Im Projekt Boost 4.0 arbeiteten Experten aus Forschung und Wirtschaft zusammen, um Maschinen und Anlagen mittels Predictive Maintenance effektiver zu machen.

Im Projekt Boost 4.0 arbeiteten Experten aus Forschung und Wirtschaft zusammen, um Maschinen und Anlagen mittels Predictive Maintenance effektiver zu machen. (Bild: visoot/stock.adobe.com)

Stabile Produktionsprozesse und verlässliche Maschinen sind entscheidend, um in der Fertigung konstant höchste Qualität zu gewährleisten. Trotz regelmäßiger Instandhaltungsmaßnahmen sind Maschinenfehler, die spontane Reparaturen erforderlich machen, jedoch nie vollständig auszuschließen. Steht eine Maschine aufgrund eines Fehlers und der nötigen Reparatur erst einmal still, drohen teure Produktionsausfälle. Vorausschauende Instandhaltung, also Predictive Maintenance, mithilfe großer Datenmengen kann helfen, solchen Szenarien vorzubeugen. Wie das EU-Forschungsprojekt 'Boost 4.0' zeigt, kann so die Effektivität der Anlage gesteigert werden. Beteiligt am Projekt waren das Fraunhofer-Institut für Entwurfstechnik Mechatronik, Atlantis Engineering und Benteler.

Ziel von Boost 4.0 war, zu untersuchen, wie Big Data, also die Sammlung und Analyse großer Datenmengen, für die vorausschauende Instandhaltung genutzt werden kann, um Produktionsprozesse zu optimieren.

Fertigungslinie sammelt durchgehend Daten

Dazu hat Benteler eine Produktionslinie des Geschäftsbereichs Automotive in Paderborn vollständig mit Sensoren ausgestattet. An dieser Fertigungslinie stellt Benteler Strukturteile für Automobile her. Es handelt sich dabei um ein komplexes System bestehend unter anderem aus Industrierobotern, einer Ofenstraße und einer Hydraulikpresse.

Die Sensoren erhoben an den unterschiedlichsten Stellen innerhalb des Produktionsprozesses permanent Informationen über die Gegebenheiten und den Zustand der Maschine. Indem die vernetzte Maschine anhand der Datenlage Abweichungen im Produktionsprozess frühzeitig selbst erkennt und so Probleme quasi "vorhersagt", sollten die Instandhaltung der Anlage und damit die Effizienz der Produktion optimiert werden. Die Vorhersage von Maschinenfehlern erlaubt es, Maßnahmen zu ergreifen, bevor es zu einem Stillstand für die Reparatur und somit zu Ausfällen kommt.

Daten-Plattform als funktionales Herzstück von Predictive Maintenance

Um dies zu ermöglichen, sind Lösungen für unterschiedliche Problemdimensionen nötig. Neben der technischen Infrastruktur zur industriellen Datenanalyse hat Benteler mit seinen Partnern die Datenauswertung entwickelt, die Prozessintegration auf der Anwendungsebene realisiert und das methodische Vorgehen bei der Umsetzung von Predictive Maintenance analysiert.

Als Beispiele wurden die Instandhaltung einer hydraulischen Presse sowie einer Fördertechnikanlage betrachtet. Dabei erwies sich eine von der Benteler-IT eingerichtete Daten-Plattform (Smart Production Data Platform) als das funktionale Herzstück dieser Pilotfabrik. Diese erfüllte drei zentrale Aufgaben:

  1. Aufzeichnung aktueller und historischer Produktionsdaten
  2. Datenanalyse, um Fehler zu erkennen
  3. Visualisierung der Ergebnisse für den Nutzer der Plattform

Die Plattform ermöglichte es, die von den Sensoren im Produktionsprozess erhobenen Daten zentral zu erfassen, zu speichern und auszuwerten. Der Zustand von Maschinen ließ sich somit in Echtzeit überwachen. Zudem ließen sich mithilfe der systematischen Datensammlung Muster im Produktionsablauf und Abweichungen davon erkennen. Dazu hat Benteler verschiedene Ansätze im Bereich Industry Analytics genutzt, zum Beispiel maschinelle Lernverfahren, Anomalie-Direktionsverfahren sowie Prädiktionsmodelle, um den Zustand einer Maschine zu prognostizieren.

Fünf Prozent höhere Anlageneffizienz

Die Vorteile der vorausschauenden Instandhaltung mithilfe von Big Data wurden im Forschungsprojekt bestätigt: Auf Basis von Echtzeit-Daten der Sensoren können Unternehmen den Zustand ihrer Maschinen permanent zentral überwachen. So fallen bereits kleinste Abweichungen auf und potenzielle Fehlentwicklungen lassen sich frühzeitig antizipieren und gegebenenfalls vermeiden oder rechtzeitig beheben, bevor größerer Schaden entsteht.

Das Potenzial von Predictive Maintenance erstreckt sich sogar über die reine Instandhaltung hinaus. Das Forschungsprojekt Boost 4.0 zeigte ein weiteres sehr erfreuliches Ergebnis: Die Anlageneffektivität am Teststandort von Benteler konnte um bis zu fünf Prozent gesteigert werden.

Vorausschauende und effizientere Instandhaltungsplanung

Die Integration von Big Data Analysen in der Produktion ermöglicht Unternehmen somit eine vorausschauende und damit effizientere Instandhaltungsplanung. Maschinenfehler können frühzeitig erkannt oder vorhergesagt und somit rechtzeitig oder gar vorbeugend behoben werden. Neben einer Steigerung der Gesamtanlageneffektivität zählen niedrigere Wartungskosten, geringere Reparaturzeiten sowie die Erhöhung der durchgehenden Laufzeit der Maschinen ohne Ausfall zu den Vorteilen von Predictive Maintenance. Damit erlaubt sie Unternehmen auch, den Anforderungen von Kunden noch schneller, zuverlässiger und in konstant höherer Qualität zu entsprechen.

Nach einer dreijährigen Laufzeit haben Benteler und seine Partner das Forschungsprojekt Boost 4.0 in Kooperation mit dem Spitzencluster it’s OWL (Intelligente Technische Systeme OstWestfalenLippe) im März 2021 erfolgreich abgeschlossen. Boost 4.0 hat die technologischen Grundlagen geschaffen, um Big Data- und Industrie 4.0-Strategien europaweit erfolgreich zu realisieren, und treibt damit die Digitalisierung der Industrie voran. Benteler wird die Projektergebnisse im nächsten Schritt auf alle Werke weltweit anwenden, um so die Anlageneffektivität aller Standorte erhöhen und Betriebsausfälle zu vermeiden.

Sie möchten gerne weiterlesen?