Die Automatisierung von Fertigungsprozessen und der verstärkte Einsatz von Sensoren erlauben es heute, Produktionsanlagen (fast) problemlos zu überwachen und zu steuern. Den Industrieunternehmen quer durch nahezu alle Branchen gewährleistet diese Methode nicht nur ein Plus an Effizienz und Zuverlässigkeit. Die Unternehmen nutzen die dabei gewonnenen Daten von Maschinen, Anlagenkomponenten und Steuerungssystemen zunehmend auch dafür, Verschleiß und Wartungsbedarf einzelner Komponenten frühzeitig zu erkennen. Die Wartung und der zuverlässige Betrieb von Antrieben, Pumpen, Ventilen oder chemischen Reaktoren werden damit deutlich verbessert. Das Prinzip dieser Predictive Maintenance-Anwendungen ist vergleichsweise einfach: Anhand eines Modells, das die Korrelationen zwischen den für die entsprechende Komponente oder einen Teilprozess relevanten Anlagendaten abbildet, können sie Abweichungen vom Normalzustand frühzeitig und zuverlässig detektieren.

Das große Ganze im Blick

Ein ähnliches Vorgehen wäre natürlich auch zur Beobachtung und Bewertung des Verhaltens einer kompletten Produktionsanlage denkbar und sinnvoll. Allerdings ist die Aufgabenstellung dabei um ein Vielfaches komplexer. Denn nun müssen Hunderte oder sogar Tausende einzelner Anlagenkomponenten im Zeitverlauf zusammen agieren. Allein die Datenmenge, die dabei anfällt, ist gewaltig. Wie gewaltig, zeigt die »SmartFactoryOWL« in Lemgo, eine Initiative des Fraunhofer IOSB-INA (der Standort für industrielle Automation) und der Hochschule Ostwestfalen-Lippe: Sie erzeugt jährlich ein Datenvolumen von etwa dreiundzwanzig Millionen Megabyte. Das ist eine Datenfülle, aus der sich auch in der industriellen Praxis eine Vielzahl an Analysen und sinnvollen Informationen ableiten ließe. Beispielsweise, um komplexe Zusammenhänge zu analysieren, Prozessabläufe zu optimieren oder kostenrelevante Entscheidungen zu treffen. »Tatsächlich nutzen Unternehmen von all diesen verfügbaren Daten aber nur wenige Prozent«, erklärt Prof. Dr. Oliver Niggemann vom Fraunhofer IOSB-INA. Wesentlicher Grund auf diesen unfreiwilligen »Informationsverzicht« ist, dass die dafür bisher notwendige händische Entwicklung von Modellen zur Auswertung und Bewertung der Zusammenhänge an der Vielzahl der Daten und damit an der Komplexität der Aufgabenstellung scheitert.

In der »SmartFactoryOWL« in Lemgo entwickeln und erproben Forscher und Industriepartner gemeinsam neue Software-Lösungen für die Betriebsoptimierung und vorausschauende Wartung von Produktionsanlagen. Bild: Fraunhofer IOSB

Intelligente Software erstellt Modelle selbst

Das aber hat sich nun geändert. Grundlage für das »Condition Monitoring« kompletter Fertigungsanlagen sind intelligente Software-Maschinen, die vom Fraunhofer IOSB-INA entwickelt wurden. Sie kommen ohne Input eines manuell erstellten Modells der Zusammenhänge zwischen den Daten aus. Denn ihre intelligenten, lernfähigen Algorithmen sind in der Lage, das Anlagenverhalten selbsttätig aus dem Datenstrom herauszulesen und kennen zu lernen. »Die Software-Maschinen berücksichtigen alle verfügbaren Daten etwa zu Schaltvorgängen und Systemzuständen in ihrer zeitlichen Abfolge und können dadurch das Zeitverhalten der Anlage in ihren Analysemodellen mit abbilden«, sagt Niggemann. Auf dieser Basis lässt sich nun das Condition Monitoring umfassend nutzen – von der vorausschauenden Wartung einzelner Komponenten bis zur Prozessoptimierung der Gesamtanlage. Einige derartiger intelligenter Analysesysteme sind bereits im industriellen Einsatz: beispielsweise bei der Energieoptimierung von Verpackungsanlagen oder an Fertigungsstraßen zur frühzeitigen Detektion eines Nachlassens der Performance in Teilprozessen.

Forschung für den breiten Durchbruch

Bis zur breiten industriellen Anwendung ihrer neuen Methoden muss das Team in Lemgo um Professor Niggemann allerdings noch ein Stück Forschungsweg zurücklegen. Denn obwohl intelligente Analysewerkzeuge nun das Verhalten ganzer Produktionsanlagen selbsttätig lernen und in Analysemodelle überführen können, sind für den Einsatz in einer spezifischen Fabrik immer noch erhebliche Vorarbeiten durch Experten notwendig. Ein besonderes Problem dabei ist die – immer noch – unzureichende Standardisierung der Datenbereitstellung. »Für viele Anlagenkomponenten, die in die Analysen eingebunden werden sollen, müssen wir die Daten erst in ein geeignetes, standardisiertes Format bringen«, erklärt Niggemann. Und auch für die Analysen der verschiedenen Komponentendaten gibt es nicht die eine universell einsetzbare Methode, sondern eine Vielzahl unterschiedlicher Verfahren. »Je nachdem, ob es sich beispielsweise um ein Ventil, einen Antrieb oder einen chemischen Reaktor handelt, müssen wir für jede Komponente das passende Analyseverfahren auswählen«, so Niggemann. Gerade für mittelständische Unternehmen sind Projekte zur Einführung des Condition Monitorings ihrer Anlagen daher derzeit kaum zu stemmen. »Unsere aktuellen Forschungen fokussieren sich daher darauf, auch diese manuellen Umsetzungsschritte weitgehend zu automatisieren«, sagt Niggemann. In einigen Jahren aber dürfte es so weit sein, dass die Unternehmen so etwas wie Plug-and-play-Lösungen nutzen können beziehungsweise die Anlagenhersteller das Condition Monitoring bereits in ihre Systeme integrieren. (stw)