MES mit smarter Datenanalyse Automatische Fehlerursachenanalyse in der SMT-Fertigung

Die iTAC-Zentrale in Montabaur
Die iTAC-Zentrale in Montabaur

Ein Smart-Data-Analytics-Service wird dann benötigt, wenn sich die Maschinen automatisch optimieren sollen. Wie das der MES-Unternehmen iTAC gemeinsam mit der Software-Tochter Dualis realisiert, erklären Dieter Meuser, CTO von iTAC, und Heike Wilson, Geschäftsführerin von Dualis.

Markt&Technik: Manufacturing-Execution-Systeme sind Dreh- und Angelpunkt der Digitalisierung in der Produktion. Zur Hannover Messe wollen Sie eine ganz neue Entwicklung vorstellen – was genau verbirgt sich dahinter?

Dieter Meuser: Ein MES kann man stetig verfeinern. Das haben die Ingenieure seit dem CIM-Zeitalter über 30 Jahre zur Perfektion gebracht. Wirklich neue Anwendungsszena-rien lassen sich aber im bestehenden Rahmen eines klassischen MES nicht mehr erschließen. Daher gehen wir neue Wege und werden ein MES anbieten, das um eine Smart Data Analytics-Plattform erweitert wird. Den Prototypen wollen wir auf der Hannover Messe vorstellen.

Wann braucht die Produktion Smart Data Analytics?

Meuser: Ein Smart-Data-Analytics-Service wird beispielsweise dann benötigt, wenn sich die Maschinen automatisch optimieren sollen. Mit der Erweiterung unseres MES um APS und Analytics-Plattformen wie „Apache Spark“ kann die Losfertigung 1 besser geplant, Fehler können vermieden und eine vorausschauende Wartung kann berücksichtigt werden. So lassen sich bereits hochautomatisierte Prozesse im gesamten Produktionsprozess weiter optimieren.

Welche Rolle spielt Ihre neue Tochter dabei, das Software-Unternehmen Dualis?

Meuser: Dualis ist auf die Entwicklung von Software und Dienstleistungen rund um Simulation, Prozessoptimierung und Auftragsfeinplanung in der Industrie spezialisiert. Elementares Ziel der Akquisition ist es, die etablierte Advanced-Planning-and-Scheduling-Lösung „Ganttplan“ von Dualis sowohl in die Public-Cloud-Industrie-4.0-Plattform „iTAC.IoT.Platform“ als auch in die On-Premise-MES-Lösung „iTAC.MES.Suite“ vollständig zu integrieren.

Heike Wilson: Der Kern unseres Geschäfts ist seit 30 Jahren die Entwicklung von Algorithmen zur Optimierung von Produktionsprozessen. Entscheidungen des Menschen werden sozusagen in ein System gepackt und finden sich wieder in unserem Kernprodukt, dem APS. Mit unserem APS wird das MES von iTAC logisch ergänzt. Wir wollen diese Expertise gemeinsam mit iTAC in Richtung I4.0-Plattform auf- bzw. ausbauen. Die strategische Partnerschaft beider Unternehmen ist über die letzten acht Jahre enorm gewachsen. Auf der Entwicklungsebene pflegen wir eine langjährige Zusammenarbeit. Wir sind faktisch also schon seit Jahren auf dem Integrationspfad.

Was kann die Smart Data Analytics-Plattform?

Meuser: Wir entwickeln als erstes einen Predictive Maintenance Service sowie einen Service zur automatischen Fehlerursachenanalyse in der SMT-Fertigung. Hier arbeiten wir eng mit führenden Herstellern von Maschinen für die SMT-Fertigung zusammen. Wir haben mit der Evaluierung dieses IoT Use Case bereits im Jahr 2014 im Rahmen der Smart Electronic Factory-Initiative begonnen.

Wilson: Hier spielt auch der digitale Zwilling eine Rolle, der als repräsentative Schicht dient. Das bedeutet, es gibt ein exaktes 3D-Abbild des tatsächlichen Systems in einer Simulationsplattform. Damit können Prozesse und IST-Daten simuliert, analysiert und entsprechende Ableitungen getroffen werden, ohne dass eine reale Anlage in die Smart-Data-Analytics-Plattform des MES integriert sein muss.

Predictive Maintenance ist im Grunde nichts Neues, was kann nun Ihr Modul besser?

Meuser: Wir werden ein PdM-System am Markt platzieren, das die Wartungsintervalle von Betriebsmitteln automatisch parametrisiert und somit sowohl die qualitative als auch die quantitative Ausbringung von Produktionsanlagen bei einer gleichzeitigen Minimierung der Wartungsaufwände signifikant erhöht. Hiermit lässt sich die Gesamtanlageneffektivität erheblich steigern.

Wilson: Der Mehrwert liegt darin, dass unser System dynamisch agiert. Die Wartungszyklen sind abhängig von den qualitätsabhängigen Daten, die wir sammeln und auswerten. Das Ergebnis wird wiederum im APS für eine robuste Vorausplanung und Optimierung der Auftragssequenz genutzt. Es entsteht also ein geschlossener dynamischer Daten- und Rechenkreislauf.