Komponenten identifizieren, Sensordaten sammeln, speichern und übertragen, Schwellwerte überwachen sowie Histogramme und Historien erstellen – all das sind Aspekte, um über die smarten Cynapse-Getriebe Intelligenz in den ganzen Antriebsstrang zu bringen. Darauf aufbauend entstehen bei Wittenstein aktuell neue Services. Sie laufen nicht mehr auf der Komponente selbst, sondern auf der vorhandenen Infrastruktur der Maschine. Der Grund hierfür ist die integrative Nutzung weiterer Datenquellen, wenn der digitale Service z.B. Sensor- und Maschinendaten miteinander verheiratet. Und dadurch eine sichere Vorhersage von Qualität, Zuverlässigkeit und Verfügbarkeit möglich macht.
Sensordaten sammeln und visualisieren
Die Entwicklung smarter Anlagenkonzepte durch die Maschinenbauer, aber auch die Digitalisierung zahlreicher Bestandsanlagen durch die Betreiber ist in vollem Gang. Unternehmen wollen Fehler abstellen, Kosten reduzieren, ohne Ausschuss produzieren oder die Energieeffizienz von Prozessen verbessern. Die Getriebe mit Cynapse-Feature geben dafür passende Werkzeuge an die Hand. Sie ermöglichen es, direkt an der Komponente prozessrelevante Werte wie Temperatur, Vibration, Beschleunigung und Einbaulage zu erfassen und einstellbare Schwellwerte zu überwachen. Ein Unterfangen, das in der Praxis manchmal schwierig ist, denn wer weiß schon, welche Vibrationsstärke normal ist und bei welcher Beschleunigungskraft ein Grenzwert zu setzen ist, der überhöhte Vibrationen meldet? Mit dem Cynapse-Monitor steht Anwendern ein Tool zur Verfügung, das die aufwändige Programmierung eigener Überwachungs-Apps und Visualisierungsoberflächen erspart. Neben der Komponenten-ID werden alle bereit gestellten Werte erfasst und in einem für verschiedene Endgeräte geeigneten Dashboard angezeigt – also zyklische und azyklische Sensordaten, Histogramme, Historien und Events. So ist etwa sofort erkenntlich, welcher Temperaturbereich oder welche Vibrationen sich im Betrieb am Getriebe typischerweise ergeben. Der Betreiber kann so den vom Hersteller definierten Schwellwert durch einen eigenen Schwellwert überschreiben und gegebenenfalls einen Warnhinweis ausgeben. Durch den Einblick in das Betriebsverhalten der Antriebsachsen können Schäden am Getriebe vermieden und Störungen im Prozess detektiert werden. Schon dieses Condition Monitoring hilft, Maschinen und Anlagen besser betreiben zu können. Am besten allerdings wäre es, Fehler zu erkennen, bevor sie auftreten, Verschleiß zu bemerken, bevor er sich als Maschinenausfall bemerkbar macht oder auch Ausschuss zu vermeiden, bevor er produziert wird. Auch hier will Wittenstein mit seinen Smart Services ansetzen. Mit der Anomalie-Erkennung hat das Unternehmen ein Tool entwickelt, das Fehler vor dem Entstehen bemerken kann – wie bereits verschiedene Use Cases zeigen. Die Vorgehensweise der Anomalie-Erkennung ist es, sich frühzeitig ankündigende Abweichungen von Sollprozessen zu registrieren.
Predictive Quality bei der Zahnträgerfertigung
Einer der ersten Use Cases der Anomalie-Erkennung war ein internes Projekt aus dem Bereich der zerspanenden Teilebearbeitung. Bei der Fertigung von Zahnträger für das Getriebe der Galaxie-Baureihe auf einer Werkzeugmaschine ist die bearbeitungstechnische Präzision im µm-Bereich entscheidend für die spätere einwandfreie Funktion. Wie auch bei anderen technischen Produkten gehen hohe Genauigkeitsanforderungen in der Regel einher mit erhöhter Ausschussgefahr, sollte sich der Sollprozess der Teilebearbeitung unbemerkt ändern. Fehler werden dann erst am fertigen Teil sichtbar – nach unnötigem Verbrauch von Maschinenkapazität, Material, Energie und Zeit. Die automatische Analyse der Vibrationsdaten beim Service Predictive Quality ermöglicht es künftig, ein Weglaufen des Sollprozesses zu erkennen und der Produktion von Schlechtteilen vorab zu vermeiden. Perspektivisch ist zudem denkbar, eine genaue Aussage zu treffen, über welche Betriebsdauer hinweg ein einwandfreier Sollprozess der mechanischen Bearbeitung gewährleistet ist. In diesem Zeitraum wird dann vorhersehbar ausschließlich in der geforderten Qualität gefertigt.
Predictive Availabilty in der Abfüllung
Der Aspekt der vorhersehbaren Zeitspanne, in der ein Prozess so abläuft wie er soll, spielt im Use Case einer Abfüllmaschine eine wichtige Rolle. Dem Anwender geht es darum, leicht verderbliche Produkte durchgängig in einer Charge abfüllen zu können. Unterbrechungen im Abfüllprozess und Instandhaltungsmaßnahmen von nur ein bis zwei Stunden können dazu führen, dass das Abfüllprodukt verdirbt. Das bedeutet nicht nur den Verlust von teurem Abfüllgut im Zuführbehälter und den bereits abgefüllten, unverschlossenen Flaschen auf dem Transporteur, sondern auch die Notwendigkeit, die Maschine zu reinigen, damit folgende Chargen beim Abfüllen nicht durch Produktreste kontaminiert werden. Häufig ursächlich für solche Maschinenstillstände sind unvorhergesehene Störungen des Antriebsriemens in der Maschine – hervorgerufen durch Verschleiß oder falsche Einstellung der Riemenspannung. Der Ansatz im Projekt zur Anomalie-Erkennung war, über Vibrationsmessungen am Riemenantrieb automatisch Veränderungen von dessen Spannung im Maschinenbetrieb zu erkennen. Mit Hilfe von Cynapse-Getrieben konnten verschiedene Vibrationsmuster aufgenommen werden, die Rückschlüsse auf Veränderungen der Riemenspannung erlauben. Dadurch ist es möglich, ungeplante Ausfälle während des Abfüllens einer Charge zu antizipieren. Ein Prozessstillstand durch einen unerwarteten Riemenverschleiß wird sich durch die Anomalie-Erkennung in Zukunft vermeiden lassen.
