Oft werden die richtigen Wartungszyklen von Maschinen und Industrieanlagen eher erahnt als faktisch richtig erfasst. Erst durch den Einsatz von Sensoren und einer intelligenten Analysesoftware lassen sich anstehende Wartungsaufgaben vorab errechnen und zeitpunktgenau melden. Ein praktisches Beispiel dafür ist ein sensorisches System für Rasterwalzen, das vom Fraunhofer IOSB-INA in  der SmartFactoryOWL für die Zecher GmbH entwickelt wurde. Im Doppelinterview sprechen Norman Knauer, Digitalisierungsberater von Zecher und Nissrin Perez aus der SmartFactoryOWL über Vorgehensweise und Erfolg.

Hallo Herr Norman Knauer, wir wollen mit Frau Perez vom Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB, Institutsteil für industrielle Automation INA (IOSB-INA) und Ihnen über einen innovativen Ansatz zur Produktion von Rasterwalzen bei der Zecher GmbH sprechen. Dafür sollten wir aber zunächst kurz klären, was Rasterwalzen sind.

Die Industrie nutzt Rasterwalzen, um beispielsweise Verpackungen und andere Kunststoffe zu bedrucken. Oder um Oberflächen zu beschichten. Die Walzen haben eine spezielle Funktionsoberfläche mit kleinen Löchern, durch die Farbe oder ein anderes Beschichtungsmaterial unter Rotation austritt und dann aufgebracht wird.

Wenn beispielsweise eine Tonertrommel am Drucker leer oder kaputt ist, tausche ich sie aus und gebe sie weg. Beim professionellen Druck mit Rasterwalzen ist das vermutlich ähnlich?

Der Vergleich hinkt. Unter anderem deshalb, weil Rasterwalzen mit bis 12.000 Euro pro Stück sehr wertvoll sein können. Und sie werden nicht leer, sondern verschleißen. Denn bei jeder Umdrehung wird überschüssiges Material mit einem Rakelmesser abgestrichen. Das und der Einsatz chemischer Substanzen führt zur Abnutzung. Deshalb werden sie regelmäßig ausgewechselt. Vor allem aber können Sie in der Industrie nicht warten, bis der Toner verbraucht ist beziehungsweise die Rasterwalze wegen des Verschleißes eine ungenügende Druckqualität liefert. Wenn die Walze beispielsweise beginnt, Drucke zu produzieren, die schmierig aussehen, ist das zu spät für den Endkunden. Zumal ihm im Zweifel auch nicht sofort Ersatzwalzen zur Verfügung stehen.

Deshalb ist es üblich, die Rasterwalzen prophylaktisch auszutauschen.

Richtig. Je nach Anwendung und Einsatzumgebung ist das alle drei bis fünf Jahre der Fall. Das allerdings ist mit Nachteilen verbunden: Es besteht das Risiko, Geld für neue Walzen ausgegeben zu haben, obwohl die aktuell arbeitenden noch zufriedenstellend funktionieren oder in einen unnötig hohen Sicherheitsbestand zu investieren.

Das heißt, dass die Branche bei der Wahl des Zeitpunkts für den Austausch mit Erfahrungswerten, Bauchgefühl und letztlich auch Glück arbeitet.

Letztlich ja. Natürlich gibt es Instrumente, die melden, wenn eine Rasterwalze nicht so arbeitet, wie sie es sollte. Aber es muss etwas Offensichtliches falsch laufen, bevor wir eine Meldung bekommen.

Bei einem Vortrag in der SmartFactoryOWL haben Sie das Fraunhofer IOSB-INA kennengelernt. Das Fraunhofer IOSB-INA forscht zu Themen wie Automatisierung und Digitalisierung. Und die SmartFactoryOWL als sein verlängerter Arm ist das Industrie 4.0-Reallabor für die Umsetzung für Industrieunternehmen. Darüber hatten wir bereits ausführlicher berichtet.

Perez: Wir haben uns zusammengetan, um Möglichkeiten zu finden, den zunehmenden Verschleiß bei Rasterwalzen mithilfe von Sensoren zu erfassen. Am FraunhoferIOSB-INA hier in Lemgo arbeiten wir unter anderem auch an der vorausschauenden Instandhaltung. Wir können feststellen, wann bei Maschinen oder deren Komponenten die Qualität ihrer Arbeit abnimmt oder wann sie ganz ausfallen. Meist nutzen wir dafür Sensoren und Algorithmen, die ein Unternehmen in die Lage versetzen, frühzeitig zu erkennen, wann ein Wartungsfall eintreten wird. Und das nicht auf Basis eines Bauchgefühls, sondern aufgrund von Daten, die erfasst und in Echtzeit interpretiert werden.

Sie also nutzen einen Mix aus verschiedensten Sensoren und Algorithmen und setzen nicht nur auf einen einzelnen Wert?

Wenn wir nur wenige Werte beispielsweise eines einzelnen Sensors nutzen würden, kann das schnell irreführend werden. Im Fall der Rasterwalzen haben wir unter anderem Geschwindigkeiten und Umdrehungen erfasst und so zunächst Erfahrungswerte ermittelt. Werte wie diese sind dann die Benchmark für die von uns entwickelte Analysesoftware. Sie erfasst, wenn eine Anomalie auftritt und berechnet, wann es mit hoher Wahrscheinlichkeit zeitnah zu einem Wartungsfall kommen wird. Um die Korrelation zwischen erfassten Daten und Wartungsfall zu untersuchen und dabei immer genauer zu werden, nutzen wir Methoden der künstlichen Intelligenz wie das Maschinelle Lernen. Um das zu entwickeln und zu erproben, haben wir einen Prototyp des Smart Rollers aufgebaut und ihn kontinuierlich verbessert. In der SmartFactoryOWL haben wir dafür eine spezielle Sensorplattform, um verschiedenste Messungen und Tests durchzuführen. Die gesamte Entwicklung hat rund vier Monate gedauert.

Neben der Prognose eines anstehenden Wartungszeitpunkts dürfte es ein weiterer Vorteil sein, dass die Daten auch zur Optimierung der Rasterwalzen genutzt werden können.

Knauer: Richtig, die Informationen sind natürlich eine wichtige Ergänzung, um mögliche Produktfehler zu erkennen und dieses Wissen in den kontinuierlichen Verbesserungsprozess zu integrieren.

Inwieweit war das Projekt typisch für die Aufgaben der SmartFactoryOWL?

Perez: Es ist meistens schwierig, die ersten Schritte bei der Optimierung von Maschinen oder Prozessen einzuleiten. Unsere Forschungen und Entwicklungen sind deshalb nicht auf ein einzelnes Produkt ausgerichtet. Unsere Aufgabe besteht darin, Unternehmen eine Art Schützenhilfe zu geben und den Start ihrer Projekte individuell konstruktiv zu begleiten. Die Bedarfe der Unternehmen aus der Region sind sehr unterschiedlich. Aber der Einsatz von Sensorik ist in der Tat eine typische Anfrage, die uns immer wieder erreicht. Parallel dazu liegt der Schwerpunkt unserer Arbeit vor allem auf Themen wie 5G in der Produktion und Arbeit 4.0. Und zwar stets im Hinblick auf Anwenderszenarien. Aktuell unterstützen wir hierbei einige Unternehmen.

(met)

Keine Kommentare vorhanden

Das Kommentarfeld darf nicht leer sein
Bitte einen Namen angeben
Bitte valide E-Mail-Adresse angeben
Sicherheits-Check:
Eins + = 9
Bitte Zahl eintragen!
image description
Interviewpartner
Alle anzeigen
Nissrin Arbesun Perez
  • Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB
Norman Knauer
Weitere Artikel
Alle anzeigen
Der Industrial Data Space wird Unternehmensalltag
Bevor der Pegel überläuft
5G: (Noch) kein Anschluss unter dieser Nummer
Stellenangebote
Alle anzeigen