Retrofitting für Bestandsmaschinen

Alte Maschinen digital fit machen

Bild: © wladimir1804/Fotolia.com

Um den Umstieg in eine digitale Ära zu schaffen, stehen grundsätzlich zwei Wege offen: Beim Greenfield-Ansatz handelt es sich quasi um einen Baukasten aus neuen Technologien – beispielsweise Maschinen der neuesten Generation. Für viele Unternehmen ist dies jedoch wirtschaftlich nicht vertretbar.

Der Brownfield-Ansatz – oder auch ‘Retrofitting‘ bekannt – bezeichnet eine Methode, bei der ältere Maschinen nachträglich modernisiert beziehungsweise aufgerüstet werden, um sie an digitale Systeme anzubinden. Dies führt zu geringeren Investitionskosten.

Wie kann Retrofitting funktionieren?

Ein Vorteil von Retrofitting ist, dass die Methode schrittweise umgesetzt werden kann. Die Bandbreite reicht von der intelligenten Überwachung einzelner Maschinen bis zur unternehmensweiten Datensammlung für neue Geschäftsmodelle. Der VDMA hat gemeinsam mit Fraunhofer IOSB-INA ein Retrofit-Stufenmodell entwickelt. Zu den wichtigsten Schritten gehören:

1. Messgrößen definieren

Dabei geht es darum, je nach Use Case relevante Werte einer Maschine oder eines Maschinenparks zu bestimmen. Diese können von den Umgebungsbedingungen über Vibrations- und Bewegungsdaten bis hin zu prozessspezifischen Messgrößen reichen.

2. Vorhandene Datenquellen oder externe Sensorik?

Je nach Alter und Ausbaustufe kann es sein, dass eine Maschine die erforderliche Sensorik und entsprechende Schnittstellen wie etwa Ethernet enthält oder diese sich leicht nachrüsten lassen. Der Kontakt zum Hersteller kann dabei Zusatzaufwand ersparen. Wenn dies nicht möglich ist, ist der Einsatz von externer Sensorik notwendig. Dafür sind Lösungen in Entwicklung, die die geringeren Fertigungskosten der Sensoren in der Consumer-Elektronik oder Automobilbranche mit den hohen Anforderungen im Industriebereich zu verbinden versuchen.

3. Digitale Kommunikation ermöglichen

Dazu gehört gehört etwa die Überprüfung der Netzwerkinfrastruktur inklusive erforderlicher Bandbreiten sowie die Übersetzung der Sensordaten, falls diese nicht bereits in einem geeigneten Format vorliegen. In der Regel übernehmen dies Industrial Internet of Things (IIoT) Gateways oder Industrie-PCs (IPC).

4. Datenanalyse und -aufbereitung sowie daraus abgeleitete Aktionen einrichten

Dabei geht es darum, die Daten so zu nutzen, dass etwa die Maschinen durch einen Predictive Maintenance-Ansatz weitgehend automatisiert überwacht und mögliche Störfälle frühzeitig erkannt werden. Um Brownfield-Anlagen möglichst effizient zu betreiben, kommen zunehmend Technologien wie künstliche Intelligenz beziehungsweise Machine Learning in Verbindung mit ERP-Systemen als zentrale Datenplattform im Produktionsumfeld zum Einsatz.

Retrofitting und smartes ERP in der Praxis

Bei der Günther Spelsberg GmbH & Co. KG, einem Hersteller von Kunststoffgehäusen für Elektrotechnik und Industrie, hat der ERP-Anbieter Proalpha beinen Prototyp auf Basis eines Raspberry Pi entwickelt. Dieser empfängt, verarbeitet und leitet Produktionsbefehle vom ERP-System an die Maschine weiter. Zudem wurde ein Rückkanal entwickelt, der einen Informationsfluss von der Maschine an das ERP-System ermöglicht.


  • Lernen beim Schweißen

    Die Grenzebach Gruppe und Weidmüller arbeiten auf dem Gebiet der Datenanalyse und Predictive Maintenance zusammen. Schwerpunkt der Forschung ist die Zustands- und…


  • Guideline für Industrial Security gemäß IEC62443

    Digitalisierung auf Grundlage von Cloud Computing, Mobilität oder IoT sind wichtige Treiber für die Steigerung der Produktivität im industriellen Umfeld.


  • Datengetriebene Produktionen vereinfachen

    Wer Fertigungsdaten erhebt, bekommt es schnell mit riesigen Datenmengen zu tun.


  • Kein HMI – keine Daten?

    Die Anbindung von Bestandsmaschinen an moderne Cloud-Plattformen stellt in der heterogenen Fertigungslandschaft eine Herausforderung dar. Dem musste sich auch das Unternehmen Niverplast…