Digitale Applikationsentwicklung bei F. Zimmermann Daten verstehen statt nur erfassen

Quelle: Pressemitteilung 5 min Lesedauer

Anbieter zum Thema

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)
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.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

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.»

(neu)

(ID:51006627)