Um Probleme in der Fertigung schnell zu erkennen und die Qualität zu sichern, bündelt c-Com alle verfügbaren Daten rund um Maschine, Werkzeug und Werkstück für eine Analyse mit künstlicher Intelligenz (KI). Das neue Modul Machining Analytics Solutions (MAS) begleitet den Produktionsprozess mit einem digitalen Zwilling und eignet sich auch speziell für Verzahnungswerkzeuge.
Selten kommt ein Werkzeugbruch aus heiterem Himmel. Bevor der Zahn eines Wälzfräsers ausbricht, kündigt sich der Fehler oft im Vorfeld durch eine Kombination charakteristischer Werte an. Für Trendanalysen wertet das Modul Machining Analytics Solutions (MAS) von c-Com die Daten in Echtzeit aus und warnt den Anwender davor, dass im Produktionsprozess etwas aus dem Ruder läuft. Mit dieser Information kann die Bearbeitung rechtzeitig gestoppt, der teure Fräser vor einer Beschädigung bewahrt und das Werkstück gerettet werden.
Alles im Blick
Das lernfähige Programm baut auf zwei weiteren Modulen von c-Com auf: dem Digital Tool Management (DTM) und dem Life Cycle Management (LCM). In MAS haben die Spezialisten die positiven Erkenntnisse aus den ersten beiden Modulen einfließen lassen und mit KI angereichert. Ausgangspunkt ist der digitale Zwilling des Werkzeugs. Im nächsten Schritt verfolgt c-Com den Prozessablauf und hält fest, welchen Weg das Werkzeug geht, wo es zum Einsatz kommt, wer damit zu tun hat. Der gesamte Lebenszyklus wird so in seiner Tiefe erfasst. Die Plattform gibt die Möglichkeit, den digitalen Zwilling auch über Unternehmensgrenzen hinweg zu teilen. Ein Verzahnungswerkzeug durchläuft viele Stationen in einem Aufbereitungsprozess. Wiederholt ist es unterwegs zum Nachschleifen, zum Beschichten, zum Integrator und zurück zum Kunden. „Indem wir den zentralen digitalen Zwilling zur Verfügung stellen, garantieren wir allen Beteiligten im Prozess immer den Zugriff auf die Echtzeitdaten des Werkzeugs“, unterstreicht Bernhard Schuster, Teamleiter Projekt- und Anwendungsbetreuung.
Daten flexibel einbeziehen
Im Idealfall ist c-Com so integriert, dass die Daten im Hintergrund befüllt werden. „Wir sind in der Lage, die Datenstruktur kundenindividuell aufzubauen“, erläutert Business Development Manager Matti Maier. „Es gibt Kernparameter für jedes Werkzeug, aber darüber hinaus eine große Bandbreite individueller Daten und Parameter bei den Kunden, die wir sehr flexibel einbeziehen können, ohne vorhandene Strukturen zu verändern.“
Für ein großes Verzahnungswerkzeug existieren oft rund 70 verschiedene Parameter. Diese händisch in eine Tabelle oder eine Steuerung abzutippen, ist aufwendig und fehleranfällig. Zudem sind in den ERP-Systemen meist nur die Bestände an Werkzeugen hinterlegt, aber keinerlei Information über deren jeweiligen Zustand. Es fällt schwer, damit die Produktionskapazität zu planen. Weil für Verzahnungswerkzeuge Lieferzeiten bis zu 20 Wochen keine Seltenheit sind, werden oft unnötig große Sicherheitsbestände angelegt, die Kapital binden.
Höhere Transparenz schafft c-Com mit der Einbeziehung von Anwendungsdaten. In der Werkzeugverfolgung wird u.a. festgehalten, wie viele Werkzeuge im Umlauf sind, auf welche Weise sie zur Anwendung kamen, wie hoch ihre verbleibende Standzeit ist und wie oft sie bereits aufbereitet wurden. „Mit unserer Lösung dokumentieren wir die Historie vollständig und können zum Beispiel aussagen, für wie viele Teile die vorhandene Produktionskapazität noch ausreicht“, so Schuster. Kommt es zu vorzeitigem Werkzeugbruch oder bleibt die Leistung des Werkzeugs unter den Erwartungen, liefert der digitalisierte Verzahnungsprozess Erklärungen. Weitere Informationen bringt die Aggregation der Daten für ganze Werkzeuggruppen. Verändert sich etwa eine Standmenge im Durchschnitt, so zeigt die Trendanalyse ein Problem im Prozess auf.
KI deckt Fehler auf
Was die KI im Modul MAS zu leisten vermag, zeigte sich während der Validierung bei einem großen Automobilhersteller. Dort suchten die Ingenieure ein Jahr lang vergeblich die Ursache für ein Qualitätsproblem an einem Werkstück. Die Analyse von c-Com führte binnen vier Wochen zu einer Lösung. Bei mehrdimensionalen Korrelationen spielt die KI ihren Nutzen deutlich aus.
www.c-com.net
