Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Prozesscontrolling per Software

Tragfähige Datenstrukturen für das Anlagenmanagement

Vor der softwaregestützten Auswertung von Produktions- und Prozessdaten stellt sich die Frage nach der passenden Datenstruktur, um Informationen aus Sensorik und Steuerungen erfassen und auswerten zu können. Für den Aufbau einer effizienten Datenbasis für Berichtswesen und Schwachstellenanalyse spielt die Erfassung der passenden Informationen eine genauso wichtige Rolle, wie deren geschickte Zuordnung und Verknüpfung.

Für die Anreicherung von Messwerten mit Materialflussdaten sind zwei Ansätze denkbar: Im datenorientierten Ansatz werden Materialflussdaten und Prozessdaten separat aufgezeichnet. Datensätze lassen sich dann nur über Zeiträume in Materialfluss verknüpfen. Der zweite, werkstückbezogene Ansatz integriert bereits an der Anlagenschnittstelle Daten aus dem Materialfluss. Bild: ACP-IT

Im wesentlichen gliedert man Produktionsdaten in Materialfluss-, Produkt- und Prozessdaten. Materialflussdaten fallen bei der Verfolgung von Werkstücken oder Chargen durch den Produktionsprozess an. Dabei handelt es sich insbesondere um Start- und Endzeitpunkte von Produktionsschritten oder Informationen zu beteiligten Anlagen oder Werken. Darüber hinaus sind noch weitere Daten, etwa verwendete Anlagenrezepte, Bestandteil dieser Kategorie.


Robert Willmann – Software Architekt und Leiter der Business Unit ‚Advanced Process Control‘.

Diese Informationen sind für die zeitliche Verfolgung des Materialflusses unerlässlich und umfassen zudem auch Informationen zur Produktqualität. Produktdaten wiederum sind Messdaten, die direkt am hergestellten Werkstück gemessen werden. Diese Daten können Aufschluss über die produzierte Qualität liefern und sind somit auch aus Sicht der Kundenzufriedenheit wichtig. Prozessdaten werden an der Produktionsanlage etwa von Anlagensensoren, Steuerungssystemen oder Messsystemen erfasst. Auch Informationen zu Wartungsaktivitäten fallen unter diese Kategorie. Diese Daten sind vor allem für die Untersuchung der Anlageneffizienz von Bedeutung, können aber ebenfalls einen Beitrag zur Verbesserung der Produktqualität liefern.

Situationsbedingte Erfassung für aussagekräftige Analysen

Jedes produzierende Unternehmen wird bei der Aufzeichnung von Produktionsdaten mit einer zunehmenden Flut von Daten konfrontiert. Da nicht alle automatisch gesammelten Daten sinnvoll verwendbar sind, bietet sich der Einsatz von Filtern an, um die Prozessdatenerfassung mit ‚Intelligenz‘ auszustatten. Dazu können Abtastrate und Parametermenge mit dem Anlagenzustand verknüpft werden. Der Informationsgehalt kann dann abhängig von der Anlagenbelegung variiert werden: Prozessdaten werden während der Bearbeitung eines Werkstückes mit höherer Dichte aufgezeichnet, während unproduktiver Phase wird die Abtastrate reduziert.

Auch der Umfang der aufgezeichneten Anlagenparameter kann nach diesem Schema angepasst werden. In produktiven Phasen lassen sich etwa Parameter für eine spätere Qualitätsanalyse der Werkstücke aufzeichnen, während in der nicht-produktiven Phase lediglich die Anlage überwacht wird. Zudem bietet sich zur Ergänzung der erfassten Werte die gezielte Anreicherung mit Materialflussdaten an. Im Wesentlich sind dazu zwei Ansätze denkbar: Im datenorientierten Ansatz werden Materialflussdaten und Prozessdaten separat aufgezeichnet. Datensätze aus beiden Quellen lassen sich für die Datenanalyse dann nur über Zeiträume in Materialfluss beziehungsweise Prozessdaten verknüpfen. Dieser Ansatz ist datenbanktechnisch aufwändig und zumeist unscharf.

Der zweite, werkstückbezogene Ansatz integriert bereits an der Anlagenschnittstelle Daten aus dem Materialfluss. Dieser Ansatz wird teilweise auch von Produktionsanlagen mit integrierter Werkstückerkennung unterstützt. Die Werkstückidentifikation wird dabei als Prozessparameter bereitgestellt. Dieser Ansatz kann noch weiter gehen, indem Informationen zu Verbrauchsmaterialien, Los- oder Chargeninformationen hinzugefügt werden. Wesentlich ist, dass Prozessdaten zusammen mit der Werkstückidentifikation aufgezeichnet werden. Dazu muss teils eine redundante Speicherung in Kauf genommen werden – etwa wenn mehrere Werkstücke in einer Anlage bearbeitet werden. Dieser Effekt kann aber durch dynamische Aufzeichnung kompensiert werden. Durch diesen Ansatz wird das Werkstück gewissermaßen zum Träger seiner gesamten Produktionsgeschichte. Bei der Qualitätsanalyse von Werkstücken lässt sich so eine eindeutige und effiziente Datenverknüpfung aus verschiedenen Quellen erreichen, ohne wartungsbezogene Datenanalysen einzuschränken.

Beispiel für die softwaregestützte Auswertung von Produktionsdaten: Die Verknüpfung von Produkt-, Prozess- und Anlagendaten gestattet dem Anwender, Fehler durch gezielte Ursache-Wirkungsanalyse schnell zu erkennen und deren Beseitigung zeitnah einzuleiten. Die Kategorie ‚Anlagendaten‘ repräsentiert in dieser Darstellung automatisiert erfasste Daten, die sowohl von Produktionsanlagen als auch aus Messsystemen stammen können. Bild: ACP-IT


Das könnte Sie auch interessieren:

Im Werkzeugmanagement eröffnet das Kennzeichnen von Assets mit Data Matrix Codes die Möglichkeit, Werkzeuge zu tracken und mit ihren Lebenslaufdaten zu verheiraten.‣ weiterlesen

Google Cloud gab kürzlich die Einführung der beiden Lösungen Manufacturing Data Engine und Manufacturing Connect bekannt. Mit den Tools lassen sich Assets einer Fertigungsumgebung vernetzen, Daten verarbeiten und standardisieren.‣ weiterlesen

Virtuelle multicloudfähige Plattformen können in Fertigungsbetrieben das Fundament bilden, um IT-Infrastruktur und Betriebsabläufe zu modernisieren und effizient zu betreiben. Denn das nahtlose Zusammenspiel von Cloud-Anwendungen, Softwarebereitstellung sowie Remote Work lassen sich mit digitalen Plattformen vergleichsweise einfach und global orchestrieren.‣ weiterlesen

Wibu-Systems ist Anwendungspartner im Projekt KoMiK. Im Mai wurde das Projekt abgeschlossen und der Karlsruher Lizensierungsspezialist hat zusammen mit den Projektpartnern aus Wirtschaft und Wissenschaft Empfehlungen zur Auswahl eines digitalen Kooperationssystems erarbeitet, inklusive eines Screening-Tools.‣ weiterlesen

MES-Lösungen verfügen über unterschiedliche Erweiterungsmodule, etwa für das Qualitätsmanagement. Der Ausbau der Basisfunktionen sorgt jedoch oft für Aufwand. Eine Alternative versprechen Cloudlösungen.‣ weiterlesen

Bei ihrer digitalen Transformation adaptieren Fertigungsunternehmen Technologien wie künstliche Intelligenz, Machine Learning und digitale Zwillinge. Cloud Computung hilft, dafür erforderliche Kapazitäten skaliert bereitzustellen.‣ weiterlesen

Mit mehreren neuen Partnern erweitert der Softwareanbieter ZetVisions sein Partnerangebot. Unter anderem sollen Pikon und People Consolidated das Beratungsangebot des Heidelberger Unternehmens ergänzen.‣ weiterlesen

Viele Deep-Learning- und Machine-Vision-Anwendungen stellen hohe Ansprüche an die eingesetzten Industrie-Rechner. Für den Einsatz in diesem Umfeld hat Hardware-Spezialist Spectra die PowerBox 4000AC C621A ins Programm genommen.‣ weiterlesen

Mit Hybrid Cloud-Lösungen wollen Firmen die Vorteile des privaten und öffentlichen Cloud-Betriebs erschließen. Managed Cloud Service Provider sind darin geschult, Fallstricke bei der Cloud-Nutzung solcher Infrastrukturen zu bewältigen.‣ weiterlesen

Per Low-Code-Tool können Anwender Prozesskonfigurationen selbst umsetzen. Im MES-Bereich ist dieser Ansatz noch selten zu finden, doch einige Lösungen gibt es bereits.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige