iMain - A Novel Decision Support System for Intelligent Maintenance in Forming Presses

Fallen Maschinen in der Produktion unerwartet aus, entstehen den Unternehmen unnötige Kosten. Wenn man vorher wissen würde, wann eine Maschine ausfällt bzw. wann Komponenten brechen, könnten Unternehmen exakt planen, wann eine Maschine gewartet oder eine Komponente ausgetauscht wird. Am besten geschieht dies, wenn es optimal in den Produktionsplan passt. Ein derartiger vorausschauender Blick in die Zukunft erfordert umfangreiche Informationen und spezielles Expertenwissen, was mit heutigen  Fernwartungssystemen weder technisch noch wirtschaftlich sinnvoll realisierbar ist.

Cloudbasierter Instandhaltungsansatz
Mit der Informatisierung und Vernetzung von Maschinen und Anlagen könnte dieses Problem gelöst werden. Davon könnten vor allem Hersteller profitieren, die ihren internationalen Kunden Dienstleistungen rund um die Instandhaltung anbieten wollen. Durch die zentrale Verwaltung der erfassten Daten und Informationen innerhalb einer unternehmensinternen eMaintenance Cloud ergeben sich völlig neue Möglichkeiten zur Generierung von instandhaltungsrelevantem Wissen. Mit dem  Zusammenführen dieser Daten und Informationen wird eine völlig neue Quantität bei der Restlebensdauerprognose erzielt. Co-Simulationsumgebungen ermöglichen die Integration komplexester Bewertungsmodelle. Hierfür kann problemspezifisches Expertenwissen auch von Drittanbietern eingebunden werden. Im vom Fraunhofer IWU koordinierten EU-Projekt iMAIN (Intelligent Maintenance) haben acht Partner aus vier europäischen Ländern die notwendige informationstechnische Infrastruktur und spezielle Algorithmen und Modelle entwickelt und die Funktionalität am Beispiel der Blechumformung demonstriert.

Eingebettetes Condition Monitoring
Der interdisziplinäre Ansatz beim Streben nach weiterführenden Erkenntnissen zu Materialbelastung und Komponentenlebensdauer spiegelt sich in einer breit aufgestellten Strategie bei der Instrumentierung und Datenerfassung wider. Bei der Erfassung physikalischer Prozesse und Messgrößen, Sensoren und zusätzlicher Anlagenprozessdaten – wie unterschiedlichen Datenraten, Formaten und Schnittstellen – wird ein »Multi-Domain«-Ansatz verfolgt. Damit können verschiedenste Sensortypen (u.a. MEMS, Wireless) integriert und vielfältige Zustandsgrößen wie zum Beispiel die Stößelkippung bei Pressen, die Verteilung der Presskräfte, Temperaturänderungen in Lagern und Führungen, Schwingungen an Antrieben und Riemen oder die Ölqualität sowie der Luft- und Energieverbrauch erfasst werden. Ein besonderes Augenmerk liegt auf der erstmaligen Erfassung einer realen Belastungshistorie der kompletten Gestellstruktur zur Vermeidung von Dauerbrüchen, wobei hier neuartige, sogenannte virtuelle Sensoren eingesetzt werden.

Serviceorientierte Geschäftsmodelle
Ein derartiger kooperativer Instandhaltungsansatz ermöglicht es Maschinen- und Anlagenherstellern, ihre serviceorientierten Geschäftsbereiche zu erweitern. Ein besonderer Schwerpunkt wird dabei zukünftig bei »information-for-x«-Modellen gesehen, die dem Kunden erweiterte Garantien für die Bereitstellung aktueller Anlageninformationen bieten. Aber auch bei anderen Product-Service-Modellen wie »pay for use« oder »pay for performance« kann das wirtschaftliche Risiko für den Systemanbieter durch cloudbasierte Monitoringansätze deutlich reduziert werden.