sind auch die Daten aus einem einigermaßen langen Zeitraum der Vergangenheit, weil daraus die Prognosen möglicher Fehler berechnet werden. Wenn die Daten dann zum Beispiel bei einer bestimmten Fertigungsmaschine ein Muster erkennen lassen, das in der Vergangenheit zur einer Verletzung eines Grenzwerts geführt hat, wird eine Warnung ausgegeben.

Sowohl die Mustererkennung als auch die Warnung sind automatisiert. Damit kann der zuständige Mitarbeiter in kurzer Zeit die Fertigungsmaschine wieder so einstellen, dass der Grenzwert nicht erreicht wird oder zumindest der Ausschuss begrenzt bleibt.

Im Folgenden sind zwei Beispiele von XINFO-Software aufgeführt, die zum Controlling in der Motorenfertigung in der Automobilindustrie eingesetzt werden: ein System zur Steuerung der Produktion und iProzer. Sie zeigen, wie vorausschauende Wartung in der Praxis durchgeführt wird.

Produktions-Steuerungs-System

Das Programm von XINFO zur Steuerung der Produktion wird unter anderem in der Fertigung von Zylinderköpfen eingesetzt. Dort hat es viele Aufgaben, von denen eine die Trendanalyse ist. Diese Art der Analyse benutzt unter anderem Grenzwerte. Bei Annäherung der Messdaten an eine solche Schwelle wird ein Eingriff erforderlich, um den vorgegebenen Wertekorridor nicht zu verlassen.

Die Grenzwerte werden permanent beobachtet. Sobald die statistischen Analysen die Tendenz zeigen, dass einer dieser Werte bald erreicht wird, werden rechtzeitig Warnsignale gegeben. Wenn zum Beispiel der Kolbendurchmesser sich immer mehr der kritischen Schwelle nähert, wird ein Mitarbeiter informiert, der dann die Fertigungsmaschine neu kalibriert. In den meisten Fällen ist damit das Problem gelöst, und zwar ohne dass Ausschuss produziert wurde.

Eine weitere Aufgabe des Systems ist die Steuerung des Werkzeugwechsels. Nehmen wir als Beispiel eine Linie, auf der drei verschiedene Bauteile bearbeitet werden, ein 3-Zylinder-Block, ein 4-Zylinder-Block und ein 6-Zylinder-Block. Für jeden Zylinder werden zwei Bohrungen angebracht, der Takt beträgt 30 Sekunden. Das sind insgesamt 26 Bohrungen pro Takt, oder 3120 Bohrungen pro Stunde. Mit der Information, dass ein Bohrer eine Mindeststandzeit von 100 000 Bohrungen hat, lässt sich auf einfache Weise ausrechnen, wie lange er hält. Dafür braucht es kein kompliziertes EDV-System.

Nur, so einfach ist es eben nicht, denn der Zylindermix kann unterschiedlich sein. Das heißt, die Blöcke kommen in verschiedenen Verhältnissen über die Linie. Mal gibt es mehr 3-Zylinder-Blöcke, mal mehr 4-Zylinder-Blöcke und mal mehr 6-Zylinder-Blöcke. Damit aber ändert sich auch der Verschleiß der Bohrer, denn bei größeren Blöcken werden mehr Bohrungen pro Takt gemacht als bei kleineren. Je größer der Block, desto eher ist die Mindeststandzeit erreicht.

Das System von XINFO kann unter diesen Bedingungen den Werkzeugwechsel steuern. Es hat Zugriff auf die Datenbank und weiß dadurch die genaue Reihenfolge der Blöcke auf der Linie. Es weiß auch, wie viele Bohrungen die Werkzeuge schon hinter sich haben. Mit diesen Informationen ist es ein Leichtes, einen rechtzeitigen Werkzeugwechsel (= vorausschauende Wartung) einzuleiten, bevor Ausschuss produziert wird.

iProzer

Ein weiteres Beispiel ist iProzer von XINFO, das ebenfalls in der Automobilindustrie eingesetzt wird, vor allem bei der Kernteilfertigung. Das Beispiel unterscheidet sich etwas von dem Produktions-Steuerungs-System, weil hier ein einzelnes Bauteil defekt ist, und daraufhin in die Nacharbeit geht. Man kann deshalb nicht im strengen Sinn von vorausschauender Wartung sprechen, weil ja auf einen Defekt reagiert wird, der schon eingetreten ist. Es zeigt aber dennoch, wie durch eine Mustererkennung in den Basisdaten Kosten reduziert werden können.

Nehmen wir als Beispiel wiederum die Fertigung von Zylinderköpfen. Für jeden dieser Köpfe wird ein Datensatz angelegt, der eine detaillierte Analyse des Produktionsprozesses über alle Stationen hinweg erlaubt. Dabei werden alle Arten von Daten gesammelt, wie Maße, Zeiten, Temperaturen und die eingesetzten Werkzeuge. Insbesondere sind die Daten aus den Messmaschinen wichtig, die während und nach der Produktion überprüfen, ob die Grenzwerte eingehalten werden.

Wird ein solcher Wert erreicht, geht der Zylinderkopf in die Nacharbeit. Dies wird von iProzer registriert und er prüft daraufhin die Konstellation der Daten aus der Vergangenheit. Zum Beispiel könnte er ein Korrelationsmuster in den Daten entdecken, das auch bei dem aktuell defekten Zylinderkopf aufgetreten ist, und eine Fehlerursache identifizieren, die in 85% aller Fälle zu einer Nacharbeit geführt hat. Zusammen mit weiteren aufgetretenen Fehlern kann er dann dem Mitarbeiter bei der Nacharbeit die wahrscheinlichsten Gründe für den Fehler in der Reihenfolge der Häufigkeit präsentieren. Dadurch entfällt die zeitraubende Suche nach der Ursache, denn in den meisten Fällen sind fast 100% davon durch iProzer abgedeckt.

Ohne iProzer standen früher zwar die Daten auch zur Verfügung, aber nur sehr erfahrene Spezialisten konnten darin die relevanten Messdaten finden und die richtigen Schlüsse ziehen. Teilweise war das erst nach tagelangen Untersuchungen möglich.

Das Beispiel zeigt, dass durch eine rechnergesteuerte Analyse von ähnlichen Datenlagen die wahrscheinlichen Fehlerursachen identifiziert und an die Nacharbeit übermittelt werden. Sobald die dortigen Mitarbeiter dann die Ursache genau festgestellt haben, ist es möglich, die entsprechende Messmaschine zu reparieren. Ohne die Mustererkennung von iProzer hätte die Erkennung der fehlerhaften Messmaschine viel länger gedauert, oder wäre sogar erst zum nächsten regulären Wartungszeitpunkt erkannt worden.

Produktivität und weitere Entwicklungen

Die Beispiele zeigen, dass durch vorausschauende Wartung und Mustererkennung auf jeden Fall positive Effekte erzielt werden. Die Kosten sind geringer, die Produktivität ist höher. Insgesamt ergibt sich eine höhere Stabilität des Fertigungsprozesses, weil Schäden schon im Vorstadium entdeckt werden, und weil Werkzeuge genau dann ausgetauscht werden, wenn ihre Standzeit abgelaufen ist.

Bei vorausschauender Wartung ist aber heute oft noch ein manueller Eingriff nötig, nämlich wenn die Ursache eines Fehlers beseitigt wird. Eine echte Weiterentwicklung wird in integrierten Fabriken nach den Prinzipien von Industrie 4.0 passieren. Erst hier, wenn alle Maschinen und Produkte vernetzt sind und sich selbst steuern, ist kein manuelles Eingreifen mehr nötig. Denn die Fertigungsmaschine lässt sich nun in allen Parametern computergesteuert in Echtzeit anpassen – wenn nötig sogar für jedes Bauteil einzeln. Entsprechend geringer sind die Kosten.

Auch die Datengrundlage wird sich weiter ausweiten, und zwar in Richtung Big Data. Mit den Algorithmus-basierten Methoden, die hier verwendet werden, ist es möglich, auch unstrukturierte Daten auszuwerten. Mit der dann nochmals vergrößerten Datenbasis dürfte die vorausschauende Fehlererkennung noch genauer werden.

Kontakt

Kontaktieren Sie uns, um zu erfahren, wie sich Ihre Prozesse durch Predictive Maintenance und Co. verbessern lassen.