Allzweckwaffe gegen Maschinenstillstände

For­scher des Fraun­ho­fer IPA haben ein Ana­ly­se­tool ent­wi­ckelt, das dank selbst­ler­nen­der Algo­rith­men Defek­te in schnell­tak­ten­den Fer­ti­gungs­an­la­gen fin­det, bei der Feh­ler­be­he­bung unter­stützt und ein auto­ma­ti­sier­tes Maschi­nen-Bench­mar­king durch­führt. Nun machen sich die Wis­sen­schaft­ler mit die­ser Tech­no­lo­gie 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.“ So bringt es Felix Mül­ler, Grup­pen­lei­ter Auto­no­me Pro­duk­ti­ons­op­ti­mie­rung am Fraun­ho­fer IPA, auf den Punkt. 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 kon­ti­nu­ier­li­che 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.

Effizienzsteigerung von bis zu 18 Prozent

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 werks­über­grei­fend. Shan­non fin­det bereits Anwen­dung bei gro­ßen Auto­mo­bil- und Phar­ma­un­ter­neh­men. Grund genug für Felix Mül­ler und sei­ne bei­den Mit­grün­der Tho­mas Hilz­brich und Pablo May­er sich mit der „Smar­ten Sys­tem­op­ti­mie­rung“ selbst­stän­dig zu machen. Ihr Start-up, die plus10 GmbH, unter­hält aktu­ell Büros in Stutt­gart und Augs­burg und nimmt heu­te den Betrieb auf.