Umformmaschinen wie Pressen und Walzen sind elementare Bestandteile des industriellen Fertigungsprozesses. Sie sind jedoch in der Anschaffung sehr teuer und in der Einrichtung und Justierung zeitaufwendig. Hersteller und Anwender stehen vor der Herausforderung, Effizienz, Kosteneinsparung, Qualität sowie Langlebigkeit der Maschinen mit den Initialkosten in Einklang zu bringen. Das Retrofitting, also die Modernisierung, technologische Erweiterung oder Umrüstung bestehender Anlagen, erlaubt es, gezielt die Effizienz zu steigern, die Lebensdauer zu verlängern oder neue Funktionen zu implementieren, ohne in komplette Neuanlagen investieren zu müssen. Darüber hinaus können aktuelle Standards und Technologien genutzt werden, um neue Regularien zu erfüllen sowie gegebenenfalls notwendige Sicherheitsanforderungen zu bedienen.
Smarte Sensorik
Eine Basis für solche Retrofit-Ansätze bildet der intelligente Nutenstein SmartNotch des Fraunhofer CCIT. Dabei handelt es sich um einen Sensor, der direkt in die standardisierten T-Nuten einer Presse eingebaut wird und die angelegte Kraft am Werkstück misst. Der Nutenstein kommt also direkt am Ort des Umformprozesses zum Einsatz, ohne den bestehenden Arbeitsablauf zu beeinträchtigen. Die Sensorik wird in mehreren Größen entwickelt und kann somit in großen als auch in kleinen Nuten installiert werden.
Der Nutenstein überwacht und automatisiert kontinuierlich die Produktionsprozesse innerhalb der Presse. Er wird etwa an der Schnittstelle zum Werkzeug sowie in den T-Nuten von Pressentisch und -stößel installiert. So werden Maschinenkomponenten, die zuvor keine besondere Funktion hatten, zu Datenquellen für die Zustandsüberwachung und vorausschauende Wartung. Die Verantwortlichen erhalten transparente Informationen, anhand der sie in der Lage sind, Verschleiß zu erkennen, Ausfälle vorherzusagen und Produktionsfehler frühzeitig aufzudecken. Das ermöglicht es, Wartungsarbeiten vorausschauend zu planen, um Stillstand, Materialschäden und damit Umsatzeinbußen zu vermeiden.
Mit dem smarten Nutenstein lassen sich Maschinen zudem ressourcenschonend für ein neues Projekt vorbereiten. Ein Beispiel findet sich in der Forschung zur marktfähigen Wasserstoffproduktion. Um den Status einer industriellen Serienfertigung zu erreichen, sind neben kostengünstigen Werkstoffen vor allem qualitativ hochwertige Bauteile für neuartige Elektrolyseure sowie die Skalierbarkeit und Vernetzung von Produktionsprozessen unabdingbar. SmartNotch leistet einen wichtigen Beitrag im Bereich der Qualitätsüberwachung, indem die Technologie Daten zum Anlagen- und Prozesszustand mit den Messergebnissen der Sensorik ergänzt und aggregiert. Das erhöht die Transparenz in Zeiten steigender Komplexität und macht die Produktion effizienter und agiler – beide Faktoren wirken sich auf die Produktkosten aus. Herausforderungen wie hohe Anforderungen an die Produktionsanlagen durch neue Werkstoffe, komplexe Geometrien oder kleine Losgrößen werden so besser beherrschbar.
Vertrauenswürdige Datenräume
Das Sensorsystem SmartNotch ist Teil des Forschungs- und Entwicklungsprojekts ECC4P (Edge Cloud Continuum for Production) des Fraunhofer CCIT. Das Projekt kombiniert die Vorteile von Edge- und Cloud-Computing – also geringe Latenzzeiten und skalierbare Rechenkapazitäten – und soll produzierenden Unternehmen damit die Möglichkeiten eines geschlossenen und souveränen Datenraums eröffnen. In der Praxis bedeutet das: Zur Datengewinnung dient zum einen die implementierte Sensorik des Nutensteins. Dort werden Parameter wie Temperatur, Vibration, Prozesskraft oder Druck erfasst. Ergänzt um Daten von Maschinensensoren und anderen Quellen (Umformkraft, Hubzahl, Betriebsdauer, Störmeldungen oder Materialverbrauch) können gesamtheitliche Informationen über den kompletten Bearbeitungsprozess gesammelt werden. Ein neuer Mehrwert für Fabrikbetreibende entsteht dann, wenn die Daten aus den verschiedenen Quellen in einem Edge IPC zusammengeführt, strukturiert analysiert und ausgewertet werden. Somit lassen sich Prozesse einfacher und gezielter verbessern und bedarfsweise mit anderen beteiligten Akteuren teilen – eine Forderung, die bei der Betrachtung der gesamten Wertschöpfungskette zunehmend in den Vordergrund rückt.
Die vorliegenden Resultate eignen sich bereits dazu, Maschinen ohne Latenzzeit zu regulieren und allgemeine Rückschlüsse auf Produktionsprozesse zu ziehen. Erst durch die Kombination mit Technologien des Maschinellen Lernens (ML) profitieren produzierende Unternehmen von allen Vorteilen. ML-Modelle analysieren und interpretieren die Daten, um Produktionsausschuss, Prozessanomalien oder Werkzeugverschleiß zu erkennen und zu vermeiden. Dieser Vorgang findet in der Cloud statt, wo die dafür notwendige Rechenkapazität zur Verfügung steht. Zur weiteren Nutzung werden die Erkenntnisse in Form von gezielt trainierten Modellen auf die lokalen IPCs zurückgespielt. Die Übertragung erfolgt dabei in einem souveränen Datenraum, das heißt Dritte haben keinen unkontrollierten Zugriff auf die Informationen. So entsteht eine kontinuierliche und nahtlose Verarbeitung der Daten in der sogenannten Machine Learning Operations (MLOps) Pipeline.
Kognitive Zukunftssicherung
Kognitive Internet-Technologien wie der intelligente Nutenstein bilden die Grundlage für die künftige Wettbewerbsfähigkeit von Industrieunternehmen. Sie ermöglichen es nicht nur, bestehende Anlagen für die Anforderungen einer digitalisierten Produktion fit zu machen, statt teure Neuanschaffungen zu tätigen. Sie steigern auch die Effizienz, Transparenz und Agilität der Produktion, unter anderem durch Condition Monitoring und Predictive Maintenance. Die Kombination von robusten Sensorkonzepten mit souveräner Datenverarbeitung und intelligenter Auswertung erweitert den Funktionsumfang von Umformmaschinen und macht sie zu Datenquellen. Künstliche Intelligenz und maschinelles Lernen spielen eine entscheidende Rolle, um aus der Summe der Daten Erkenntnisse zu gewinnen und sie zur Prozessverbesserung zu nutzen. Ein vertrauenswürdiger Datenraum, in dem kognitive Internet-Technologien operieren, ist somit der Schlüssel zu agilen und resilienten Produktionssystemen.
