Forschungsprojekt WerkPriMa - Datenbasierte Werkzeugverfügbarkeit durch Predictive Maintenance Abschlusspräsentation I 09.07.2020 ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Forschungsprojekt WerkPriMa Datenbasierte Werkzeugverfügbarkeit durch Predictive Maintenance Abschlusspräsentation I 09.07.2020
Motivation: Industrie 4.0 ermöglicht Unternehmen, sowohl einen marktseitigen als auch einen
wertschöpfungsseitigen Nutzen zu erzielen
Effektivitätssteigerung durch…
… Integration in die Kundenprozesse
… Übernahme von Wertschöpfungs-
umfängen
… Massenproduktion in Losgröße 1
Marktseitiger Effizienzsteigerung durch… Wertschöpfungsseitiger
Nutzen … Schnittstellenreduktion Nutzen
… Kosteneinsparungen
… Durchlaufzeitenreduzierung
… Fehlerreduzierung
Der Werkzeugbau als Befähiger
der effektiven und effizienten
Produktion
2 © Werkzeugmaschinenlabor WZL
Predictive Maintenance: Durch eine vorausschauende Wartung von Produktionsmitteln kann
sowohl die OEE der Produktion gesteigert als auch Instandhaltungskosten minimiert werden
Definition Predictive Maintenance Beispiel einer Predictive Maintenance Plattform in der
Mithilfe von Predictive Maintenance (PM) ist eine Prognose der Rest- Serienproduktion mit Unterstützung des Werkzeugbaus
Lebensdauer von Komponenten in der Produktion durch kontinuierliche
Messung und Auswertung möglich. Kritische Betriebsparameter werden als
Entscheidungshilfe für die Festlegung optimaler Wartungs-Zeitpunkte und
Betriebszustände erfasst.1
Grundlage für die Umsetzung von Predictive Maintenance sind eine Predictive
! zentrale Datenplattform sowie effiziente Instandhaltungsprozesse Maintenance
Plattform
Prozessparameter
Instandhaltungsprozess
Eingriffsgrenze Werkzeug demontieren
Verschleißteile ersetzen Darstellung
Bereitstellung Vorhersage Aufnahme
Statusdaten,
Know-how Ausfälle Zustandsdaten
Zukünftiger Neuinbetriebnahme Aufträge
Ist-Verlauf
Verlauf
Mate- Pro-
Zeit rial dukt
Werkzeug Presse
Anteil von Unternehmen mit Erwartete Reduktion der
79 % Erwartung an hohe Leistungs- 45 % Instandhaltungskosten Werkzeugbau Serienproduktion
steigerung der Produktion2 in der Produktion3
Quelle: 1) Feldmann et al. – Predictive Maintenance (2017); 2) VDMA (2017); 3) McKinsey (2017)
3 © Werkzeugmaschinenlabor WZL
Predictive Maintenance: Durch eine vorausschauende Wartung von Produktionsmitteln kann
sowohl die OEE der Produktion gesteigert als auch Instandhaltungskosten minimiert werden
Definition Predictive Maintenance Beispiel einer Predictive Maintenance Plattform in der
Mithilfe von Predictive Maintenance (PM) ist eine Prognose der Rest- Serienproduktion mit Unterstützung des Werkzeugbaus
Lebensdauer von Komponenten in der Produktion durch kontinuierliche
Messung und Auswertung möglich. Kritische Betriebsparameter werden als
Entscheidungshilfe für die Festlegung optimaler Wartungs-Zeitpunkte und
Betriebszustände erfasst.1
Grundlage für die Umsetzung von Predictive Maintenance sind eine Predictive
! zentrale Datenplattform sowie effiziente Instandhaltungsprozesse Maintenance
Plattform
Prozessparameter
Instandhaltungsprozess
Eingriffsgrenze Werkzeug demontieren
Verschleißteile ersetzen Darstellung
Bereitstellung Vorhersage Aufnahme
Statusdaten,
Know-how Ausfälle Zustandsdaten
Zukünftiger Neuinbetriebnahme Aufträge
Ist-Verlauf
Verlauf
Mate- Pro-
Zeit rial dukt
Werkzeug Presse
Anteil von Unternehmen mit Erwartete Reduktion der
79 % Erwartung an hohe Leistungs- 45 % Instandhaltungskosten Werkzeugbau Serienproduktion
steigerung der Produktion2 in der Produktion3
Quelle: 1) Feldmann et al. – Predictive Maintenance (2017); 2) VDMA (2017); 3) McKinsey (2017)
4 © Werkzeugmaschinenlabor WZL
WerkPriMa:
Entwicklung eines Predictive Maintenance Systems
Übergeordnete Zielsetzung
Konzeption und Entwicklung eines datenbasierten
Projekttitel: Dienstleistungssystems zur Erhöhung der Werkzeugverfügbarkeit
Datenbasierte für die Serienproduktion durch die Nutzung von Produktionsdaten
Werkzeugverfügbarkeit für die (Predictive Maintenance)
Serienproduktion durch Predictive
Maintenance (WerkPriMa)
Laufzeit: Detaillierte Unterziele
01.09.2017 – 31.12.2019 Anforderungsanalyse an ein Wartungssystem und darauf
aufbauende Dienstleistungen zur Planung und Ausführung von
Tätigkeiten
Konsortium:
Aufnahme von Fehlern im Produktionsprozess und Ermittlung
von Wirkzusammenhängen
Entwicklung einer Plattform zur Aufnahme und Verarbeitung von
Produktionsdaten auf Basis der Wirkzusammenhänge und
selbstlernenden Algorithmen
Erprobung und Validierung des Systems in der Serienproduktion
5 © Werkzeugmaschinenlabor WZL
Ausgangslage:
Werkzeugreparatur und -wartung erfolgt reaktiv
Status-quo
Werkzeug
Eilauftrag
Stillstandzeit
Produktivität
Reactive Werkzeugausfall
Werkzeugbau Maintenance Serienproduktion
Reparatur
Werkzeugreparatur bzw. -wartung erst, wenn Fehler oder Funktionsproblem am Werkzeug
Bei einem Fehler des Werkzeugs Ausfall und evtl. auch Schaden der Produktionsanlage
Häufig Anhalten aller nachfolgenden Prozessschritte, unter Umständen bis zum Stillstand der gesamten Produktion
In Abhängigkeit der Schadensgröße Reparatur des Werkzeugs direkt vor Ort oder gar Demontage und anschließende Reparatur
im Werkzeugbau
→ lange Stillstandzeiten der Produktionsanlagen, hohe Kosten in der Produktion
6 © Werkzeugmaschinenlabor WZL
Verbundprojektziel:
Steigerung der Werkzeugverfügbarkeit durch Predictive Maintenance
Vorgehen
Werkzeug
Visualisierung Smart Data
Transparenz
Stillstandzeit
Produktivität
Vorhersage Werkzeugverfügbarkeit
Predictive
Werkzeugbau Maintenance Serienproduktion
Service
Konzeption und Entwicklung eines datenbasierten Dienstleistungssystems entlang des gesamten Lebenszyklus eines Werkzeugs
zur Steigerung der Werkzeugverfügbarkeit und der daraus resultierenden Verfügbarkeit von Produktionsanlagen durch Predictive
Maintenance
Mithilfe der erfassten Sensordaten aus dem Produktionsprozess und einer nachfolgenden Datenauswertung
Entwicklung und Pilotierung des datenbasierten Dienstleistungssystems am Anwendungsbeispiel der Branche Werkzeugbau
7 © Werkzeugmaschinenlabor WZL
Handlungsleitfaden zur Umsetzung von Predictive Maintenance-Lösungen
durch Kooperation von Werkzeugbaubetrieb und Serienproduzent
Leitfaden bestehend aus drei Phasen und insgesamt sechs Schritten
Phasen: Analysephase, Gestaltungsphase und Umsetzungsphase
Durchlauf der Schritte sequentiell bzw. parallel
Je nach Reifegrad bestehender Vorarbeiten:
Überspringen oder Beschleunigen einzelner Schritte
Iterationen während des Prozesses und danach notwendig
Download
Die Forschungsergebnisse stehen im
Rahmen einer Studie kostenlos auf der
WZL-Homepage zur Verfügung:
https://www.wzl.rwth-aachen.de/werkprima
8 © Werkzeugmaschinenlabor WZL
Analysephase – Schritt A & B:
Identifikation des Betrachtungsbereichs & Vorbereitung der Prognosesystematik
Schritt A: Identifikation kritischer Fehler Schritt B: Prognosesystematik
Aufnahme ganzheitlicher
Wirkzusammenhänge von Fehlern
und zugehöriger
Instandhaltungsmaßnahmen:
Auftretende Ausprägungen
Relevante Messwerte
Sensoren zur
Messwerterfassung
Schadensursachen
Festlegung von Eingriffs- und
Warngrenzen für relevante
Prozessparameter
Auswahl relevanter Prozesse und Werkzeuge
Betrachtung kostenintensiver Produkte mit hoher Stückzahl
Konzentration auf Bauteil- und Werkzeugfehler mit kostspieligen Nacharbeiten
und/ oder Produktionsausfällen
9 © Werkzeugmaschinenlabor WZL
Gestaltungsphase – Schritt C & D:
Entwicklung und Konkretisierung von Dienstleistungskonzepten inkl. Fokus auf Sensorik
Schritt C: Dienstleistungskonzepte Schritt D: Geeignete Sensorik
Identifikation und Priorisierung der Verknüpfung von Prozessparametern
Bedürfnisse von Serienproduzent mit konkret auftretenden Fehlern im
und Werkzeugbaubetrieb Zuge der Prognosesystematik
Entwicklung konkreter Identifikation geeigneter Sensorik
Dienstleistungskonzepte
Definition geeigneter
Bewertung der Relevanz für Einbaupositionen am Werkzeug
Serienproduzent und
Erarbeitung eines Datenmodells zur
Werkzeugbaubetrieb
effektiven Datenverarbeitung
Berücksichtigung von vier direkten
Dienstleistungen und zwei indirekten
Dienstleistungen
10 © Werkzeugmaschinenlabor WZLGestaltungsphase – Schritt E:
Aufbau einer digitalen Infrastruktur
Schritt E: Digitale Infrastruktur
Aufnahme von Anforderungen an eine übergreifende Datenplattform
Zusammenstellung eines Lastenhefts mit Teilzielen
Entwicklung einer Datenplattform zur Visualisierung der
Analyseergebnisse
11 © Werkzeugmaschinenlabor WZLPredictive Maintenance-Plattform:
Live Gesamtansicht
Übersicht Produktions-
maschinen und Werkzeuge
Übersicht
auftretender
Störungen
Übersicht
Übersicht Warnmeldungen
werkzeugbedingter
Störungen
12 © Werkzeugmaschinenlabor WZLPredictive Maintenance-Plattform:
Detailansicht
Einbindung von
Festlegen von
Dokumenten
Grenzwerten
wie 3D-Modellen
Auswahl und Live-
Zugriff auf
angeschlossene
Sensoren
Übersicht von
Grenzwertfällen
13 © Werkzeugmaschinenlabor WZLPredictive Maintenance-Plattform:
Analyseansicht
Übersicht von
Fehlertypen
Übersicht aller
aufgetretenen
Fehler
(Detailansichten
möglich)
Übersicht von
Fehlerfällen
14 © Werkzeugmaschinenlabor WZLUmsetzungsphase – Schritt F:
Auswahl und Training des Algorithmus zur Vorhersage von Fehlern
Schritt F: Algorithmus zur Fehlerprognose
Training des Algorithmus nach dem
Ansatz des Supervised Learning
Befähigung zur Reproduktion von
Wirkzusammenhängen
Prognose potenzieller
Instandhaltungsfälle
Ziel: Automatisierter Vorschlag potentieller Maßnahmen
Training des Algorithmus anhand bekannter Events und Prozessdaten
mehrerer Monate nach der Methode des Supervised Learning
Stetige Optimierung des Algorithmus in mehreren Iterationsschleifen
15 © Werkzeugmaschinenlabor WZLErgebnisse des Forschungsprojekts:
Validierung in Zusammenarbeit mit Serienproduzenten und Werkzeugbaubetrieben
Erzielung von Verbesserungen innerhalb der vier
Zieldimensionen
Wirtschaftlichkeit
Strategie
Qualität
Zeit
Positiver Einfluss auf alle vier Zieldimensionen
Ausgestaltung konkreter Dienstleistungen, z. B.
Vorhersage von Ausfällen inklusive Wartung oder
Instandsetzung
16 © Werkzeugmaschinenlabor WZLAusblick – Prescriptive Maintenance:
Das Werkzeug heilt sich selbst
Prescriptive
Predictive Maintenance
Scheduled Maintenance
Reactive Maintenance
Maintenance Automatische
Instandhaltung Maßnahmen zur
Instandhaltung in bevor ein Fehler Vermeidung von
Instandhaltung festgelegten auftritt Fehlern
wenn ein Fehler Intervallen
auftritt Voraussetzung: Voraussetzung:
Voraussetzung: Prozesskenntnis Echtzeitfähige
Voraussetzung: Effektive und Daten- Datenaus-
keine Produktions- verfügbarkeit wertungen
planung
17 © Werkzeugmaschinenlabor WZLVielen Dank für Ihre Aufmerksamkeit!
Weitere Informationen zum Projekt sowie den
Max Busch, M.Sc. Abschlussbericht als kostenlose Studie finden Sie unter:
Werkzeugmaschinenlabor WZL der RWTH Aachen University https://www.wzl.rwth-aachen.de/werkprima
Abteilung Unternehmensentwicklung
Campus-Boulevard 30
52074 Aachen
( +49 241 8028197
* M.Busch@wzl.rwth-aachen.de
Christoph Frey, M.Sc., M.Sc.
Werkzeugmaschinenlabor WZL der RWTH Aachen University
Abteilung Unternehmensentwicklung
Campus-Boulevard 30
52074 Aachen
( +49 241 8028681
* C.Frey@wzl.rwth-aachen.de
18 © Werkzeugmaschinenlabor WZLSie können auch lesen
