Die Portalfräsmaschinen von F. Zimmermann erzeugen heute eine Vielzahl an Betriebs- und Prozessdaten, die für Analyse-, Monitoring- und Optimierungsaufgaben genutzt werden. Neben Mechanik, Steuerung und Antriebstechnik spielt damit auch die Auswertung dieser Daten eine zunehmend wichtige Rolle. Ziel ist es, nicht nur einzelne Signale zu betrachten, sondern aus dem Zusammenspiel verschiedener Daten konkrete Handlungsempfehlungen abzuleiten. Das kann zu mehr Produktivität, höherer Bauteilqualität und besser planbarer Wartung beitragen.
Eine Portalfräsmaschine «FZP32» von F. Zimmermann mit Automatisierung für mehr Produktivität und Prozesssicherheit.
(Bild: F. Zimmermann GmbH)
«Digitale Applikationsentwicklung bedeutet für uns, aus vorhandenen Daten einen echten Mehrwert zu generieren», erklärt Johannes Lippert, der seit rund fünf Jahren als Entwicklungsingenieur bei F. Zimmermann arbeitet. In der Praxis kann das sehr unterschiedlich aussehen: Zunächst liefert jeder Sensor einen einzelnen Messwert, der weiterverarbeitet werden kann. Im einfachsten Fall signalisiert eine Anzeige, ob sich die Maschine im Sollzustand befindet oder nicht. Hierin liegt jedoch ein möglicher Schwachpunkt. Ein einzelner Sensor kann mit einem falschen Signal bereits zum Problem werden. Zusätzliches Potenzial entsteht jedoch, wenn zahlreiche Sensorsignale gemeinsam bewertet werden. Durch die Verknüpfung dieser Daten lassen sich Muster erkennen und Rückschlüsse ziehen, etwa darüber, ob eine Maschine im vorgesehenen Leistungsbereich arbeitet oder ob sich Verschleiss abzeichnet.
Erfassen und interpretieren
Moderne Fräsmaschinen erfassen heute eine Vielzahl von Betriebsdaten. Je nach Konfiguration kommen bei Zimmermann 30 bis 50 Sensoren zum Einsatz, die unter anderem Temperaturen, Schwingungen oder Lastzustände überwachen. Die meisten dieser Sensoren werden zur Regelung oder Überwachung einer bestimmten Komponente des Bearbeitungszentrums verwendet. Werden diese Signale miteinander verknüpft und kontinuierlich ausgewertet, ermöglicht dies die Bewertung nicht nur einzelner Komponenten, sondern auch der Zustandsentwicklung gesamter Systeme. Dies wird als kontinuierliche Zustandsüberwachung oder Condition Monitoring bezeichnet.
Bildergalerie
«Die Herausforderung liegt jedoch nicht in der Erfassung der Werte selbst, sondern in deren Interpretation», erläutert Lippert. «Denn viele Daten allein bringen wenig Fortschritt. Das Ziel muss es sein, die Daten so zusammenzufassen und darzustellen, dass Anwender das Ergebnis interpretieren können.» Statt vieler einzelner Messwerte soll der Anwender eine übersichtlich visualisierte Aussage zum Zustand seiner Werkzeugmaschine erhalten. Am Ende sollte es möglich sein, die komplexen Zusammenhänge zwischen einzelnen Signalen durch geeignete Algorithmen und belastbare Methoden auf eine Ampellogik zu reduzieren oder sogar eine verbleibende Lebensdauer in Stunden abzuschätzen.
Fokus auf kritische Komponenten
Um das Risiko ungeplanter Maschinenstillstände zu verringern, ist es wichtig zu verstehen, wie ein Schaden entsteht. Daraus lassen sich geeignete Massnahmen ableiten. So kann ein verschleissbedingter Ausfall in einen geplanten Wartungstermin überführt oder eine Fehlanwendung als Ursache identifiziert und künftig vermieden werden. Zu den kostenintensiven und für den Betrieb kritischen Komponenten zählt die Werkzeugspindel. Ein Ausfall führt unmittelbar zum Stillstand der gesamten Anlage, und eine falsche Anwendung kann die Lebensdauer deutlich verkürzen. Der Maschinenbauer verfolgt daher das Ziel, die Zustandsentwicklung der Spindel möglichst präzise vorherzusagen. Hierfür sollen nicht nur einzelne Grenzwerte überwacht werden: Künftig geht es darum, Datenzusammenhänge umfassender auszuwerten, um frühzeitig Verschleissmuster zu erkennen.
Lippert veranschaulicht den Ansatz mit einer einfachen Analogie: «Man kann sich die Lebensdauer einer Komponente wie ein Wasserglas vorstellen. Entscheidend ist, wie voll es ist, wie oft daraus getrunken wird und wie gross die einzelnen Schlucke sind. Wenn wir diese Faktoren kennen und regelmässig messen, wie viel Wasser noch im Glas ist, können wir abschätzen, wann das Glas leer sein wird.» Dazu müssen die relevanten Faktoren in einem Monitoring-System abgebildet werden.
Mehr Verfügbarkeit, weniger Stillstand
Der angestrebte Nutzen für den Anwender: Durch dieses gezielte Vorgehen sollen sich wartungsbedingte Stillstände besser planen und unvorhergesehene Ausfälle reduzieren lassen. Wartungsmassnahmen können gezielt in produktionsfreie Zeiten gelegt werden.
Stand vom 30.10.2020
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung.
Einwilligung in die Verwendung von Daten zu Werbezwecken
Ich bin damit einverstanden, dass die Vogel Communications Group AG, Seestrasse 95, CH-8800 Thalwil, einschließlich aller mit ihr verbundenen Unternehmen (im weiteren: Vogel Communications Group) meine E-Mail-Adresse für die Zusendung von redaktionellen Newslettern nutzt. Auflistungen der jeweils zugehörigen Unternehmen können hier abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere (redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote. Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der vorgenannten Unternehmen und Marktforschung genutzt werden.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich deren verbundenen Unternehmen geschützte Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die hier genannten Zwecke verwendet werden.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter https://contact.vogel.de/de/smm abrufbare Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde ich in der Datenschutzerklärung, Abschnitt Redaktionelle Newsletter.
Gleichzeitig kann die Datenauswertung eine fundierte Ursachenanalyse unterstützen: Wiederkehrende Schäden lassen sich unter Umständen auf bestimmte Prozesse oder Nutzungsweisen zurückführen. «Wenn wir verstehen, warum eine Komponente verschleisst, können wir entweder den Prozess anpassen oder die Konstruktion optimieren», sagt Lippert.
Damit kann Condition Monitoring über reine Überwachung hinausgehen und als Werkzeug für kontinuierliche Verbesserung dienen. «Wir können unsere Lösungen weiter optimieren. Ziel ist, dass der Anwender von weniger Ausfällen profitiert. Wir geben unseren Kunden ein Werkzeug, um ihre eigenen Prozesse besser zu analysieren, Engpässe zu identifizieren und da zu verbessern, wo es sich wirklich lohnt.»
Lokale Datenverarbeitung statt Cloud
Ein zentrales Thema bei der Umsetzung ist die Datensicherheit. Viele Zimmermann-Maschinen werden in sicherheitskritischen Bereichen wie der Luft- und Raumfahrt oder der Wehrtechnik eingesetzt. Entsprechend hoch sind die Anforderungen an den Schutz sensibler Informationen. Der Ansatz: Die Daten sollen direkt an der Maschine verarbeitet werden. «Unser Ziel ist ein vollständig lokales System, das ohne Cloud-Anbindung auskommt», erklärt Lippert. «Wir arbeiten mit kompakten Recheneinheiten vor Ort und entwickeln Modelle, die ohne ständiges Nachtrainieren funktionieren.» Dieser Ansatz soll nicht nur Sicherheitsrisiken reduzieren, sondern auch den Bedarf an Rechenleistung und Infrastruktur.
KI als Werkzeug – nicht als Blackbox
Künstliche Intelligenz (KI) spielt bei der Auswertung der Daten eine wichtige Rolle. Allerdings setzt Zimmermann nach eigenen Angaben auf einen strukturierten Einsatz. «KI ist letztlich Statistik mit sehr viel Rechenleistung», sagt Lippert. «Entscheidend ist, dass wir uns vorher genau überlegen, welche Daten relevant sind und welche Zusammenhänge bestehen. Nur dann können wir verlässliche Ergebnisse erzielen.» Statt möglichst viele Daten ungefiltert zu verarbeiten, liegt der Fokus auf einer gezielten Auswahl und Vorstrukturierung. Das kann die Komplexität reduzieren und die Qualität der Modelle verbessern. Die eigentliche Mustererkennung und Gewichtung übernimmt anschliessend die KI.
Ein weiterer möglicher Vorteil der datenbasierten Ansätze zeigt sich im Service. Statt lediglich die Meldung «Maschine steht» zu erhalten, sollen Serviceteams künftig auf detaillierte Zustandsinformationen zugreifen können. Das kann eine bessere Einsatzplanung, eine gezielte Vorbereitung und im Idealfall kürzere, planbare Stillstandszeiten ermöglichen. Benötigte Ersatzteile können im Vorfeld identifiziert und direkt mitgebracht werden.
Auch im laufenden Betrieb können Anwender profitieren: Frühzeitig erkannte Abweichungen können helfen, Ausschuss zu reduzieren und die Bauteilqualität zu sichern, denn verschlissene Komponenten wirken sich nicht nur auf die Verfügbarkeit, sondern auch auf die Qualität der Bearbeitung aus.
Perspektiven: Von der Analyse zur Prognose
«Aktuell konzentrieren wir uns auf die Überwachung zentraler Komponenten und die Ableitung grundlegender Zustandsinformationen», berichtet Lippert. «Perspektivisch sollen daraus weitergehende Prognosen entstehen.» Damit soll sich künftig nicht nur der aktuelle Zustand bewerten, sondern auch die weitere Entwicklung abschätzen lassen, unter anderem die verbleibende Lebensdauer einer Komponente oder die zu erwartende Leistungsfähigkeit bei bestimmten Bearbeitungsstrategien. Langfristig sind auch Assistenzsysteme denkbar, die aus CAD-Daten automatisiert geeignete Fertigungsstrategien ableiten. Dabei liessen sich unterschiedliche Zielgrössen wie Bearbeitungszeit, Oberflächenqualität oder Werkzeugverschleiss berücksichtigen. Die Datenpipeline wird ausserdem genutzt, um Anwendern zusätzliche Einblicke zu geben, zum Beispiel dazu, welche Werkzeuge oder Programme welche Daten erzeugen. «Das ist ein Nebenprodukt, das einfache Optimierungen ermöglicht», sagt Lippert.
«Beyond Precision»: Erweiterter Blick auf die Maschine
Für Zimmermann ist diese Entwicklung Teil einer übergeordneten Strategie. Der Leitsatz «Beyond Precision» steht für einen erweiterten Präzisionsbegriff, der über reine Massgenauigkeit hinausgeht. «Eine gute Maschine definiert sich nicht durch einen einzelnen Kennwert», erklärt Geschäftsführer Frieder Gänzle. «Entscheidend ist das Zusammenspiel aus Präzision, Dynamik, Prozesssicherheit und Wirtschaftlichkeit. Mit der gezielten Nutzung von Daten, Condition Monitoring und KI arbeiten wir daran, diese Faktoren noch enger miteinander zu verzahnen und die Leistungsfähigkeit der Maschinen weiter zu steigern.»