19 Jul 2018

Größere Maschinenverfügbarkeit, geringere Wartungskosten

Condition Monitoring mit MICA

Über 80 % der Unternehmen beschäftigen sich mit dem Thema Condition Monitoring, aber nur 25 % wenden es an. Es scheitert an der mangelnden Datenverfügbarkeit, an komplexen und zu teuren Lösungen sowie fehlenden internen Ressourcen. Hier bietet die Open Computing Plattform MICA® von HARTING einen anderen Ansatz: einfach ist besser.

Fast 70 % der Unternehmen geben an, bei ungeplanten Produktionsstillständen schwer in Verzug zu geraten und 50 % berichteten von Qualitätsproblemen.[1] Das Ziel lautet deshalb, Stillstandszeiten aufgrund von Störungen oder Rüstzeiten zu minimieren oder mit verbesserten Parametern und Prozessen die Qualität zu verbessern.

Störungen werden zu spät erkannt

Störungen an Maschinen und Anlagen kündigen sich häufig an. Parameter wie Temperatur, Vibration oder Druck verändern sich. Wenn die Warnlampe erst einmal leuchtet, ist es in der Regel schon zu spät. Die Anlage steht im schlimmsten Fall außerplanmäßig, mit möglichen Folgen wie Produktionsstau und Lieferverzug. Ein weiteres schwerwiegendes Problem sind Produktionsfehler, die durch allmählichen Maschinenverschleiß unbemerkt bleiben und Ausschuss und Reklamationen nach sich ziehen. Hier versprechen Konzepte der digitalen Zustandsüberwachung eine wirksame Hilfe.

Aktuell ist noch von weitergehenden Predictive-Maintenance-Techniken zur vorausschauenden Wartung die Rede. Sie sollen mit Hilfe komplexer Algorithmen eine Prognose über den zukünftigen Zustand von Komponenten, Maschinen oder ganzen Anlagen ermöglichen, um notwendige Wartungsarbeiten zu optimieren. Solche Konzepte können in speziellen Fällen eine gute Lösung sein. Sie sind aber aufwendig und nicht für jeden Produktionsprozess geeignet.

Die einfachste Lösung ist meistens die Beste

In den meisten Anwendungsfällen reichen im ersten Schritt möglichst einfache und trotzdem sehr wirkungsvolle Lösungsansätze vollkommen aus. Dafür werden nur wenige, aber relevante Parameter durch Sensoren erfasst, visualisiert und gespeichert. Analyse-Programme vergleichen die historischen Daten mit den Echtzeit-Daten. So können Abweichungen von der Normalentwicklung erkannt werden. Der Maschinenführer wird bei Überschreiten von Schwellwerten per SMS oder Smartphone App frühzeitig über mögliche Probleme informiert. Dafür sind keine komplexen Systeme mit künstlicher Intelligenz notwendig. Die Vorteile: Einfache Systeme sind besser beherrschbar und die Investitionen amortisieren sich oft schon innerhalb des ersten Jahres. Mit dem industrietauglichen Edge Computing System MICA von HARTING können solche Anwendung direkt an der Maschine umgesetzt werden. Die Datenbank- und Visualisierungs-Anwendungen werden lokal vor Ort auf dem Mini-Computer ausgeführt.

Fehlende Daten sind die größte Hürde

Die größte Hürde für Condition Monitoring ist die unüberschaubare Vielfalt der installierten Applikationen. Heterogene Maschinenparks, proprietäre Schnittstellen und Automatisierungsprotokolle prägen das Bild im produzierenden Gewerbe. Hinzu kommen fehlende Fachexpertise und IT-Restriktionen. Deshalb gibt es keine generische Condition-Monitoring-Lösung, die für alle Anwendungen passt.

Dieses Problem hat Harting erkannt und den offenen und modular konzipierten MICA Mini-Computer entwickelt. Je nach Anwendung können geeignete Schnittstellen und passende Software zu einem Lösungspaket zusammengefasst werden. Harting hat in Zusammenarbeit mit Partnern und im Rahmen der Nutzerorganisation MICA.network bereits bewährte Lösungen für Einsatzbereiche wie CNC-Maschinen oder Kunststoffspritzguss-Maschinen entwickelt. Weitere Einsatzbereiche folgen Schritt für Schritt.  Für einen schnellen und einfachen Einstieg in das Condition Monitoring hat Harting in Zusammenarbeit mit Bosch ein Kit entwickelt, das die MICA um einen Industriestandard-Multisensor ergänzt, der bereits acht Grundparameter erfasst. Die Daten können dann mit der MICA ausgewertet und visualisiert werden.

Die Erfahrungen zeigen, dass dieses Lösungspaket die wichtigsten Monitoring-Anforderungen abdeckt, denn erfahrene Maschinenführer können anhand der Auswertungen gezielte Ursachenanalysen durchführen.

Einfache Konzepte haben sich bewährt

Beispiel Kunststoffspritzguss-Maschinen: Bei herkömmlichen Kunststoffspritzguss-Maschinen werden Parameter häufig noch manuell eingegeben und zur Protokollierung wieder manuell ausgelesen. Hier setzt Harting in der eigenen Spritzguss-Fertigung ein Lösung ein, mit der 30 Jahre alte Spritzgussmaschinen mit minimalen Aufwand in ein IoT System integriert wurden. Das Paket umfasst die Schnittstellen und Protokolle der meisten Spritzguss-Maschinen-Hersteller. Durch die Vernetzung der Maschine kann das Lesen und Schreiben der Parameter jetzt von einem Rechner aus erfolgen. Allein durch diesen digitalen Zugriff rechnet sich das MICA-Paket bereits innerhalb von 6 bis 12 Monaten.

Als Ergänzung wird bei den Kunststoffspritzguss-Maschinen außerdem registriert, welches Werkzeug auf welcher Maschine eingesetzt wird und wie hoch die Strom-Verbrauchsdaten je Auftrag sind. Die Daten wurden über einen langen Zeitraum gesammelt und daraus Soll-Ist-Vergleiche erstellt. Daraus kann abgeleitet werden, ob das Werkzeug und die Maschine noch im Normbereich arbeiten. Steigen die Verbrauchswerte kann ein Verschleiß der Schneckenförderung in der Maschine die Ursache sein. Dies wird vom Maschinenführer überprüft und durch eine vorausschauende Wartung können eine erhöhte Ausschussrate und mögliche Schäden an der Anlage vermieden werden.

Beispiel Motoren und Antriebe: Die Messung des Energieverbrauchs hat sich auch bei Motoren und Antrieben bewährt. Abweichungen vom Normalprofil werden gemeldet und der Maschinenführer kann durch seine langjährige Erfahrung meistens sehr schnell die Ursache der Abweichungen ermitteln. Auch hier sind aufwendigere Konzepte mit Vibrations- und Schwingungsmessungen denkbar. Darauf aufbauende Frequenzanalysen sind allerdings wesentlich komplexer und erfordern detailliertes Expertenwissen. In vielen Fällen reichen auch hier die deutlich einfacheren Energieverbrauchsanalysen vollkommen aus.

Der Nutzen von Condition Monitoring

Untersuchungen bestätigen den Nutzen von Condition Monitoring. An erster Stelle steht die erhöhte Maschinen-/Anlagenverfügbarkeit (80 %). Es folgen die reduzierten Wartungs-/Servicekosten (60 %) und schließlich eine stärkere Kundenbindung durch den verbesserten Service (52 %).[2]

 

[1] Frenus/T-Systems, Predictive Maintenance in Manufacturing, Western Europe, 2017; VDMA, Roland Berger, Predictive Maintenance, 2017

[2] BearingPoint, Maschinenverfügbarkeit rauf, Wartungs- und Servicekosten runter, 2018