Datenbasierte Werkzeugverfügbarkeit für die Serienproduktion durch Predictive Maintenance

 

Der Werkzeugbau stellt in einer Einzel- und Kleinserienfertigung Werkzeuge her, die zur Serienproduktion von Kunststoff- oder Metallteilen eingesetzt werden. Die Verfügbarkeit der hergestellten Werkzeuge besitzt für die industrielle Serienproduktion eine herausragende Bedeutung und bestimmt maßgeblich deren Produktivität. Aktuell sind Ausfälle von Werkzeugen unvorhersehbar und verursachen plötzliche Produktionsausfälle und somit hohe Kosten. Aktuell existiert keine Lösung für eine vorausschauende und proaktive Wartung, die sogenannte Predictive Maintenance, um Ausfälle der in der Produktion eingesetzten Werkzeuge rechtzeitig und effizient zu vermeiden.

Das Ziel des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsprojekts „WerkPriMa“ ist die Konzeption und Entwicklung eines datenbasierten Wartungs- und Dienstleistungssystems zur Erhöhung der Werkzeugverfügbarkeit für die Serienproduktion durch die Nutzung von Produktionsdaten. Dies resultiert ebenfalls in der Erhöhung der Verfügbarkeit von Produktionsanlagen.

Eine vorausschauende und proaktive Wartung (Predictive Maintenance) soll den Werkzeugbau dazu befähigen, die in der Serienproduktion im Einsatz befindlichen Werkzeuge durch die Aufnahme von Prozessdaten echtzeitnah auf Abnutzung und potentielle Schäden hin zu analysieren. Auf diese Weise können Wartungen bedarfsgerecht und vorbeugend vorgenommen werden. Ebenfalls können mögliche Probleme im Prozess und am Werkzeug entdeckt werden, noch bevor sie zu einem ungeplanten Ausfall des Werkzeugs und damit der Produktionsanlage führen.

Für die Entwicklung des Ansatzes sind die Schritte Datenerzeugung, Datenaufnahme, Datenverarbeitung und Datenanalyse über den gesamten Werkzeuglebenszyklus entscheidend. In der Serienproduktion müssen durch entsprechende Sensoriksysteme am Werkzeug und an der Produktionsanlage relevante Prozessdaten aufgenommen werden. Die aufgenommenen Daten sollen dann echtzeitnah an eine Cloud gesendet werden. Durch die Analyse der Daten auf Basis von Ursache-Wirkungs-Beziehungen lassen sich Vorhersagen über das zukünftige Verhalten des Werkzeugs ableiten. So können Verschleiß und ein optimaler Wartungszeitpunkt berechnet, Vorschläge zur Korrektur der Fertigungsprozessparameter abgeleitet und ein Ausfall im Voraus angekündigt werden.