Maschinen, die sich selbst reparieren

Maschine lässt sich nicht mehr einschalten Schleifgerät Rutscher reparieren Festool Tutorial Nr 214 (Juli 2019).

Anonim

Im EU-geförderten Projekt SelSus arbeiten Fraunhofer-Wissenschaftler in einem Konsortium mit Partnern aus Forschung und Industrie an der Entwicklung von Wartungstechnologien, mit denen Maschinenstillstände in der Produktion vorhergesagt werden können. So können Anlagenmanager Fehler beheben, bevor die Maschine ausfällt. Das System korrigiert sogar einige Fehler automatisch.

Unvorhergesehene Maschinenausfälle während der laufenden Produktion - Anlagenmanager fürchten sie, Techniker verabscheuen sie und Manager seufzen und faktorisieren sie. Solche Vorfälle führen zu hektischen Reparaturen, erhöhen die Kosten, beeinträchtigen die Liefertreue und schwächen letztendlich die Wettbewerbsfähigkeit der Unternehmen. Doch oft ist das Problem nur ein kleiner Defekt oder normaler Verschleiß. Wenn diese jedoch unerkannt bleiben, können sie zu größeren Störungen und Produktionsstillständen führen.

Hilfreich wäre ein Diagnoseverfahren, das den Status aller Komponenten in der Produktionslinie überwachen, Probleme und Schwachstellen erkennen und den zuständigen Mitarbeiter zeitnah informieren kann. Auf der Grundlage eines sogenannten Entscheidungsunterstützungssystems kann das Wartungspersonal dann eine Entscheidung treffen und gezielte Maßnahmen ergreifen, um den Defekt zu beheben. Idealerweise ohne die Produktion unterbrechen zu müssen.

Genau dies ist eine der grundlegenden Ideen, wenn auch nicht die einzige, hinter dem ambitionierten SelSus-Projekt, an dem derzeit das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA forscht. "Ziel ist nicht nur, den Status der Maschinen und Komponenten zu überwachen. Mit intelligenten Software- und Sensornetzwerken sollen mögliche Schwachstellen oder Verschleißerscheinungen rechtzeitig erkannt werden, damit das System potenzielle Störungen vorhersagen kann, "erklärt Martin Kasperczyk vom Fraunhofer IPA. Die entwickelten Diagnosemodelle liefern auch direkt Vorschläge oder Empfehlungen zur Behebung des Problems. Der Projektpartner Electrolux in Pordenone, Italien, verwendet ein solches Entscheidungsunterstützungssystem. Das System ist in der Lage, mit einer gewissen Wahrscheinlichkeit potentielle Fehler an einer Presse für Waschmaschinenfronten vorherzusagen und tatsächlich auftretende Fehlfunktionen zu diagnostizieren. Die Daten, die zur Überwachung des Maschinenstatus benötigt werden, werden teilweise von Sensoren bereitgestellt. Sie messen Werte wie Energieverbrauch, Temperatur, Öldruck, Partikel im Öl oder Vibrationen. Das Fraunhofer IPA und das beteiligte Konsortium haben zudem bewiesen, dass die Technologie in der Praxis zuverlässig funktioniert.

Das System repariert sich selbst

Das System ist sogar in der Lage, Steuerimpulse an einzelne Maschinen zu senden. So kann beispielsweise eine Schweißsteuerung, bei der ein Sensor ausgefallen ist, im sicheren Modus nahezu nahtlos ohne nennenswerte Störungen weiterarbeiten. Die Fähigkeit zur Selbstreparatur und Aufrechterhaltung der Produktion hat dem Projekt auch seinen Namen gegeben. Der vollständige Projekttitel von SelSus lautet "Health Monitoring and Life-Long Capability Management für selbsttragende Produktionssysteme".

Zunächst mussten jedoch einige technologische Hürden überwunden werden. Martin Kasperczyk sagt: "Eine der größten Herausforderungen war die Analyse der Datenflut. Schließlich geht es hier um die Vorhersage von Fehlfunktionen oder Ausfällen von Maschinen mit hoher Zuverlässigkeit. Sie kommen nicht einfach durch Programmierung eines Paares dorthin von Algorithmen. "

Bayessche Netzwerke und Sensordaten

Die Experten setzen auf Bayes'sche Netzwerke. Ein Bayes-Netzwerk ist ein mathematisches Modell, mit dem die Wahrscheinlichkeiten eines bestimmten Ereignisses oder Zustands berechnet werden können. Das Modell repräsentiert eine Menge von Variablen und ihre bedingten Abhängigkeiten. Mit Hilfe der von den Sensoren gesammelten Daten berechnet die Software zum Beispiel die Wahrscheinlichkeiten für ein spezifisches hochbeanspruchtes Kabel, das in der nahen Zukunft bricht, und signalisiert gegebenenfalls, dass es ersetzt werden sollte.

Aber die SelSus-Software basiert nicht nur auf Sensoren. Es berücksichtigt auch die technischen Eigenschaften der Maschine und ihre Leistungsparameter. Diese Daten müssen bei der Installation und Konfiguration des Systems erfasst werden. Darüber hinaus informiert ein umfangreicher Testlauf das System, wie sich die Maschine und ihre Komponenten im Dauerbetrieb und unter Last verhalten. Nur dann ist es einsatzbereit. Die Software registriert auch neue Daten, zum Beispiel infolge von Maschinen-Upgrades oder Leistungsminderung aufgrund von Verschleiß, wodurch das System lernen kann.

Die Komplexität des SelSus-Konzepts zeigt sich auch darin, dass die Software sogar mit den Betreibern interagiert, indem sie die Ursachen potenzieller oder bestehender Fehlentwicklungen analysiert.
Funktionen und schlägt ein angemessenes Vorgehen vor.

Ein System mit Selbstheilungskräften von Coventry

Projektpartner Das Manufacturing Technology Center aus Coventry, Großbritannien, hat ein System mit Selbstheilungskräften entwickelt. In einer Motorenproduktionsanlage wird ein Spender mittels Vakuum an einem Roboterarm befestigt. Wenn der Dispenser auf Widerstand stößt, anstatt abzureißen, reagiert er flexibel. Es verliert den unter Vakuum erzeugten Griff und fällt einige Zentimeter ab, bis es durch Federn gestoppt wird. Die Federn ziehen dann den Spender in seine ursprüngliche Position zurück. Die Nachkalibrierung stellt sicher, dass das Werkzeug in der richtigen Position ist - und nach der kurzen Unterbrechung läuft der Arbeitsprozess weiter.

Die Politik hat das Potenzial der Technologie längst erkannt. SelSus hat von der Europäischen Kommission fast 5, 4 Millionen Euro erhalten. Das Projektkonsortium umfasst neben dem Fraunhofer IPA namhafte Industriepartner wie den Autohersteller Ford, den Hausgerätehersteller Electrolux, den Schweißtechnik-Anbieter HWH Hamburg und den Automatisierungsspezialisten IEF-Werner. Weitere Teilnehmer sind Universitäten wie die Loughborough University und das Instituto de Sistemas e Robotica oder ICT-Anbieter wie HUGIN EXPERT, Advanced Data Processing oder Inotec, um nur einige zu nennen.

menu
menu