Künstliche Intelligenz

Selbstheilende Maschinen! Mehr als nur Predictive Maintenance

Selbstheilende Maschinen: Eine Technologie, die über Predictive Maintenance hinaus geht!

Selbstheilende Maschinen: Eine Technologie, die über Predictive Maintenance hinaus geht!

Wie entstand Predictive Maintenance?

Predictive Maintenance ist gerade in aller Munde. Und nachdem wir dachten, wir hätten bereits alles über diese vorausschauende Art der Maschinen-Instandhaltung gehört, entwickelt sich jetzt ein neuer Trend rund um Produktionssysteme, welche sich selbst reparieren und sogar an neue Rahmenbedingungen anpassen können. Unser Ziel ist es, diesen nächsten Schritt zu selbstheilende Maschinen für die Industrie nutzbar zu machen.

Die heute in der Industrie vorherrschenden Produktionssysteme haben sich über mehrere Hundert Jahre langsam, aber zuverlässig immer weiter entwickelt: Zunächst wurden die Maschinen immer spezialisierter und automatisierter, produzierten jedoch meist Einzelstücke und waren nicht aufeinander abgestimmt. 1913 kam ein gewisser Henry Ford auf die Idee, mit der Massenproduktion von Autos zu beginnen. Diese waren bis dahin nur stückweise produziert worden.

Mit der Fertigung größerer Stückzahlen konnten die Produktionskosten deutlich gesenkt werden – so kam es, dass ein Auto zu einem erschwinglichen Massenprodukt wurde und auf einmal weiten Teilen der Bevölkerung zugänglich war.

Anfang der 80er begann man, verschiedene Produktionsschritte mit Einsatz von Robotertechnik weiter zu beschleunigen und zu automatisieren. Zunächst ging das nur mit sehr rudimentären und ineffektiven Robotern.

Aber es wurden immer komplexere Robotern entwickelt. Diese konnten die Aufgaben mit immer größerer Komplexität und Wertschöpfung ausführen, bis sie schließlich mehr als die Hälfte der sich wiederholenden Aufgaben erledigen konnten, die es heute in Produktionsketten gibt. Die Roboter sind zudem vernetzt und über ausgeklügelte IoT-Technologie (Internet of Things) gesteuert.

 

Die Evolution der Wartung bis hin zu sich selbst heilenden Maschinen

Mit fortschreitender Robotisierung in den Unternehmen wird auch ein zeitgemäßes Wartungssystem immer wichtiger, das es im Falle eines Maschinenausfalls ermöglicht, diesen so schnell wie möglich zu reparieren. Dies wird als korrigierende Wartung bezeichnet.

Noch wichtiger ist, dass diese Roboter keine unbekannten oder unerwarteten Probleme bekommen und einfach anhalten. Dadurch würde die gesamte Produktion auf unbekannte Zeit lahmgelegt. Das prophylaktische Warten der einzelnen Maschinenkomponenten z.B. nach Anweisung des Maschinenherstellers wird als vorbeugende Wartung bezeichnet.

Die Nachteile dieser vorbeugenden Wartung sind Mehrkosten und höherer Verschleiß aufgrund der Wartung von Infrastrukturen, Robotern und Maschinen. Diese benötigen zu dieser Zeit keine Wartung, was letztendlich die Zahl der unerwarteten Ausfälle sogar noch erhöhen kann.

Die vorbeugende Instandhaltung unterscheidet ihre Maßnahmen nämlich nicht nach der Arbeitsbelastung, dem tatsächlichen Verschleiß von Teilen oder der Art der ausgeführten Aufgaben.

In den letzten Jahren hat sich daher die so genannte gezielte vorbeugende Instandhaltung entwickelt.

Durch die Überwachung aller Maschinen einer Anlage in Echtzeit und die Speicherung aller Bewegungen in Sekunden oder Millisekunden ist es möglich, die Entwicklung jeder Maschine und jeder einzelnen Komponente der Maschine zu beobachten und je nach festgestelltem Verschleiß eine gezielte vorbeugende Wartung durchzuführen

Auf diese Weise ermöglichen wir den Wartungsmitarbeitern noch gezieltere und schonendere Einsätze an den Maschinen, da sie mit der Kombination aus ihrem hohen Wissensstand über die Bedienung der Maschinen und den zusätzlichen Informationen, die sie über die digitalen Monitoring-Dashboards (Business Intelligence) erhalten, stets über den tatsächlichen Zustand jeder Maschine informiert sind. So erhalten Unternehmen eine erhebliche Verbesserung Ihrer Wartungspolitik, was eine größere Zuverlässigkeit des Produktionsprozesses an sich gewährleistet und so die Gesamt-OEE des Unternehmens anhaltend erhöht.

Seit über 10 Jahren liefern Anbieter vorausschauende Wartungssysteme mit sehr genauen Informationen und Alarmen, um Probleme in Produktionssystemen frühzeitig und gezielt zu erkennen. 

 

LIS Solutions revolutioniert unser Verständnis von Wartung!

LIS Solutions errechnet zusätzlich zwei wichtige Kennzahlen, genannt RUL (Remaining useful life) und ROF (Risk of Failure). Hierzu werden Algorithmen generiert, die die Restlebensdauer unserer Maschinen oder das Risiko eines unerwarteten Ausfalls vorhersagen können.

Algorithmen sind hierbei die perfekten “Verbündeten” des IoT (Internet der Dinge) und damit auch der Maschinen.

Algorithmen sind nichts anderes als mathematische Formeln, die die Realität interpretieren und Urteile darüber abgeben, was geschehen kann.

Die physikalischen Formeln der Dynamik der Maschinentechnik müssen modelliert, in Algorithmen umgewandelt und mit den Informationsquellen verbunden werden, damit sie in Echtzeit den gesamten benötigten Informationsfluss aufnehmen und für die spätere Verwendung speichern können.

Algorithmen sind nichts anderes als mathematische Formeln, die die Realität interpretieren und Urteile darüber abgeben, was geschehen kann. Deshalb ist es so wichtig, Mathematiker, Maschinenbauer und Wirtschaftsexperten an einen Tisch zu bringen. Nur sie können praxisnahe Algorithmen entwickeln, die den Arbeitern und Entscheidungsträgern im Tagesgeschäft wirklich helfen können.

Wir haben also ein physisches, elektronisches, Computer- und Geschäftsproblem in einem einzigen Produkt, der vorausschauenden Wartung.

Fachgebiet Anzuwendende Konzepte
Dynamik Winkelmoment Grad der Bewegung Reibung
Elektronik Watt’sches Gesetz Leistungsaufnahme Joule-Gesetz
Flüssigkeiten Viskosität Bernoulli-Gesetz Kommunikation von Gefäßen
Schwingungen Transf. Laplace Transf. Fourier Harmonik

Viele Unternehmen haben diese Algorithmen seit Jahren in Hunderten von Robotern und Maschinen implementiert. Sie helfen den Experten und dem Wartungsteam, Entscheidungen darüber zu treffen, welche Aktion wann an welchen Maschinen durchgeführt werden soll. Dies hat auch eine sofortige Stärkung der Wartungstechniker zur Folge, da sie „Maschinenflüsterer“ verwandelt werden.

Warum bringen wir Maschinen nicht auch bei, sich selbst zu reparieren?

 Obwohl es nach Science Fiction und sehr komplizierten Programmierungen klingt, werden heute schon z.B. von LIS Solutions Projekte entwickelt, bei denen die Maschinen selbst ihre Produktionsmuster verändern. Dazu gehören mehr Temperatur, weniger Geschwindigkeit, mehr Luftdruck, etc., um das Endergebnis der zu vermarktenden Produkte zu optimieren und die Maschine selbst zu schonen.

Sobald über die angeschlossenen Sensoren die Diagnose gestellt wurde, werden die Werte von KI-gestützten Algorithmen interpretiert. Dann kann es mit Hilfe der SPS (Speicherprogrammierbare Steuerung=eingebauter Controller) aus der Ferne auf die Maschine eingewirkt werden, um die Konfiguration der Maschine oder sogar des gesamten Produktionslinie bestmöglich anzupassen.

Dann wird von digitaler präskriptiver Wartung gesprochen!

Die Wirtschaft geht generell immer mehr zu autonomen Umgebungen über, in
denen die Produktionssysteme nach und nach Algorithmen mit Künstlicher Intelligenz enthalten.
Solche, die bei der Programmierung und Planung der Produktion helfen, die
Ergebnisse der Endprodukte zu verbessern, Ausschuss und Ressourcenverschwendung
zu reduzieren oder den Produktionsexperten schneller bessere Informationen zur
Verfügung stellen, um so wichtige KPIs
wie die OEE
oder die Maschinenrüstzeiten zu optimieren. Da ist
es also keine Zukunftsmusik, sondern nur ein weiterer logischer Schritt in
Richtung Smart Factory, der Industrie auch sich selbst heilende Maschinen an
die Hand zu geben.