Forscher gründen Start Up Eine App gegen Maschinenstillstände

Forscher haben ein System zur Maschinenüberwachung entwickelt und daraus nun ein Start-up gegründet.
Forscher haben ein System zur Maschinenüberwachung entwickelt und daraus nun ein Start-up gegründet.

Forscher des Fraunhofer IPA haben ein Analysetool entwickelt, das mit selbstlernenden Algorithmen Defekte in Fertigungsanlagen findet, bei der Fehlerbehebung unterstützt und ein automatisiertes Maschinen-Benchmarking durchführt. Nun machen sich die Wissenschaftler damit selbstständig.

Vor allem die Pharma- und Konsumgüterindustrie arbeitet mit kapitalintensiven Fertigungsanlagen und ist darauf angewiesen, die Produktivität stets zu maximieren. Andernfalls drohen Kostendruck und Finanzierungslücken. Allerdings gilt in der Praxis: »Je komplexer die Anlage, desto geringer die Produktivität,« sagt Felix Müller, Gruppenleiter Autonome Produktionsoptimierung am Fraunhofer IPA. Hinzu kommt, dass viele Fertigungsanlagen eine Vielzahl an Stationen umfassen und
so schnell arbeiten, dass Fehlerursachen mit bloßem Auge nicht erkennbar sind.

Mit der »Smarten Systemoptimierung« haben Müller und sein Team deshalb ein
Analysetool entwickelt, das Fehler und deren Ursache in schnelltaktenden, verketteten Fertigungsanlagen kontinuierlich erkennt: Ein leistungsstarker Konnektor greift dazu über das jeweilige Herstellerprotokoll hochfrequent auf die Daten in der Maschinensteuerung zu. So entsteht eine Datenbasis, die mehrere selbstlernende Algorithmen zeitsynchron auswerten. Diese erkennen detailliert, wo Fehler im Fertigungssystem vorliegen, wie sie zusammenhängen und welche Prioritäten sie bei der Behebung haben. Auf diese Weise können Defekte, die zum Ausfall des gesamten Systems führen, schneller behoben oder gar vorhergesagt werden.
 

Die Maschine verrät, wie sie zu reparieren ist

Es ist nicht immer klar, was zu tun ist, wenn ein Fehler aufzutreten droht. Dazu kommen Folgemeldungen der Anlage, die die Situation für den Bediener noch unübersichtlicher gestalten. Aus diesem Grund haben Müller und sein Team »Shannon« entwickelt, ein intelligentes Werker-Assistenzsystem für komplexe Fertigungsanlagen, das auf der smarten Systemoptimierung aufbaut. Bisher oblag es oft den Maschinenbedienern zu entscheiden, was sie tun, um einen Fehler zu beheben. Nun aber schickt ihnen die betroffene Maschine eine detaillierte Schritt-für-Schritt-Anleitung auf das Smartphone oder Tablet. Die Datenbasis und die Verknüpfungen zwischen Störungen und Lösungen erweitern sich während des Anlagenbetriebs ständig.
 

Anlagenbediener haben die Möglichkeit, selbst Anleitungen, etwa zur Behebung
von Störungen, anzulegen. Diese Anleitungen können neben Text auch Fotos und
Videos beinhalten. Der Anlagenbediener kann Feedback zu den bereit-gestellten Informationen geben, was zur deren Verbesserung genutzt wird. Er ist auch aktiv aufgefordert, Wissen einzubringen, beispielsweise bei der Beschreibung von detektierten aber unbekannten Ereignissen. So baut sich mit der Zeit eine klar verständliche und durchgängig verknüpfte Wissensdatenbank auf, bestehend aus Fehlern, Ereignissen und Lösungen. Shannon ist aktuell als Tablet- und Smartphone-App in mehreren Fabriken im Einsatz und hat dort die Zeit für die Behebung von Störungen deutlich verkürzt.

Gleiche Maschinen arbeiten dennoch unterschiedlich schnell

Auch ein automatisiertes Maschinen-Benchmarking ist mit der smarten Systemoptimierung machbar: In vielen Produktionshallen stehen dutzende identische oder ähnliche Maschinen und führen immer den gleichen Bearbeitungszyklus aus. Ein Beispiel dafür sind Spritzgieß-, Druckguss- oder auch Blasform- und Tiefziehmaschinen. Obwohl sie alle gleich aufgebaut sind, arbeiten manche langsamer als andere. Das liegt meist am Verschleiß bestimmter Bauteile, an variierendem Sensorverhalten oder unterschiedlichen Werkzeugeinstellungen sowie Materialschwankungen.
 

Beim Maschinen-Benchmarking wird zunächst der Gesamtablauf in einer Maschine definiert und in Einzelschritte aufgeteilt. Anschließend erzeugt der hochfrequente Konnektor an der Maschinensteuerung eine Datenbasis, die ein Machine-Learning-Algorithmenpaket auswertet. Dies geschieht mit allen angeschlossenen Maschinen gleichzeitig und wird rein virtuell zu einem idealen Prozessablauf verschmolzen. Daraus erkennt das Tool sofort, wenn eine Maschine langsamer läuft als vorgesehen und verknüpft dies mit einer technischen Ursache. Anwender können so nicht nur Störungen beheben, bevor sie auftreten, sondern auch eine optimierte Zykluszeit für die angeschlossenen Maschinen erhalten, indem sie die besten Einzelschritte zusammenfügen. Dies führte je nach Maschine in den bisherigen Prototypenanwendungen zu Zykluszeitreduktionen zwischen zwei und 18 Prozent. Auch die bisher schnellste Maschine kann also noch schneller werden. Die Anwendung ist mittlerweile in eine kontinuierlich lernende Software namens Darwin überführt worden.
 

Forscher gründen Start-up

Bei mehreren Automobilzulieferern und einem Spritzgießmaschinenhersteller ist Darwin, das intelligente Maschinen-Benchmarking, bereits zum Einsatz gekommen, auch werks-
übergreifend. Shannon findet bereits Anwendung bei großen Automobil- und Pharma-
unternehmen. Grund genug für Felix Müller und seine beiden Mitgründer Thomas Hilzbrich und Pablo Mayer sich mit ihrer Idee selbstständig zu machen. Ihr Start-up, die plus10 GmbH, unterhält aktuell Büros in Stuttgart und Augsburg.