Ein Forschungsschwerpunkt der vierten industriellen Revolution – kurz Industrie 4.0 – ist die Selbstdiagnose von Maschinen, Anlagen und ganzen Fabriken auf Basis erfasster Prozessdaten. Dabei sollen die Inbetriebnahme beschleunigt und Stillstandzeiten vermieden werden. Denn unerwartete Stillstände von Produktionsanlagen und nicht optimierte Fertigungsprozesse verursachen Kosten, die vermeidbar sind. Ziel ist es, während der Inbetriebnahme den Menschen durch ein Assistenzsystem zu  unterstützen, welches ihm mitteilt, dass Komponenten fehlerhaft oder falsch konfiguriert sind.

Grund für eine Meldung des Assistenzsystems kann beispielsweise der Verschleiß an Komponenten wie etwa Antrieben sein, der zu Veränderungen des Prozesses führt. Lässt sich dieser Verschleiß frühzeitig diagnostizieren, kann der Betreiber eine Wartung rechtzeitig einplanen, ohne dass es zu unerwarteten Ausfällen an der betroffenen Anlage kommt. Im Fokus aktueller Forschungsbemühungen steht hierzu die Vision, exakte Modelle jeder Maschine und Anlage zu realisieren, um Fehlerbilder sofort entdecken und Lösungsvorschläge unterbreiten zu können.

Mit sogenannten 'hybriden Automaten' wurde für diese Aufgabenstellung im Spitzencluster Intelligente Technische Systeme OstWestfalenLippe – kurz it´s OWL – durch das Fraunhofer-Anwendungszentrum Industrial Automation (IOSB-INA) in Lemgo bereits eine erste Lösung entwickelt. Hybride Automaten erkennen selbstständig Zustände, inklusive kontinuierlicher Variablen sowie vor allem zeitlicher Einschränkungen. Sie eignen sich damit ideal, um fertigungstechnische Prozesse beispielsweise auch mit dem zugehörigen Energiebedarf zu modellieren. Wurden bislang zwei Modelle für diskrete und kontinuierliche Signale manuell mittels Expertenwissen modelliert, so ist es durch die neu entwickelten Verfahren des maschinellen Lernens nun möglich, ein kombiniertes Anlagenmodell automatisch zu generieren. Erst dieser Schritt erlaubt die praktikable Anwendung intelligenter Diagnoseverfahren im Maschinen- und Anlagenbau.

Bild 1: Ein hybrider Automat modelliert das Verhalten eines Produktionsprozesses und bildet die Basis für einen Soll-Ist-Vergleich zur Erkennung von Alterungsprozessen in Produktionsanlagen. © Fraunhofer IOSB-INA

Ein Beispiel für einen hybriden Automaten ist in Bild 1 dargestellt: Er besteht aus zwei Zuständen S0 und S1, welche jeweils den Verlauf einer kontinuierlichen Variablen beinhalten. Der Übergang von Zustand S0 in Zustand S1 bedingt das Event a, welches innerhalb der zeitlichen Beschränkung t1 auftreten muss, das heißt beispielsweise zwischen Mikrosekunde 2 und 5.

Um ein System mittels hybrider Automaten jedoch effizient modellieren zu können, müssen sehr exakte Daten direkt von den Echtzeit-Systemen verwendet werden. Die praktische Erfahrung am IOSB-INA hat gezeigt, dass eine asynchrone, aggregierte oder mit einem Jitter behaftete Datenerfassung für die Diagnose mittels hybrider Automaten ungeeignet ist. Denn diese verringert direkt die Genauigkeit der Anomalie-Erkennung und führt schlimmstenfalls zu Fehldiagnosen.

In der Forschung wurde diese Thematik bis dato eher stiefmütterlich behandelt, da bislang keine intelligenten Diagnoseverfahren mit derartigen Anforderungen der Praxis zur Verfügung standen. Aus diesem Grund setzten die gemeinsamen  Forschungsarbeiten des Fraunhofer IOSB-INA und der Firma Hilscher genau an diesem Punkt an – basierend auf der Erkenntnis, dass die für eine intelligente Diagnose geforderte Genauigkeit nur direkt auf Feldebene zu erreichen ist. Um die daraus letztendlich resultierenden Ergebnisse besser einordnen zu können, sei zunächst der heutige Status quo skizziert.

Prozesswerterfassung heute und morgen

Die intelligente Diagnose ist heute kein integraler Bestandteil des Automationssystems. Dieses fokussiert bislang auf die Steuerung des Prozesses und wird zumeist von einem Anbieter als geschlossenes System geliefert, das keinen Zugriff auf die Rohdaten des Echtzeit-Systems ermöglicht. Um Prozessdaten in Visualisierungs- und SCADA-Systeme zu integrieren, kommen unterschiedliche Methoden zur Anwendung, die stets auf das Prozessabbild innerhalb der SPS zugreifen.

In diesem Kontext hat sich zum Beispiel OPC DA etabliert. Darüber hinaus kommen IEC-61131-3-Kommunikationsbausteine – etwa TCP/IP, UDP/IP oder SQL – zum Einsatz, um Daten an Leitsysteme zu übermitteln oder in Datenbanken abzulegen. Die Datenerfassung erfolgt hier asynchron zum Echtzeit-Ethernet und mit Abtastzeiten, die wesentlich länger sind als beispielsweise die Zykluszeiten der Ethernet-basierten Kommunikationslösungen Profinet und Ethercat. Oftmals werden auch lediglich verdichtete Daten übertragen, die für reine Visualisierungs-, MES- oder ERP-Applikationen zumeist ausreichen. Für das automatische Lernen der Anlagenmodelle und bei der Fehlersuche im Falle eines Stillstandes sind diese jedoch ungeeignet und lassen nicht immer eine hinreichend genaue Diagnose zu.

Problematisch ist weiterhin die zunehmende Heterogenisierung der Automation. Gerade wenn Anlagen zu überwachen sind, die selbst aus mehreren automatisierten Maschinen bestehen, wird der Betreiber mit Systemen verschiedener Hersteller beziehungsweise mit unterschiedlichen Bussystemen konfrontiert, deren Daten allesamt integriert werden müssen. Ein einheitlicher Datenzugriff besteht hier, wie bereits erwähnt, erst ab der Steuerungsebene. Auch aufgrund dieser Anforderungen an intelligente Systeme in der Produk­tionstechnik wird erwartet, dass zukünftig auf Feldebene Prozessdaten mit einer um ein Vielfaches höheren Genauigkeit als heute möglich direkt von untereinander synchronisierter Sensorik und Aktorik abrufbar sind. 

Bild 2: Eine Lösung wie der Netanalyzer von Hilscher ermöglicht eine passive Erfassung von Ethernet-Telegrammen. Mit Hilfe verschiedener Software-Module lassen sich die Daten visualisieren und auswerten. © Hilscher

Beispielsweise ermöglicht OPC UA – der Nachfolger des bereits als De-facto-Standard zu bezeichnenden OPC DA – die direkte Implementierung auf Feldgeräten, wie das Fraunhofer IOSB-INA bereits erfolgreich unter Beweis stellen konnte: Exemplarisch wurde hier der weltweit kleinste OPC-UA-Server mit einem Footprint von nur 15 kByte auf einen Profinet-Protokollchip mit ARM9-CPU gebracht. Die gängige Ist-Situation unterscheidet sich jedoch noch von dieser Vision: Wer Echtzeit-Ethernet-Netzwerke hochgenau analysieren und Fehler diagnostizieren muss, greift in der Regel auf Ethernet-Analysesysteme wie etwa den Netanalyzer von Hilscher zurück (Bild 2). Derartige Hardware bietet die Möglichkeit, Ethernet-Netzwerke zu analysieren und Telegramme hochgenau mitzuschneiden.

Neben der reinen Erfassung der Ethernet-Telegramme stehen dabei Analyse-Methoden zur Verfügung, mit denen sich das Zeitverhalten auf dem Netzwerk und die Netzauslastung messen lassen. Die Erfassungshardware arbeitet hierbei vollkommen passiv am Netzwerk, ist demnach problemlos auch in Bestandsanlagen einsetzbar, ohne negative Auswirkungen auf den Produktionsprozess befürchten zu müssen. Zumeist arbeiten Ethernet-Analyse-Systeme auf Frame-Basis, das heißt die softwaregestützte Auswertung bezieht sich auf das Decodieren des Übertragungsprotokolls, nicht jedoch auf die transportierten Prozessdaten. Genau diese Einschränkung sollten durch das gemeinsame Forschungsprojektes des Fraunhofer IOSB-INA und Hilscher aufgehoben werden.