Intelligenz in die Werkzeugmaschine bringen
Ein App-Store für den Mittelstand
In den Werken deutscher KMU verrichten zehntausende alte Maschinen zwar ihren Dienst, ließen sich mit Digitalwerkzeugen aber deutlich effizienter einsetzen. Im Forschungsprojekt Enable KMU entsteht eine Service-Plattform, mit der sich die dafür erforderliche Intelligenz ohne hohen technischen Aufwand nachrüsten lassen soll.
Zur Unterstützung kleiner und mittlerer Unternehmen (KMU) im Bereich Digitalisierung wurde im Jahr 2016 das vom Europäischen Fond für regionale Entwicklung geförderte Forschungsprojekt Enable KMU (Entwicklung anwenderbasierter Lösungen für die Einzelfertigung in KMU) initiiert. Im Vorhaben soll eine Smart-Service-Plattform entstehen, die KMU zur digitalen Industrialisierung ihrer Fertigung befähigt. Hierzu stellt die Plattform verschiedene Applikationen bereit, die bei den täglichen Aufgaben in der Produktion unterstützen. Die Nutzung der Diensteplattform im Unternehmen funktioniert dabei ähnlich wie der App-Store von Apple oder der Google Play Store. Die Nutzer können die bereitgestellten Apps auf einer webbrowserbasierten Plattform unter Berücksichtigung der unterschiedlichen Benutzer- und Anwendungsanforderungen auswählen und anwenden. Durch diesen webbasierte Ansatz fällt nur geringer technischer Aufwand für die Nutzung der Apps an.Vorrangig sollen die Apps der Plattform Aufgaben wie die Produktionsplanung unterstützen, die Parametrierung von Maschinenparametern oder die Dokumentation von Produktionsdaten.
Drei Komponenten
Die Apps bestehen prinzipiell aus den drei Komponenten Software, Hardware und Best-Practices zur Implementierung. Bei der Software handelt es sich um das Programm, das von der Plattform bereitgestellt wird und das auf gängigen Browsern läuft. Einige Anwendungen funktionieren jedoch nur zusammen mit Hardware, die vor Ort installiert werden muss. Eine App, die zur Aufnahme von Prozessdaten in der Produktion dienen soll, benötigt beispielsweise Sensoren zur Datenerfassung und Edge-Devices, wie Raspberry Pi oder Arduino, zur Datenspeicherung. Die dritte Komponente, die Best-Practices zur Implementierung, beinhaltet Anleitungen zur Installation und Anwendung der benötigten Soft- und Hardware. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Prozessdaten erfassen
In produzierenden KMU werden natürlich durchaus moderne Werkzeugmaschinen eingesetzt, die verschiedene Prozessdaten aufnehmen und speichern können. Jedoch besteht der größte Teil des Maschinenparks bei einem KMU aus älteren Werkzeugmaschinen, die oft nicht robust produzieren. Eine Analyse zur Ursache der schwankenden Prozessqualität ist aufgrund der fehlenden Prozessdaten häufig schwierig. Daher bietet die App die Möglichkeit, ältere Werkzeugmaschinen mit Sensoren nachzurüsten, um sie zur Datenaufnahme zu befähigen. Eine anschließende Auswertung dieser Prozessdaten mit Methoden der Datenanalyse, wie beispielsweise Korrelationsanalysen, Clusteralgorithmen, Lernalgorithmen oder Metaheuristiken, ermöglicht die Ermittlung der Ursachen für Qualitätsschwankungen respektive die Prognose erwarteter Einbrüche in der Prozessqualität.
Grobskizze der Umsetzung
Die im Projekt entwickelte App wurde bereits in einem Aachener Unternehmen eingeführt und validiert. Konkret wurde im Werk eine Drehmaschine identifiziert, die häufig in der Anlaufphase, in diesem Fall zu Beginn einer Kleinserienproduktion, instabil mit der geforderten Prozessqualität produziert. Es bestand die Hypothese, dass sich die Führungsschienen der Maschine während der Anlaufphase aufgrund steigender Temperatur ausdehne und dadurch zu schwankenden Produktionsbedingungen führe. Zur Untersuchung dieser Hypothese wurden zwei Temperatursensoren an die Führungsschienen angebracht und an ein Arduino Yún Board angeschlossen. Dieses Board verfügt u.a. über einen USB-Anschluss für die Verbindung mit einem Computer und über ein integriertes Ethernet- und WLAN-Modul für die Datenübertragung. Mit dem WLAN-Modul ist das Arduino-Board mit dem Internet verbunden, sodass die erfassten Prozessdaten in den Cloudserver übertragen werden können. Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
Daten auf dem Dashboard
Nun kann von jedem Computer mit Internetverbindung die Temperatur der Führungsschienen eingesehen werden. Im Dashboard kann der Benutzer die Daten bezüglich der Erfassungszeit, des Erfassungsorts sowie der Datenquelle ablesen. Die Informationsarten können je nach Projektanforderung angepasst werden. Zurzeit können die Daten als Excel-Datei extrahiert werden, um sie anschließend in Programmen wie Minitab oder Matlab zu untersuchen. In diesem Teilprojekt wurde eine Clusteranalyse durchgeführt, um Temperaturbereiche zu ermitteln, in denen die Drehmaschine mit der geforderten Prozessqualität arbeitet. Auf Basis des gewonnenen Wissens lassen die Produktionsmitarbeiter die Drehmaschine zukünftig zu Beginn der Anlaufphase zunächst warmlaufen, bis sich ihre Führungsschienen in einem korrekten Temperaturkorridor befinden.
Fazit und Ausblick
Mit der Diensteplattform und ihren Anwendungen zur Aufnahme von Prozessdaten können ältere Werkzeugmaschinen deutlich intelligenter gemacht werden, indem ihnen Charakteristika moderner Werkzeugmaschinen, wie die Fähigkeit zur Datenaufnahme und Speicherung sowie die Anbindung mit dem Internet, verliehen werden. Durch den Ausbau des App-Angebots der Plattform sollen KMU immer mehr Möglichkeiten erhalten, ihre Produktionsprozesse durch Digitalisierung zu verbessern. Der webbasierte Ansatz und die Aufteilung auf verschiedene Apps ermöglichen den Einsatz der Plattform bei sehr unterschiedlichen KMU ohne zu hohen technischen Aufwand. Die Apps ermöglichen Unternehmen in gewisser Weise fernsteuerndes Qualitätsmanagement, da die Prozessdaten von einem beliebigen Ort aus analysiert werden können und somit das Ableiten von Handlungsmaßnahmen zur Qualitätsregelung ebenfalls von außerhalb möglich ist. Diese Struktur, in der das Qualitätsmanagement dem Unternehmen ausgelagert wird, ist aktueller Forschungsgegenstand und unter dem Begriff Quality-as-a-Service zu verstehen.
