Die direkte Kommunikation zwischen Device und Maschinensteuerung ermöglicht Echtzeit-Datenanalysen und -auswertungen innerhalb des Informationssystems. Im Bereich Monitoring können dem Werker so direkt aktuelle Maschinen- und Auftragsinformationen wie Fortschritt, verbleibende Dauer, Maschinenstatus oder Gesamtanlageneffektivität (engl. Overall Equipment Effectiveness, OEE) angezeigt werden. Dies verspricht eine höhere Echtzeit-Transparenz für den Mitarbeiter, da Rohdaten aus der Steuerung kontinuierlich auf das Smart Device übertragen und anschließend weiterverarbeitet, zu Kennzahlen verdichtet und visualisiert werden können.
Bei unerwarteten Störungen oder Unterbrechungen werden dem Anwender automatisch Pop-Up-Informationen angezeigt. Aufgrund vordefinierter Fehlerbibliotheken und -codes erhält der Benutzer direkt entsprechende Meldungen auf das Smart Device. Beispiele für solche Fehler- und Störungsinformationen sind offene Sicherheitseinrichtungen wie Türen oder notwendige Werkzeugwechsel bei der mechanischen Bearbeitung von Bauteilen. Die Interpretation der Rohdaten einer potentiellen Fehlersituation, die Ableitung von Anweisungen für den Anwender sowie deren Kommunikation erfolgt ebenfalls direkt im Informationssystem am Endgerät. Dadurch entfällt eine manuelle Fehleranalyse am Maschinenterminal, weshalb bei unerwarteten Störungen die Reaktionszeit reduziert und die OEE erhöht werden kann.
Darüber hinaus unterstützt das Informationssystem Lösungen im Rahmen von vorausschauender Wartung (engl. Predictive Maintenance). Die Ergebnisse von Datenanalysen, beispielsweise bei der Betrachtung von Verschleißentwicklungen, werden dem Anwender in Form eines Condition-Monitoring-Systems visualisiert. In diesem Fall werden betroffene Maschinenkomponenten augmentiert. Dies bedeutet, dass das Smart Device das Bauteil direkt als 3D-Modell in die Maschine projiziert. Dadurch erkennt der Anwender Komponenten und Zustände mit erhöhtem Maschinenverschleiß und kann Anpassungen rechtzeitig initiieren oder die Wartung einzelner Komponenten durchführen. Voraussetzung für diese Funktion im Informationssystem sind jedoch entsprechende Zustandsanalysen auf übergeordneten Analyse-Systemen.
Gegenwärtige Herausforderungen und Forschungsbedarf liegen insbesondere in der Anbindung weiterer Steuerungssysteme sowie den entsprechenden Kommunikationsprotokollen. Neben dem eigentlichen Austausch von Daten beinhaltet dies auch die Interpretation der steuerungsspezifischen Rohdaten und die anknüpfende Informationsverdichtung. Außerdem ist das aktuelle System auf die Kommunikation von einem Endgerät zu einer Maschine beschränkt. In industriellen Anwendungen wäre auch eine direkte Kommunikation von einem Gerät zu mehreren Maschinen vorteilhaft. Zu diesem Zweck ist es notwendig, die Android/PLC-Schnittstelle zu erweitern und sinnvolle Zugriffsroutinen zu definieren. Beispielsweise könnte ein „Pairing“ von Endgerät und Maschine über ein vorheriges Scannen einer spezifischen Maschinen-ID (etwa über einen QR-Code) oder der automatischen Erkennung von Maschinen in der Umgebung via Bluetooth/NFC durchgeführt werden. Darüber hinaus besteht in der Hardware weiteres Potential für Verbesserungen. Derzeitige Akkulaufzeiten von Smart Glasses für den industriellen Einsatz im Schichtbetrieb sind noch ungenügend, weshalb zusätzliche Batterien für einen langfristigen Einsatz notwendig sind. Schlussendlich wird die Robustheit und Benutzerfreundlichkeit von Smart Devices für die Verwendung für maschinenbezogene Anwendungen entscheidend für den Erfolg sein. Diese Anforderungen müssen im entwickelten System sowohl auf der Hardware- als auch auf der Software-Seite in industriellen Anwendungen getestet und ständig optimiert werden.
In der Ära von Industrie 4.0 ermöglicht das System die direkte Abfrage, die lokale Verarbeitung von Daten sowie die Visualisierung der verdichteten Informationen über mobile Endgeräte. Dadurch ergänzt das System die klassische Mensch-Maschine-Schnittstelle (engl. Human Maschine Interface, HMI) am Bedienterminal durch Einsatz eines flexiblen und echtzeitfähigen Informationssystems direkt am Anwender.
Literatur
1. Institut DGB-Index Gute Arbeit: Der Report 2016. Wie die Beschäftigten die Arbeitsbedingungen in Deutschland beurteilen, November 2017, S.6.
2. Schmitt et al.; Reinhart, G. (Hrsg.): Handbuch Industrie 4.0, Geschäftsmodelle, Prozesse, Technik. S.154 ff. Hanser Verlag, 2017.
Die Autoren
Florian Lindner, M.Sc.
absolvierte sein Maschinenbaustudium mit dem Schwerpunkt Produktionstechnik an der RWTH Aachen University. Seit 2013 arbeitet er als wissenschaftlicher Mitarbeiter und seit 2017 als Gruppenleiter für das Themenfeld Smart Production am Fraunhofer IPT in Aachen.
florian.lindner@ipt.fraunhofer.de
Dr.-Ing. Eike Permin
absolvierte sein Maschinenbaustudium mit dem Schwerpunkt Luftfahrttechnik an der RWTH Aachen University. Seit 2012 arbeitet er als wissenschaftlicher Mitarbeiter und seit 2017 als Abteilungsleiter für das Themenfeld Produktionsqualität am Fraunhofer IPT in Aachen.
Prof. Dr.-Ing. Robert Schmittist Inhaber des Lehrstuhls für Fertigungsmesstechnik und Qualitätsmanagement und Mitglied des Direktoriums des Werkzeug-maschinenlabor WZL der RWTH Aachen sowie als Leiter der Abteilungen Produktionsqualität und Messtechnik des Fraunhofer-Instituts für Produktions-technologie IPT Mitglied des Direktoriums des Fraunhofer IPT in Aachen.
r.schmitt@wzl.rwth-aachen.de
Frederik Gesthuysenwar während seiner knapp 10-jährigen Laufbahn bei Mitsubishi Electric in den Abteilungen Industrial Automation und CNC Mechatronics zuständig für Projekt-abwicklungen, Produktmarketing und Vertrieb. Aktuell ist er als Manager Key Account Customer mit dem Schwerpunkt Vertrieb und Marketing verantwortlich für die Markteinführung neuer CNC-Lösungen und den Ausbau von strategischen Vertriebspartnerschaften mit dem Fokus Osteuropa und naher Osten.
frederik.gesthuysen@meg.mee.com