Data Mining im Produktionsprozess

Predictive Maintenance bei Daimler

Was kann man aus dem Vergangenen lernen, um heute das Richtige zu tun und für morgen eine möglichst exakte Prognose zu liefern? Genau darauf liefert Predictive Maintenance die passende Antwort, was am Beispiel der Leichtmetallgießerei im Stuttgarter Werk von Daimler deutlich wird. Hier nutzt man im Rahmen der Produktion eine IBM-Lösung für das Data Mining.

  • Daimler AG

    Die Daimler AG nutzt Predictive Maintenance im Rahmen ihrer Produktion.

Das Unternehmen produziert dort täglich ca. 10.000 Zylinderköpfe in rund um die Uhr laufenden Fertigungsprozessen, vom Formenbau über die Gießerei bis zur Nachbearbeitung. Dabei wird für jeden Zylinderkopf ein Datensatz angelegt, der die genaue Analyse des Produktionsprozesses über alle Stationen hinweg ermöglicht. Über 500 Merkmale kommen auf diese Art und Weise zusammen, darunter die im Produktionsprozess anfallenden Maße, Zeiten, Temperaturen, eingesetzten Werkzeuge und vieles mehr. Diese Daten werden akribisch überprüft, und wenn die fertigen Zylinderköpfe anschließend die engen Toleranzen nicht vollständig einhalten, müssen sie eingeschmolzen werden.

Um dieses Einschmelzen auf ein Minimum zu reduzieren und damit die Ausbeute fehlerfrei produzierter Zylinderköpfe durch gezielte Prozessanpassungen zu maximieren, entschied sich Daimler für den Einsatz einer Predictive-Maintenance-Lösung. Ein Schritt, der angesichts verbesserter technischer Möglichkeiten heute einfacher umzusetzen ist als noch vor ein paar Jahren. Damit war es dem Autokonzern möglich, die Produktivität der Gießerei zu steigern. Zudem ging es den Verantwortlichen auch darum, die Hochlaufphase der komplexen Fertigungsprozesse zu verkürzen.

Die richtigen Schlüsse ziehen

Damit dies gelingen konnte, war es zunächst wichtig, die richtigen Prozessparameter zu identifizieren, die für die Qualität des Endprodukts tatsächlich entscheidend sind. Dafür stand zwar eine Fülle von gesammelten Messdaten zur Verfügung, aber nur sehr erfahrene Spezialisten waren nach zum Teil tagelangen Untersuchungen auch in der Lage, daraus die richtigen Schlüsse zu ziehen und die für die Analyse und Bewertung relevanten Messdaten herauszufiltern. Aufbauend auf diesen Erkenntnissen wurde dann die IBM-SPSS-Data-Mining-Lösung zur laufenden Überwachung und Steuerung des Produktionsprozesses eingeführt. Damit alles auch kontinuierlich und möglichst reibungslos funktioniert, müssen alle relevanten Messdaten im Produktionsprozess permanent gesammelt, gespeichert, zeitlich und inhaltlich zugeordnet und für die multivariaten statistischen Analysen aufbereitet werden.

Sechs Monate dauerte hierfür insgesamt die Vorbereitungsphase; heute wertet das System automatisch täglich über Nacht die Prozessentwicklung aus und speichert alle Analysen ab. Ein Systemspezialist von Daimler kümmert sich darum, dass das System einwandfrei läuft. Die zuständigen Werksmeister arbeiten mit den für sie relevanten SPSS-Auswertungen und leiten aus den Ergebnissen eventuell notwendige Maßnahmen ab. Dabei erkannte man schnell, dass der Fertigungsprozess kontinuierlich reagiert und nicht springt. Deshalb ließen sich eine Reihe von Schwellwerten bestimmen, bei deren Überschreitung ein Eingriff erforderlich war, um die vorgegebenen Toleranzen der Fertigprodukte am Ende einhalten zu können. Eine wichtige Erkenntnis, denn durch die gezielte Beobachtung der Schwellwerte ist es möglich, Unregelmäßigkeiten rechtzeitig zu erkennen und die dafür verantwortlichen Ursachen zu identifizieren. Dieses Vorgehen brachte Daimler eine bisher nicht gekannte Prozesstransparenz.

Die Hausaufgaben machen

Die Vorteile für den Anwender sind zudem messbar: Erkenntnisse, die früher mit enormem Aufwand innerhalb von rund drei Tagen gewonnen wurden, liegen heute in wenigen Stunden vor. Bei Auffälligkeiten wissen die Verantwortlichen genau, wo sie ansetzen müssen. Das hat z.B. auch dazu geführt, dass Werkzeuge seltener ausgetauscht werden müssen als früher. Bei der hohen Stabilität des Fertigungsprozesses kommt der 24-Stunden-Auswertezyklus zudem praktisch einer Echtzeitüberwachung gleich; Prozessanpassungen können damit frühzeitig und gezielt initiiert werden. Dieses Vorgehen führte schließlich zu einer Steigerung der Produktivität um 25 Prozent in der Zylinderkopfproduktion und einer Verkürzung der Hochlaufphase des Fertigungsprozesses bis zum Erreichen der angestrebten Zielwerte um 50 Prozent.

Dieses Beispiel macht exemplarisch deutlich, welche Vorteile sich aus dem Einsatz von Predictive Maintenance ergeben, wenn – auch das ist wichtig – die Hausaufgaben im Vorfeld ordentlich gemacht wurden. Denn Technik alleine reicht nicht aus. Man muss von einem Anwendungsfall oder einem zu lösenden Problem ausgehen, nicht allein vom technisch Machbaren. Es ist notwendig, erst die Grundlagen und Voraussetzungen zu schaffen und z.B. mit der Ermittlung der kritischen Schwellenwerte zu beginnen; dann stellen sich auch die erhofften Ergebnisse ein.

Über die Daimler AG

Mit den Geschäftsfeldern Mercedes-Benz Cars, Vans, Daimler Trucks, Buses und Financial Services gehört die Daimler AG zu den größten Anbietern von Pkws und ist der größte weltweit aufgestellte Nutzfahrzeughersteller. Der Konzern vertreibt seine Fahrzeuge und Dienstleistungen in nahezu allen Ländern der Welt und hat Produktionsstätten auf fünf Kontinenten. Zum heutigen Markenportfolio zählen neben Mercedes-Benz die Marken Smart, Freightliner, Western Star, Bharatbenz, Fuso, Setra und Thomas Built Buses. Im Jahr 2013 setzte der Konzern mit 275.000 Mitarbeitern über 2,3 Millionen Fahrzeuge ab. Der Umsatz lag bei rund 118 Mrd. Euro.

www.daimler.com

Bildquelle: Daimler


©2020Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok