Forschungsprojekt

In-process-Fingerprint für die prädiktive Instandhaltung

Zielbranchen

Werkzeugmaschinenbau, Metallerzeugung und -bearbeitung, Maschinenbau

Problemstellung

Die laufende Zustandsbewertung von Maschinen stellt ein wesentliches Werkzeug zur Eigenschaftsabsicherung dar. Die zunehmende Erweiterung der digitalen Infrastruktur von Hochleistungs-Werkzeugmaschinen liefert hierfür eine Vielzahl von nutzbaren Daten. Die Herausforderung besteht darin, unterschiedlichste digitale Signale in einen Zusammenhang mit Komponentenzuständen  zu bringen. Werkzeugmaschinen weisen hierbei oft ein häufig wechselndes Werkstückspektrum von Kleinserien bis hin zur Einzelteilfertigung auf. Dies bedeutet, dass sich Mess- und Maschinenparameter fortwährend in Abhängigkeit von Prozess, Maschinenkonfiguration und externen Randbedingungen (Umwelt, aber auch z.B. Aufmaß der Werkstücke) ändern, ohne dass daraus ein direkter Rückschluss auf Verschleißvorgänge gezogen werden kann.

Lösung

Die zentrale Herausforderung für die Zustandsüberwachung besteht in der Verknüpfung und Verarbeitung von Maschinen- und Messdaten zu Kennwerten und daraus abgeleitet Grenzwerten, welche den Zustand der Komponente als »normal«, »auffällig« oder »verschlissen« einteilen.

Folgende Ansätze sind geeignet, diese Schwierigkeiten zu überwinden:

  • Schaffung einer Vergleichsbasis durch online-Abgleich von Maschinenzuständen ohne Prozessbeeinflussung
  • Adaptive Kenn- und Grenzwertbildung
  • Nutzung von Fuzzy-Logik für die Grenzwertinterpretation
  • Fuzzy-Clustering zur Bewertung neuer Prozesse und Bauteile

Ein prinzipieller neuartiger Ansatz besteht in der Erkennung gleicher Maschinenzustände zu unterschiedlichen Zeitpunkten. Dies bedeutet konkret, dass die Maschine zu zwei Zeitpunkten den gleichen Prozess ausführt, eine sehr ähnliche Konfiguration aufweist (Achsstellungen, gleiches Werkzeug) und zusätzlich die Umweltbedingungen nicht wesentlich abweichen. Der Abgleich erfolgt über ein fortwährendes Mapping unterschiedlicher Daten aus der Steuerung (z. B. SPS- oder NC-Daten) und sensorischer Informationen.

Auch wenn Abschnitte gleichen Systemzustands erfasst wurden, besteht die Problematik, dass die Systemantwort im Sinne der erfassten Messwerte und gebildeten Kenngrößen zeitlich nicht konstant ist. Ursächlich hierfür sind z.B. Einlaufvorgänge oder der geregelte Verschleiß von Komponenten. Es ist also notwendig, komplexere und gegebenenfalls spezifische Ansätze für eine dynamische Kennwertbildung zu entwickeln. Abhängig vom Kontext der entsprechenden Komponente wird der zulässige Wertebereich mittels statistischer Verfahren entweder auf Basis bekannter Zusammenhänge zum Einlaufverhalten nach einer bestimmten Zeit fixiert oder fortlaufend auf Basis des bisherigen Werteverlaufs neuberechnet.