Das Ziel vorausschauender Instandhaltung ist eine möglichst frühzeitige und dabei zuverlässige Beurteilung des Ausfallzeitpunktes beziehungsweise der Restlebensdauer einer Komponente, Maschine oder Anlage. Auf Basis einer solchen Prognose können Unternehmen genauer planen, wann Systeme zu warten oder Komponenten auszutauschen sind, und dies auch bestmöglich mit dem Produktionsplan abstimmen. Ein derartiger Blick in die Zukunft benötigt jedoch eine Unmenge an Informationen über die Schädigungshistorie, den aktuellen Zustand, das zukünftige Produktionsspektrum und den Zusammenhang zwischen Belastung und Schädigung. Insbesondere Letzteres ist eine bis heute kaum gelöste Herausforderung. Abhilfe kann hier mit einer statistisch relevanten Informationsbasis geschaffen werden, die Ausfalldaten einer großen Anzahl von Anlagen zusammenführt.

Dies gilt insbesondere für den Bereich Umformpressen, bei denen durch entsprechende konstruktive ­Gestaltung eine geringe Ausfallhäufigkeit erreicht werden muss, da Schäden hohe Kosten verursachen. Diese re­sultieren nicht nur aus den vergleichsweise teuren und technisch aufwendigen Komponenten, sondern auch aus den Stillstandszeiten in der Produktion, wenn eine Maschine einer Pressenstraße ausfallen sollte.

Vernetzung als Lösungs­grundlage

Die Vernetzung und technische Integration von Anlagen und der sie betreffenden Daten und Informationen im Sinne von Industrie 4.0 stellt einen Lösungsansatz für die genannten Herausforderungen dar. Im EU-Projekt iMAIN haben sich acht Partner aus vier europäischen Ländern (Schweden, Slowenien, Spanien und Deutschland) ­unter Koordination des Fraunhofer-­Institutes für Werkzeugmaschinen und Umformtechnik IWU das Ziel gesetzt, die hierfür notwendigen Konzepte und die informationstechnische Infrastruktur zu entwickeln und die Funktionalität an ausgewählten Use Cases zu demonstrieren.

Im Projekt werden Konzepte und Algorithmen für die vorausschauende Instandhaltung von Industrieanlagen entwickelt. Zentrales Anliegen ist die übergreifende Vernetzung von Anlagen und ihren instandhaltungsrelevanten Daten im Sinne der Industrie-4.0-Initiative. Besonderes Augenmerk gilt der Möglichkeit, eine Vielzahl von Auswerte-Algorithmen nach Bedarf anwenden und daraus neue Informationen gewinnen zu können. Zusätzlich werden technische Konzepte und Lösungen erarbeitet, um die Daten und Informationen auf einer Wissensbasis für vergleichbare Anlagen zusammenzuführen, sie zwischen Betreibern, Technikern sowie Experten auszutauschen und damit neues Instandhaltungswissen zu erarbeiten. Kurzfristig kann eine solche Datenbasis Instandhaltungsmaßnahmen planbarer und wirtschaftlicher gestaltbar machen – langfristig führt sie zu einer signifikanten Verbesserung bei der Beurteilung der Restlebensdauer von Komponenten und Anlagen.

Die eMaintenance-Cloud ist Dreh- und Angelpunkt des auf Koopera­tion angelegten Zukunftskonzepts, bei dem ganz unterschiedliche Partner Erfahrung aufbauen und Expertenwissen teilen können.

© Fraunhofer IWU

Zunächst einmal bestehen die Auf­gaben in der lokalen Aufnahme und Vorverarbeitung von Sensordaten und ihrer Zuordnung zu den betroffenen Komponenten sowie ihrer Bereitstellung in der ‚eMaintenance-Cloud‘ – ­einer Plattform für Datenaustausch und Entscheidungsunterstützung. Dort können im Nachhinein spezifische und aufwendige Analyse-Algorithmen angewendet werden, um aus den Daten die Informationen zur Beurteilung der Restlebens­dauer zu generieren. Dabei können unterschiedliche Partner ihre Expertise bereitstellen, um aus den neu gewonnenen Informationen wartungsrelevantes Wissen abzuleiten und so Entscheidungen für Wartungsvorgänge zu unterstützen. Durch die Zusammenführung dieser Informa­tionen von vielen Maschinen und ­Anlagen lässt sich eine vorausschauende Instandhaltung nicht nur technisch, sondern auch ökonomisch sinnvoll ­umsetzen.

Eingebettetes Daten­erfassungssystem

Der interdisziplinäre Ansatz beim Streben nach weiterführenden Erkenntnissen zu Materialbelastung und Kom­ponenten-Lebensdauer zeigt sich zunächst in einer breit aufgestellten Strategie bei Instrumentierung und eingebetteter Datenerfassung (Embedded Condition and Energy Monitoring, ECEM). In Bezug auf erfasste physikalische Prozesse und Messgrößen, Sensoren und zusätzliche Anlagen-Prozessdaten mit ihren unterschiedlichen Datenraten, Formaten und Schnittstellen wird ein ‚Multi-Domain‘-Ansatz verfolgt. Der besonderen Herausforderung von Umform-Maschinen wird dabei durch das Einbeziehen möglichst vielfältiger Zustandsgrößen begegnet, um Ansätze für statistische Korrelationen und Data-Mining zu gewinnen. Diese neue Tiefe bei der Datenerfassung mit eingebetteten Systemen macht Maschinen und Anlagen transparent für die Instandhaltung.

Das eingebettete autonome Datenerfassungssystem (ECEM) hat die Aufgabe, eine Vielzahl von Signalen, Sensoraufbereitungsroutinen und ­Schnitt­stellen zu integrieren.

© Fraunhofer IWU

Einer der besonderen Schwerpunkte im iMAIN-Pilotprojekt ist die Überwachung der Belastungshistorie der Gestell-Konstruktion. Durch die Messung von Kräften und Spannungen mittels Dehnmessstreifen (DMS) lassen sich tatsächliche Belastungszustände ermitteln und auswerten. Dies ermöglicht unter anderem eine Langzeitanalyse der Dauerfestigkeit beziehungsweise eine Abschätzung der Restlebensdauer bei einem gegebenen Produktionsspektrum. Über die realen Sensoren hinaus werden mittels eines vorberechneten Simulationsmodells in Echtzeit Daten für ‚virtuelle Sensoren‘ errechnet. Dies kann beispielsweise Aufschluss darüber geben, ob an schwer zugänglichen Positionen der Anlage Überlastsituationen auftreten.

Neben der Überwachung der Gestell-Konstruktion werden weitere Größen erfasst: Dazu zählen beispielsweise die Ermittlung der besonders verschleißrelevanten Verkantung des Pressen-Schlittens durch Lagesensoren und die zusätzliche Messung der ­resultierenden Temperatur-Erhöhung an den durch die Reibung belasteten Führungsschienen. Parallel dazu werden Prozessdaten der Maschinensteuerung mit erfasst, die unter anderem die ID-Nummer des Werkzeugs zum aktuellen Werkstück liefert. So kann nicht nur der lückenlos erfasste, kumulierte ‚Stress‘, den die Maschine erfährt, Auskunft über Ermüdung und Ausfallprognosen geben; zusätzlich kann zum Beispiel die Trend-Entwicklung des charakteristischen Verkantungs-Verhaltens eines gegebenen Werkzeuges als eine Art ‚Fingerabdruck‘ rechtzeitig Hinweise auf verschleißende Lager und zunehmendes Spiel der Führungen geben.

Weitere überwachte Größen sind Luftverbrauch und Temperaturen in Pneu-matik-Systemen sowie eine Vielzahl von Kennwerten für Schmier- und Hydrauliköl wie Viskosität, Leitfähigkeit, Dielek-trizität, Feuchte und Partikelgehalt. Charakteristische Trends, insbesondere von Kombinationen dieser Parameter, können dann kritischen Verschleiß assoziierter Komponenten und Lager ankündigen.

Zum Datenerfassungssystem gehören darüber hinaus funkbasierte Sensorsysteme, die drahtlos auf schwer zugäng­lichen Komponenten installiert werden können, um beispielsweise Temperaturen des bewegten Schlittens zu erfassen. Ausgewählte zentrale Antriebslager und Getriebe werden direkt und individuell mittels Körperschallmessung und neuartigen Analyse-Algorithmen überwacht, die Riemenspannung des Schwungradantriebs durch berührungslose Laser-Sensoren. Das autonome Datenerfassungssystem hat dabei nicht nur die Aufgabe, diese Vielzahl von Sensoraufbereitungen, Signalen und Schnittstellen zu integrieren; vielmehr sind die Aufnahmekanäle, die individuell mit ganz unterschiedlichen Abtastraten und ‚Trigger‘-Logiken gesteuert werden, aneinander anzupassen, um zeitsynchron und uniform weiterverarbeitet werden zu können.

Der komplexen Datenerfassung folgen im Anschluss lokale Vorverarbeitungen, Datenreduktion, Mittelung und statistische Analysen, bevor die Daten letztlich hochverdichtet durch die ­internetfähig vernetzten maschinennahen Systeme in die zentrale Datenbank der eMaintenance-Cloud geladen werden.

Die eMaintenance-Cloud

Wesentliche Voraussetzung zur Lösung der Herausforderungen bei der vorausschauenden Instandhaltung von Industriemaschinen ist ein Cloud-basierter Ansatz. In der eMaintenance-Cloud werden die lokal an den einzelnen ­Anlagen erfassten Daten und Informationen zusammengeführt. Damit ist sie der Dreh- und Angelpunkt des auf ­Kooperation angelegten Zukunftskonzepts, bei dem eine Vielzahl unterschiedlicher Partner Erfahrung auf­bauen und Expertenwissen teilen kann. Auf die in der Cloud-Datenbank ver­fügbaren Daten kann zum Beispiel zur direkten Visualisierung verteilt – gegebenenfalls weltweit – zugegriffen werden, vorzugsweise mit Computer-/Plattform-unabhängigen Browser-basierten Diensten.

Das Browser-based Graphic User Interface (GUI) ist die zentrale Mensch-Maschine-Schnittstelle, die berechtigten Personen weltweiten Zugriff auf den aktuellen Zustand der Umformpresse erlaubt.

© Fraunhofer IWU

Darüber hinaus fungiert die eMaintenance-Cloud als Plattform für weitere, aufwendigere Analysen, Data-Mining und Post-Processing jeglicher Art sowie für Verfahren, die über standardisierte Algorithmen hinausgehen und nicht bereits direkt am lokalen Erfassungssystem er-ledigt werden. Diese können von den jeweiligen Experten für einzelne Disziplinen, Aggregate oder Methoden eingerichtet, automatisiert oder interaktiv ausgeführt und die Ergebnisse wieder in die Datenbank eingespeist und geteilt ­werden. Je nach Erfahrungshintergrund, Bedürfnissen und Interessen der Be­teiligten können das komplexere ­Statistiken, Trend-Analysen und Lebensdauer-Schätzungen sein, Verknüpfungen zu Produktionsplanungssystemen zum Antizipieren kommender Belastungen oder automatisierte Alarmsysteme, die bei einer Überschreitung kritischer Grenzwerte Benachrichtigungen verschicken oder Service-Aktionen ­auslösen.

Die Unterscheidung zwischen eingebetteten und zentralen Diensten erlaubt eine wirtschaftliche Gestaltung der IT-Infrastruktur, gerade bei hochkomplexen vorausschauenden Instandhaltungsaufgaben. Während signifikante Datenreduktionen sinnvollerweise direkt bei der Datenerfassung an der jeweiligen Maschine oder Anlage vorgenommen werden, lassen sich die gefilterten, vorverarbeiteten Informationen durch zentral bereitgestellte Dienste zu instandhaltungsrelevantem Wissen verarbeiten. Diese zentralen Dienste können dabei in Abhängigkeit von der jeweiligen Unternehmenspolitik sowohl unternehmensintern als auch über Unternehmensgrenzen hinweg bereitgestellt werden.

Autoren: Marko Friedemann ist Wissenschaftlicher Mitarbeiter im Fraunhofer Institut für Werkzeugmaschinen und Umformtechnik IWU in Chemnitz, Martin Riedel arbeitet in der Elektronik-Entwicklung und dem technischen Marketing bei imc Meßsysteme in Berlin und Markus Wabner ist Wissenschaftlicher Mitarbeiter am Fraunhofer IWU in Chemnitz und im EU-Projekt iMAIN für das technische Management verantwortlich.