Compacer Retrofit Predictive Maintenance - Bild: Pixabay/frei

Compacer unterstützt Sie dabei, auch alte Maschinen fit zu machen für Predictive Maintenance. - Bild: Pixabay/frei

| von Florian Blum

Sie möchten mehr aus Ihrer Produktion herausholen? Der Schlüssel zum Erfolg liegt höchstwahrscheinlich in Ihren Maschinendaten. Sammeln Sie, aggregieren Sie, werten Sie aus, raten Experten. Denn sie wissen: Maschinen- und Produktionsdaten bringen Unternehmen einen echten Mehrwert.


Wenn denn alles so einfach wäre, denkt sich der Instandhalter: Eine alte Anlage will schließlich auch in das Internet of Things integriert werden. Müssen Unternehmen deshalb gleich in einen neuen Maschinenpark investieren? Nein, meint Compacer. Der IT-Lösungsanbieter aus dem baden-württembergischen Gärtringen weiß: Oft ist es wirtschaftlicher, eine bestehende Anlage durch einen digitalen Retrofit zu modernisieren. Wie Compacer Unternehmen dabei Schritt für Schritt unterstützt und welche Mehrwerte sich dadurch insbesondere für die Instandhaltung ergeben, erklärt uns Lumir Boureanu, CEO und IoT-Experte bei Compacer:

e-Book - Aufbau einer Smart Factory

Das e-Book "Aufbau einer Smart Factory – Schritt für Schritt zur vernetzten Produktion" gibt Ihnen wertvolle Tipps & Tricks zur Digitalisierung Ihrer Fertigung an die Hand. Lernen Sie mit der richtigen Fragestellung Hürden zu umgehen und strukturiert zu starten. Hilfreiche Best Practices zeigen Ihnen, worauf Sie achten sollten.

Jetzt kostenlos herunterladen!

1. Die Analyse: Wie hoch ist der Aufwand der Nachrüstung?

Für Unternehmen, die sich auf dem Weg zur Industrie 4.0 befinden, stellt sich zwangsläufig die Retrofit-Frage: "Was mache ich mit meinen alten Bestandsmaschinen? Wie soll ich denn da überhaupt irgendwelche Daten rausbekommen?", weiß Lumir Boureanu. Weitere logische Fragen seien:

  • "Welche Dateninformationen werden benötigt?
  • Wie gehe ich mit unterschiedlichen Datenformaten um?
  • Wie gehe ich mit dem generierten Datenvolumen um?
  • Wie viele Daten und welche muss ich überhaupt sammeln?"

Um sich Antworten hierauf zu nähern, prüft Compacer bei Bestandsmaschinen erst einmal die vorhandenen Fähigkeiten: Kommen überhaupt Signale aus der Maschine? Und wenn ja - können Signale verwendet werden oder müssen Sensoren nachgerüstet werden? Und: Ist ein internes Bussystem bereits vorhanden und somit eine digitale Nachrüstung unter Umständen gar nicht erst erforderlich?

Die mit Hilfe der Sensoren gesammelten Daten lassen später Informationen aus der Maschine, wie zum Beispiel die Anzahl der Umdrehungen, die Vibration oder den Stromverbrauch zu. "Der Retrofit ist nur der erste Schritt", sagt Boureanu. "Ziel unserer Kunden ist es in der Regel, Maschinen mit einem digitalen Retrofit Industrie-4.0-ready zu machen - um Ausfälle zu reduzieren sowie Maschinennutzungszeiten und die Gesamtanlageneffektivität (GAE) zu erhöhen", erklärt Boureanu weiter.

2. Condition Monitoring: So gelingt die Vernetzung von OT und IT

Sind die wesentlichen technischen Anforderungen zur Modernisierung der Anlage geklärt, geht es laut Lumir Boureanu nun darum, die großen Datenmengen aus dem operativen System - der Operational Technology, kurz: OT - zu integrieren. Bei Compacer kommt hier die Datenintegrationsplattform Edbic ins Spiel: Die Software-Lösung fungiert zunächst als IoT-Gateway und sammelt Daten aus der Steuerungstechnik der Maschine und der Sensorik. Edbic führt diese Daten zusammen, bereitet sie auf und analysiert sie nach definierbaren Regeln in Echtzeit. Dies ermöglicht Condition Monitoring und intelligentes Controlling über die gesamte Produktionsumgebung und alle Anlagen hinweg. Wie ist der Zustand der Spindel? Muss Kühlschmiermittel bei einer Maschine nachgefüllt werden? Warum kommt es zu einem Druckabfall? Wie ist es um den Motor der Hydraulikpumpe bestellt? Liegt die Temperatur noch im Soll-Wert? Mit Condition Monitoring kommt die Instandhaltung über unterschiedliche Parameter an diese und viele andere Informationen aus Maschinen und Anlagen. Fertigungsmitarbeiter und Instandhalter können so den Zustand ihrer Produktion überwachen, eine Wartung ihrer Anlage auch remote vornehmen, wie Lumir Boureanu betont, und so schon vor dem Ausfall einer Komponente reagieren.

3. Vorausschauende Wartung bestehender Maschinen: So gelingt Predictive Maintenance

Der nächste Schritt ist schließlich die vorausschauende Wartung, das sogenannte Predictive Maintenance. Es baut auf dem Condition Monitoring auf: Bereits erhobene Daten können als Basis eingesetzt werden, sodass statistische Auswertungen machbar sind. Ziel ist mit Hilfe von maschinellen Lernalgorithmen das Erkennen von Mustern und Gesetzmäßigkeiten in Daten. Um Daten intelligent miteinander zu verknüpfen, Zusammenhänge zu erkennen, Rückschlüsse zu ziehen und Vorhersagen zu treffen, kommen neben den üblichen symbolischen Ansätzen von induzierten Regeln auch neuronale Netze und Machine Learning zum Einsatz. Auf diese Weise sollen zum Beispiel Verschleißmuster, Anomalien und Ausreißer sichtbar werden. Lumir Boureanu erklärt: "Die Instandhaltung erhält über unser HMI - ein Desktopsystem, das individuell konfiguriert werden kann und sehr intuitiv ist oder auch via App - einen transparenten Überblick über die Zustände der Maschinen und Anlagen. Predictive Maintenance hat so gleichzeitig den Vorteil, dass Instandhalter ihre Wartung deutlich besser planen können."

Auch ohne Neuanschaffung: Predictive Maintenance mit Compacer im Detail

  1. Vorhandene und benötigte Datenquellen werden auf Basis von Edbic angebunden und die Daten danach integriert. Häufig wird hierzu mittels ETL-Prozessen (Exctract Transform Load) eine asynchrone Analytics-Datenbank, das Data Warehouse, bewirtschaftet.
  2. Eine lückenlose unternehmensweite und -übergreifende End-to-End-Überwachung wird durch das proaktive Process-Event-Monitoring-System Edpem gewährleistet.
  3. Im Falle von Realtime- und Operational Intelligence werden unmittelbar anfallende Daten verarbeitet, zum Beispiel aus Sensoren in der Fertigung. Das geschieht oft als Data Streaming und synchron, also unmittelbar bei der Entstehung der Daten.
  4. Predictive Maintenance nutzt Data Mining mit neuronalen Netzwerken und statistische Methoden zur Entwicklung von Modellen, die eine Vorhersage auf Basis der aktuellen Daten ermöglichen und die Produktivität erhöhen.