HARTING Deutschland GmbH & Co. KG

Predictive Maintenance sorgt für ausfallsichere, zufriedene Maschinen.

Bild: iStock, Rootstocks
1 Bewertungen

Praxistaugliche Umsetzung von Predictive Maintenance Glückliche Maschinen

30.10.2018

Im Rahmen bedarfsgesteuerter Wartungsarbeiten gewinnen vorbeugende Maschinenanalysen zunehmend an Bedeutung. Ein Beispiel aus der Praxis zeigt, wie solche Analysen funktionieren und wie sie den Wartungsaufwand reduzieren.

Sponsored Content

Neue SMT Produktionsanlagen sind selbstverständlich auf dem Stand der Technik und optimal vernetzt. Die einzelnen Anlagen einer Produktionslinie wie auch Einzelanlagen kommunizieren untereinander und mit dem überliegenden Manufacturing Execution System (MES). Doch wie sieht die Vernetzung von Altanlagen aus? Inwieweit liefern diese aber auch neue Anlagen bereits relevante Informationen über ihren aktuellen Zustand? Wie kann das Damoklesschwert Anlagenausfall, nicht nur bei einem eiligen Auftrag, abgewehrt werden? Sicherlich, dank zyklischer vorbeugender Wartung kann diese Fehlerquelle minimiert werden – es steigert aber selbstverständlich auch die Anzahl von Wartungsarbeiten, welche eigentlich noch gar nicht gemacht werden müssten. Ideal wäre, wenn eine vorbeugende Maschinenanalyse vorgenommen werden könnte, um Wartungsarbeiten bedarfsgesteuert durchführen zu können.

Doch ist dieser Wunsch nach einer Predictive-Maintenance-Lösung überhaupt realistisch und bezahlbar? Wie groß ist der Aufwand sich diesem Ziel anzunähern? Die Antwort ist sicherlich individuell und je nach Konzern etwas anders zu bewerten. Im Folgenden jedoch einige Erfahrungen aus der Praxis und Ideen wie sich diesem Ziel bezahlbar und praxistauglich angenähert werden kann.

Den Zustand vorhersagen

Was viele Menschen gut können, liegt Maschinen nicht „im Blut“. Menschen jammern gerne, was hier nicht negativ verstanden werden darf. Menschen können in einem gewissen Rahmen erkennen, dass sie nicht in Topform sind und können dieses auch kundtun – der eine etwas wehleidiger als der andere. Auch der Mensch kann seinen Gesundheitszustand nicht vollumfänglich vorhersagen, aber die heraufziehende Grippe oder der Schnupfen deuten sich schon Stunden vor dem eigentlichen krankheitsbedingten „Ausfall“ des Menschen an. Ein wichtiger Faktor, warum der Mensch das merkt, ist sicherlich, dass er seinen Körper kennt. Er weiß also was „normal“ ist. Das haben wir im Laufe unseres Lebens gelernt. Das ist auch die Kerninformation, die wir von einer Maschine benötigen.

Zuallererst müssen Maschinen relevante Daten liefern. Diese Daten müssen im ersten Schritt gesammelt werden. Doch was sind relevante Daten? Trivial ist die Antwort auf diese Frage nicht. Klar ist jedoch das die Verbrauchsdaten einer Maschine helfen können. Konkret, wieviel Druckluft, wieviel Strom verbraucht die Maschine wann, komplett aber auch die Einzelkomponenten wie zum Beispiel die Motoren. Zudem muss bekannt sein, was die Maschine gerade tut. Welches Programm läuft im Moment, welche Werkzeuge und Verbrauchsmaterialen werden verwendet? Letzteres kann dank UHF/RAIN-RFID-Technik erkannt werden. Schablonen, Mittenunterstützung, verwendete Vliesreinigungsstoffe können bereits dank integrierter RAIN-RFID-Technik identifiziert werden. Maschinen sind entweder schon mit dieser Technik ausgerüstet oder können entsprechend nachgerüstet werdet. Lösungen hierfür zeigt die Firma Harting auf der Electronica in München von 13. bis 16. November 2018 in Halle C2 an Stand 548.

Das Alter der Maschine ist egal

Harting zeigt auf Basis der MICA ebenfalls Möglichkeiten, Verbrauchsdaten von Maschinen zu erfassen, Maschinennah zu analysieren und diese an beliebige MES oder Datenbanksysteme zu schicken. Selbstverständlich auf Wunsch auch drahtlos via WLAN oder LTE. Ströme, Druck oder Durchfluss von Medien können mit Hilfe der robusten und kompakten MICA direkt an der Maschine erfasst, analysiert und verdichtet werden. Relevante Daten werden dann an das überliegende Datenbanksystem verschickt – welches selbstverständlich auch in der Cloud liegen darf. Dank dieser Lösung ist das Alter der Maschinen in der Fertigung für die Erkennung des Maschinenzustandes also egal. Nicht nur Neuanlagen können dank einfacher Nachrüstlösung analysiert werden. Harting liefert hierbei die richtigen Produkte und Werkzeuge und stellt ein großes Netzwerk an Systemintegratoren bereit um eine individuelle Lösung zu erarbeiten.

Keine Frage, für eine finale vollumfänglichen Predictive-Maintenance-Lösung, also eine Vorhersage das eine Maschine in den kommenden x Stunden ausfallen wird, benötigt man einen langen Atem. Doch die Praxis zeigt, dass auch Teil-Lösungen bereits erheblich Verbesserungen für den Gesamtprozess darstellen. Harting hat in der eigenen Spritzgussfertigung bereits beträchtliche Erfolge verzeichnen können. Wobei die Motivation hier am Projektanfang eine ganz andere war. Die Aufgabe lautete eine eineindeutige Spritzgusswerkzeug-Erkennung an der Maschine zu realisieren. Mit robuster RFID-Technik aus dem eigenen Haus konnte das zuverlässig umgesetzt werden. Dank automatischer Erkennung des Werkzeugs an der Maschine wird überprüft, ob das richtige Werkzeug auf der Maschine gerüstet wird. Zudem kann der komplette Lager- und Logistikprozess der Werkzeuge weiter automatisiert werden. Das Werkzeug hat nun ein automatisch lesbare ID. Diese kann auch bei Dokumentation von Wartungsarbeiten verwendet werden.

Im Schritt zwei wurden weitere Verbrauchsdaten, wie zum Beispiel der Motorstrom des Schneckenantriebs, welcher die Kunststoffmasse in die Spritzgussform presst, aufgezeichnet. Mit der Verheiratung des auf diese Weise gewonnenen Mehrwissens, der Werkezug-ID und Verbrauchswerten der Maschine, können die Herstellkosten deutlich genauer auf die Herstellprodukte kalkuliert werden.

Die angetriebenen Schnecken

Zudem konnte der Stromverbrauch des Schneckenantriebs unter Berücksichtigung des verwendeten Werkzeugs analysiert werden. Die angetriebenen Schnecken, welche die Kunststoff Masse in das Werkzeug pressen, erleiden mit der Zeit abrasiven Verschleiß. Dadurch kommt es zu Lücken zwischen der Schnecke und der Wand des Zylinders, in dem die Schnecke läuft. Die Kunststoffmasse wird hierdurch nicht nur Richtung Werkzeug gepresst, sondern ein Teil des Kunststoffs wird über die Lücken in die Gegenrichtung gedrückt. Die Maschine erkennt das und versucht es durch länger laufenden Schneckenantrieb zu kompensieren. Der Motor verbraucht somit über eine längere Zeit Strom als üblich. Wird das frühzeitig erkannt, kann eine Wartung geplant werden, noch bevor die Maschine Ausschuss produziert. Das Ziel Predictive Maintenance kann also für diesen Teilaspekt der Maschine erzielt werden! Darüber hinaus hat nun jede ausgerüstete Maschine eine Verbindung zum MES. Auch Altmaschinen, welche bisher komplett autark via USB-Stick bespielt wurden. Das erspart weitere sehr zeitaufwendige manuelle Arbeitsschritte, etwa beim Einrichten der Maschine.

Das Beispiel zeigt, dass die Einzelschritte auf dem Weg zur Preditictive-Maintenance-Lösung großes Einsparpotential haben. Wichtig ist, dass die kompletten Total Costs of Owner-
ship berücksichtigt werden. Nur so können auch Verbesserungen in Nachbarabteilungen zum Beispiel bei der Logistik mit bewertet werden. Denn der Aufwand Verbrauchsdaten von Bestandsmaschinen zu erfassen oder auch dank RFID-Technik Werkzeuge und Co zu identifizieren, ist eher gering. Der Mehrwert der dem gegenübersteht ist meist beträchtlich.

Stammt aus dem Titelthemas der E&E Ausgabe 11-2018. Lesen Sie hier das gesamte Heft als kostenloses E-Paper:

E&E Ausgabe 11-2018

Bildergalerie

  • Der Mini-Computer MICA erfasst und analysiert Verbrauchsdaten, die er dann an beliebige MES oder Datenbanksysteme schicken kann. Er lässt sich unter anderem auch in der SMT-Fertigung einsetzen.

    Bild: Harting

  • Harting setzt seine RFID-Technik auch bei den hauseigenen Spritzgussmaschinen ein. Dadurch können alle Maschinendaten analysiert und visualisiert werden.

Verwandte Artikel