Vorausschauende Instandhaltung

M2M warnt vor Maschinenausfall

Defekte an Maschinen und Anlagen frühzeitig vorherzusagen, hat für Unternehmen Vorteile. Technische Möglichkeiten für die Prognose sind vorhanden. Allerdings bereitet es noch Probleme, die erforderlichen Daten sauber bis zur Analyse-Software zu bringen.

Wenn Maschinen und Anlagen durch einen Defekt ausfallen, ist das für die Unternehmen problematisch. Denn während der Reparatur kann die betroffene Maschine nicht fräsen oder stanzen, schweißen oder montieren. Im schlimmsten Fall führt ein plötzlicher Ausfall sogar dazu, dass die gesamte Produktion zum Stillstand kommt, weil den im Fertigungsprozess nachgelagerten Stationen der Nachschub fehlt. Kein Wunder, dass seit einiger Zeit das Konzept der vorausschauenden Instandhaltung (Predictive Maintenance oder Preventive Maintenance) in der Industrie ausführlich diskutiert wird. Dabei geht es darum, durch die Echtzeitanalyse von Maschinendaten den Zeitpunkt und die Art eines möglichen Defekts zu prognostizieren. Wenn das gelingt, haben die Unternehmen die Chance, die erforderlichen Wartungsarbeiten rechtzeitig so zu planen, dass die Maschine oder Anlage möglichst schnell wieder läuft und die übrige Produktion möglichst wenig betroffen ist. Außerdem lässt sich die Lebensdauer von Maschinen und Anlagen auf diese Weise verlängern.

In den Werkshallen angekommen ist das Thema bislang aber kaum. Das liegt allerdings weniger an der erforderlichen Software. Lösungen, die große Datenmengen auswerten und Ereignisse prognostizieren können, gibt es einige – lokal installiert oder aus der Cloud. Aktuell hakt es aber noch daran, die Daten überhaupt von Maschinen, Anlagen und Sensoren an das Prognose-Tool zu bringen. Weshalb das so ist, zeigt der Blick in eine typische Fabrik: Hier findet sich ein über die Jahre gewachsener und deshalb ziemlich heterogener Maschinenpark. Neueres Equipment hat dabei alle technischen Voraussetzungen für die Integration in ein IT-System an Bord, ältere Ausrüstung muss auch schon einmal nachträglich mit einem Analog-Digital-Wandler ausgestattet werden. So liegen zu den meisten Maschinen, Anlagen und sonstigen Devices zwar Daten vor, dies aber in sehr unterschiedlichen Formaten und Protokollen. So ist es nur mit sehr großem Aufwand möglich, die Daten von einer Ebene der Automatisierungspyramide an die nächste zu übergeben – also von den Maschinen und Anlagen über die SPS- und MES-Ebene bis zum ERP-System und von dort an zusätzliche Anwendungen. Gleiches gilt für den Austausch von Informationen von Maschine zu Maschine.

Vernetzung ohne Standards

Eine umfassende Standardisierung würde dieses Problem lösen. Diese ist aber mittelfristig nicht in Sicht. Deshalb hat das Unternehmen Nemetris ein Konzept entwickelt, das die vertikale und horizontale Vernetzung auch ohne Standards Schritt für Schritt ermöglichen soll. Den Kern bilden dabei die sogenannten Smart Industry Apps, Python-basierte Anwendungen, die sich in der vorhandenen verteilten Infrastruktur auf nahezu allen Komponenten installieren lassen – soweit diese mit einem Betriebssystem ausgestattet sind. Die Apps laufen also auf Maschinen und Anlagen, Routern und Einplatinen-Computern, auf PCs und Servern, Tablets und Smartphones sowie in der Cloud. Dabei erfüllen sie zwei Aufgaben: Erstens lassen sich mit ihnen Daten unterschiedlicher Formate sammeln, verarbeiten und visualisieren. Und zweitens sorgen sie für die Vernetzung bislang isolierter Infrastrukturkomponenten, indem sie aus simpler Hardware bidirektional kommunikationsfähige Smart Devices machen, die direkt miteinander verbunden werden können. So wird aus der Automatisierungspyramide ein Automatisierungsnetzwerk.

Für die vorausschauende Instandhaltung sieht dies z. B. so aus: Die Smart Industry Apps werden auf industrietauglichen Routern oder Einplatinenrechnern installiert, die sich direkt in der Werkshalle befinden. Auf diesen Smart Devices gehen alle Daten der jeweiligen Maschine oder Anlage sowie der vorhandenen Sensoren ein. Das umfasst Informationen zur Bearbeitung eines Auftrags – Anzahl der Teile, die gefräst wurden, Bearbeitungszeit, Ausschuss etc. – und Informationen zum Zustand der Maschine – die Temperatur, Schwingungen, Motorbewegungen usw. Die Daten werden aufbereitet und dann je nach Zweck weitergeleitet. Im einfachsten Fall bedeutet das, dass dem Werkstattleiter alle Parameter, die er für die Beurteilung des Zustands einer Maschine benötigt, auf seinem Smartphone oder Tablet mit einer Smart Industry App visualisiert werden, z. B. die Entwicklung der Temperatur in einem bestimmten Zeitraum. Bei kritischen Werten erfolgt eine automatische Warnung. Solange sich der Verantwort­liche in der Fabrik aufhält, kann er die Daten über das eigene Netzwerk direkt vom Router oder Einplatinen-Computer abrufen. Diese Variante funktioniert also auch, wenn keine Internet-Verbindung besteht.

Analyse in der Cloud

Predictive wird es mit der zweiten Variante: Von den Smart Devices aus gelangen die relevanten Informationen – welche das sind, wird direkt auf der Hardware entschieden – an eine ­Analyse-Software in der Cloud, die Nemetris mit Partnern bereitstellt. Die Prognosen sind für unterschied­liche Instanzen verfügbar. So kann erstens der jeweilige Maschinenbauer rechtzeitig über ­vorhergesagte Defekte informiert werden. Zweitens haben die Verantwort­lichen aus dem Unternehmen selbst standortunabhängig Zugriff auf die Analysen der Software. Und drittens lässt sich von der Cloud-Lösung aus auch direkt die betroffene Maschine an­sprechen. Dem Mitarbeiter in der Werkhalle wird dann ­beispielsweise optisch signalisiert, dass er sich mit dem Service des Herstellers in Verbindung setzen soll. Im besten Fall geschieht dies direkt über ein Interface an der Maschine – inklusive Austausch über eine „Voice & Video“-Funktion. So kann der Service-Mitarbeiter das Equipment identifizieren, die Prognosen aus der Cloud abrufen und gemeinsam mit dem Maschinenführer die Wartungsarbeiten einleiten.


Bildquelle: Thinkstock/ iStock

©2019Alle 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