Industrie-4.0-Förderprojekt erfolgreich abgeschlossen

Intelligente Überwachung von Produktionsmaschinen

Die Forschungspartner Technische Hochschule Deggendorf und die Technische Universität München sowie den beiden Unternehmen Schindler & Schill (EasyLogix) und Systema haben das BMWi-ZIM-Projekt MobiCM erfolgreich abgeschlossen. Das Projekt entstand im Netzwerk I2P Innovative IT für die Produktion des IT-Logistikclusters an der TechBase Regensburg und hatte die Entwicklung eines intelligenten Netzanalysesensors auf Basis unterschiedlicher Signalerfassungs- und Analyseverfahren als Ziel – ein System zur Zustandsüberwachung von Produktionsmaschinen.
Projektpartner des Förderprojekts MobiCM (Mobiles Condition Monitoring System), Projekttreffen am 26.02.2019 in der TechBase Regensburg
Projektpartner des Förderprojekts MobiCM (Mobiles Condition Monitoring System), Projekttreffen am 26. Februar 2019 in der TechBase Regensburg – Bild: Maria Hirschberger, R-Tech GmbH

Im Rahmen der Forschungs- und Entwicklungstätigkeiten wurde am Technologie Campus Freyung der Technischen Hochschule Deggendorf ein Prototyp eines Netzanalysesensors entwickelt, aufgebaut und in Betrieb genommen. Neben der passiven Netzanalyse besitzt dieser Sensor auch Hard- und Softwarekomponenten zur Durchführung einer aktiven Analyse des Stromnetzes. Verschiedene Geräte unterschiedlichen Anwendungstyps wurden in die Versuchsumgebung integriert. Hiermit können Anlagendaten erfasst werden. Sowohl bei passiver als auch aktiver Signalerfassung wurden anschließend Methoden des maschinellen Lernens entwickelt um sowohl eine Zustandsdiskretisierung als auch eine Zustandskategorisierung zu erreichen.

Die Messdaten des mobilen Netzanalysesensors können mit Hilfe einer durch die Schindler & Schill entwickelten Cloud Service Plattform effizient verarbeitet werden. Geräte, Abläufe und Daten werden in dieser Plattform vereint, um mit geringem Aufwand Anlagen mit Condition Monitoring nachzurüsten.

Retrofit durch Methoden künstlicher Intelligenz

Das Herzstück des neuartigen Condition-Monitoring-Systems sind laut der Technischen Universität München die KI-Algorithmen um Events zur Zustandsänderung in den erfassten elektrischen Signalen von Maschinen und Anlagen zu erfassen. Hierzu wurde ein Ansatz entwickelt, der vollständig unüberwacht in der Lage ist die signifikanten Änderungen im elektrischen Signal zu registrieren. Der Algorithmus kann in verschiedenen Umgebungen eingesetzt werden und erfordert keine menschliche Intervention.

Die im Rahmen des Forschungsvorhabens entwickelten KI-Methoden spielen eine entscheidende Rolle, das Systema-Retrofitportfolio erfolgreich und nachhaltig von internationalen Mitbewerbern abgrenzen zu können. Die gemeinsam entwickelte Condition-Monitoring-Lösung wurde zunächst exemplarisch als Proof of Concept im Rahmen der Projektakquise bei verschiedenen Kunden im Bereich der Halbleiterfertigung ausgerollt. Nach einiger Zeit ist das Industrial Internet of Things Retrofit auch im deutschen Fertigungsgewerbe angekommen. Grund hierfür sind insbesondere messbare Produktivitätsgewinne durch eine verbesserte Digitalisierung der Fertigungsprozesse.

Lösung für kleine und mittelständische Unternehmen

Die Entwicklung eines kostengünstigen Systems zur Anlagenzustandsüberwachung soll vor allem die Wettbewerbsfähigkeit global agierender kleiner und mittelständischer Unternehmen (KMU) im Bereich der industriellen Fertigung sichern. Hervorzuheben ist laut Maria Hirschberger vom IT-Logistikcluster, dass die MobiCM Zustandsüberwachung an den Maschinen nichtinvasiv, das heißt ohne Veränderungen an der bestehenden Produktionslinie ausgerollt und auch nachträglich an älteren Maschinen ohne digitale Schnittstellen verwendet werden kann. Die kontinuierliche Zustandsüberwachung und Datenauswertung steigert die Effizienz bei der Maschinenwartung und verhindert Produktionsausfälle sowie Stillstandzeiten.

Das könnte Sie auch Interessieren

Bild: Analog Devices GmbH
Bild: Analog Devices GmbH
Warum vorausschauende Wartung?

Warum vorausschauende Wartung?

Allein in Fabriken in den USA entstehen pro Jahr ungeplante Ausfallzeiten von 14 Millionen Stunden. Die Ursache dafür, Systemfehler, bescheren der Industrie Kosten in Milliardenhöhe. Um solche Szenarien zu verhindern,
nutzen Fabriken in der Regel einen teuren manuellen Ansatz: Experten sammeln Daten, um den Zustand der
Anlagen zu beurteilen. Auch kommen oft Sensorlösungen zum Einsatz, die jedoch nicht alle möglichen Ausfälle zuverlässig erkennen können. Mehr Potenzial versprechen Systemlösungen für die vorausschauende Wartung.

Bild: Roxon
Bild: Roxon
Online-Zustandsüberwachung für Gurtförderanlagen

Online-Zustandsüberwachung für Gurtförderanlagen

Schmersal stellt über seinen Systempartner Roxon eine vollautomatisierte Online-Zustandsüberwachung für Gurtförderanlagen vor: Der HX170 basiert auf einer optischen Zustandsüberwachung des Oberflächenprofils, wodurch alle möglichen Beschädigungen der Verbindungsstellen sowie Längsschlitze, Risse und Löcher an der Bandoberfläche erkannt werden sollen.

Bild: Fraunhofer-Institut IGD/©angkhan/stock.adobe.com
Bild: Fraunhofer-Institut IGD/©angkhan/stock.adobe.com
Risiken verringern: Fraunhofer-Software entwickelt FMEA weiter

Risiken verringern: Fraunhofer-Software entwickelt FMEA weiter

Ob autonomes Fahrzeug in der Intralogistik oder Werkzeugmaschine in der industriellen Fertigung: Fehler und Ausfälle einzelner Geräte und Komponenten sind nicht immer zu vermeiden. Deren Wahrscheinlichkeit einzuschätzen und den Aufbau technischer Systeme hinsichtlich ihrer Betriebs- und Prozesssicherheit zu verbessern, ist daher umso wichtiger. Mit proSvift entwickelten Forschende des Fraunhofer IGD ein neues Analysewerkzeug, das auf einer probabilistischen Fehlermöglichkeits- und Einflussanalyse (FMEA) basiert und intuitiv steuerbar ist. Anwender sollen so Produktionsausfälle, kritische Auswirkungen und Folgekosten reduzieren können.