Inhaltsverzeichnis
1. Zuverlässige Schweißtechnik
2. Real-Time-Qualitätskontrolle
3. Lückenlose Dokumentation
4. Fertigung rund um die Uhr
5. Mögliche Geschäftsmodelle
6. KI im Maschinen- und Anlagenbau vorantreiben
7. Prozess der Modellentwicklung
8. Algorithmus lernt die typischen Datenmuster
Mit seinen Rührreibschweißsystemen bietet Grenzebach eine innovative Fügetechnik zum Verbinden von technisch reinen Metallen, Legierungen und Mischverbindungen. Die Rührreibschweiß-Technologie (Friction Stir Welding, FSW) eignet sich besonders für das Schweißen von Leichtmetallen wie Aluminium und dessen Legierungen. Zur Realisierung eines Echtzeit-Monitoring-Systems beim Schweißvorgang sowie zur Kosten- und Ressourceneinsparung durch eine gezielte Wartung nutzt der Spezialist im Maschinen- und Anlagenbau die Industrial-Analytics-Software von Weidmüller. Grenzebach wird durch die Lösung in die Lage versetzt, pro aktiv zu reagieren und kann sofort eine Aussage über die Qualität der erstellten Schweißnaht treffen bzw. die genaue Fehlstelle dem Anlagenbediener visuell mitteilen. Über die im Schweißkopf integrierte Sensorik wertet die Software Prozessdaten aus, die Rückschlüsse z.B. auf den Werkzeugzustand (Beanspruchung, Laufleistung/Lebensdauer) ermöglichen und berechnet auf diese Weise präzise das nächste Werkzeugwechselintervall. Kosten- und Ressourcen lassen sich so einsparen. Mit dem Einsatz von Industrial Analytics eröffnen sich völlig neue Einsatzbereiche und Anwendungsfelder in der 24/7-Serienproduktion.
Zuverlässige Schweißtechnik
Die Rührreibschweiß-Technologie überzeugt durch folgende Vorteile: Sie ermöglicht robuste, verzugsarme und mechanisch feste Verbindungen ohne eine Verwendung von Schweißzusätzen und Schutzgas. Die mit FSW produzierten Verbindungen verfügen darüber hinaus über eine sehr gute Oberflächenqualität. Die zum Verbinden benötigte Prozesswärme wird beim Rührreibschweißen mit einem drehenden Werkzeug (Reibstift) durch Reibung und Druck an der Nahtstelle erzeugt. Das Metall verformt sich plastisch durch die eingebrachte Wärme und wird durch die Rotation des Werkzeugs entlang der Nahtstelle verrührt. Auf diese Weise entsteht eine robuste und langzeitbeständige Naht, mit nur geringen Bauteildeformationen bzw. Eigenspannungen. Für eine dynamische Prozessregelung ist der speziell entwickelte Schweißkopf mit Kraftsensoren ausgestattet, die die Verformung sowie die Zug- und Druckkräfte messen. Die von den Sensoren erzeugten Daten nutzt Weidmüller für seine Analytics-Software, um daraus das Reibstift-Verhalten zu lernen. Datensätze von über 100 Schweißnähten wurden ermittelt, beurteilt sowie die relevanten Daten herausgefiltert und anhand von intelligenten Datenanalyseverfahren ausgewertet. Das Ergebnis der umfangreichen und detaillierten Analyse wurde als Referenzdatensatz hinterlegt. Einen wesentlichen Bestandteil der Analysen bildet das Know-how von Grenzebach. Die Analyse-Software kann Fehler zwar mit einer bestimmten Wahrscheinlichkeit vorhersagen – Voraussetzung ist jedoch, dass er zuvor klassifiziert worden ist. Nur Grenzebach kann bewerten, ob eine Anomalie tatsächlich als kritischer Fehler einzustufen ist.
Real-Time-Qualitätskontrolle
Eine Qualitätskontrolle erfolgte beim Rührreibschweißen bisher optisch durch den Bediener im Anschluss an den Schweißprozess. Bei diesem Vorgehen steht das Schweißergebnis im direkten Zusammenhang mit dessen Know-how. Diese aufwändige und umständliche Kontrolle entfällt zukünftig durch den Einsatz der Industrial-Analytics-Lösung von Weidmüller und das funktioniert folgendermaßen: Während des Schweißprozesses vergleicht die Software die Daten, die von den Sensoren geliefert werden, mit den hinterlegten idealen Datenmodellen des Referenzsatzes. Sobald eine Abweichung außerhalb der definierten Parameter vorliegt, erhält der Anlagenbediener einen Hinweis, dass eine Anomalie beim Schweißprozess aufgetreten ist. Die Software teilt dem Bediener die genaue Fehlstelle mit. Die bisherige manuelle Kontrolle der Schweißnaht entfällt.
Lückenlose Dokumentation
Die Analytics-Software ermöglicht es nicht nur, die Qualität jeder Schweißnaht zu erfassen, sondern erfasst auch die Qualität jedes produzierten Teils – mit anschließender lückenloser Dokumentation. Die Dokumentation sorgt für eine vereinfachte haftungsrechtliche Absicherung des Produktherstellers, eine Rückverfolgbarkeit und Reproduzierbarkeit der Teile sowie die Erfüllung der gesetzlich geforderten Archivierung von relevanten Informationsinhalten.
Fertigung rund um die Uhr
Gleichzeitig liefert die Software auch Hinweise, wann der für die Erzeugung der Wärme zuständige Reibstift an der Maschine auszufallen droht und ersetzt werden muss. Diese Vorhersage ermöglicht eine weitaus effizientere Nutzung des Reibstifts mit entsprechendem Kostenvorteil. Durch den Hinweis der Analytics-Software kann der Maschinenbediener den Wechsel des Reibwerkzeugs anpassen und beispielsweise zwischen zwei Schweißvorgänge oder einen Schichtwechsel legen, sodass die Ausfallzeit der Anlage auf ein Minimum reduziert wird. Dadurch lassen sich Ressourcen bestmöglich nutzen und die Verfügbarkeit der Maschinen und Anlagen erhöhen. Eine bestmögliche Verfügbarkeit ist von großer Bedeutung und es wird viel unternommen, damit die Produktion so wenig und so kurz wie möglich unterbrochen wird. Durch den Einsatz von Industrial Analytics bringt Grenzebach die 24/7 Serienfertigung auf einen neuen Level.
Mögliche Geschäftsmodelle
Mit Industrial Analytics erhält das Grenzebach die Möglichkeit, verschiedene Geschäftsmodelle anzubieten. Zum einen: Die Analytics Software wird zusammen mit der Maschine bzw. Anlage verkauft, bei diesem Ansatz übernimmt der Kunde das Monitoring der Anlage. Zum anderen: Es werden nur Software-Lizenzen verkauft, sodass der Kunde keine Maschine erwerben muss, die Vorteile von Industrial Analytics aber nutzen kann. Die Analyse-Software lässt sich in Verbindung mit einer Cloud aber auch ohne Cloud betreiben.
KI im Maschinen- und Anlagenbau vorantreiben
Mit dem aktuellen Automated-Machine-Learning-Tool bietet Weidmüller ein Werkzeug für den Maschinen- und Anlagenbau, mit dem die Nutzer Modelle eigenständig erzeugen und weiterentwickeln können, ohne dabei auf die Hilfe eines Data Scientists oder eines externen Kooperationspartners angewiesen zu sein. Das vorhandene Wissen über Prozesse und Maschinen bleibt so in den Unternehmen, da diese ihr Domänenwissen selbstständig einpflegen können. Das Tool erschließt die die Anwendung von künstlicher Intelligenz und der zugehörigen Methoden einer großen Zahl von Unternehmen im Maschinenbau. Das aktuelle Machine-Learning-Tool bietet eine Grundlage für effizientere Produktionsprozesse und neue datenbasierte Geschäftsmodelle. In diesem Zusammenhang ist die Verfügbarkeit der Maschine oder eine garantierte Anzahl der damit produzierten Teile der Topseller und nicht wie bisher ein bestimmter Maschinentyp. Die Maximierung der Produktionszeiten durch Industrial Analytics steht in einem direkt messbaren Mehrwert.
Prozess der Modellentwicklung
Einen neuen Ansatz für den Maschinen- und Anlagenbau verfolgt Weidmüller mit der Realisierung seiner Automated-Machine-Learning-Software. Das Software-Tool führt den Anwender durch den Prozess der Modellentwicklung. Dadurch reduziert sich die Komplexität, der Anwender kann sich auf sein Wissen zum Maschinen- und Prozessverhalten fokussieren. Der Maschinen- und Anlagenexperte kann die Erstellung und Weiterentwicklung der Modelle eigenständig vorantreiben. Das vorhandene Wissen über Prozesse, Maschinen und Fehlerbilder bleibt so im Unternehmen, da diese ihr Domänenwissen selbstständig einpflegen und mit den Modellbildungsschritten verknüpfen können. Die Software hilft bei der Übersetzung und Archivierung des komplexen Applikationswissens in eine verlässliche Machine-Learning-Anwendung. Um das Domänenwissen der Maschinen- und Prozessexperten optimal zu integrieren und gleichzeitig Modellbildungsschritte zu automatisieren, wird sogenanntes unsupervised und supervised Machine-Learning miteinander verknüpft. Unerwünschtes Maschinenverhalten wird mit Anomalieerkennungsverfahren realisiert. Dabei handelt es sich um unsupervised Machine-Learning.
Algorithmus lernt die typischen Datenmuster
Ein Algorithmus erlernt die typischen Datenmuster eines normalen Maschinenverhaltens anhand historischer Daten. Zur Laufzeit können Abweichungen von diesen Mustern identifiziert werden. Bei den erkannten Anomalien kann es sich um Ineffizienzen, kleinere Störungen oder größere Fehlerfälle handeln. Das System ist durch diese Herangehensweise in der Lage, auch bisher vollkommen unbekannte Fehlerfälle schon bei ihrem ersten Auftreten zu erkennen. Um auffälliges Maschinenverhalten nun einer bestimmten (Fehler) klasse zuzuordnen, werden Klassifikationsverfahren eingesetzt; also supervised Machine-Learning. Um diese Zuordnung vorzunehmen, braucht der Algorithmus in den historischen Daten ausreichend repräsentative Beispiele für alle zu unterscheidenden Klassen. Tritt dann ein bestimmter Störfall erneut auf, so wird er vom System erkannt und anhand seines typischen Datenmusters gleich richtig einer Klasse zugeordnet. Die Algorithmen können kontinuierlich anhand neuer Daten verbessert und um neue Fehlerklassen erweitert werden. ge
Weitere Informationen zur
Automated-Machine-Learning-Software
Weidmüller GmbH & Co. KG
Klingenbergstraße 26
32758 Detmold
Tel.: +49 5231 14-0
Hier finden Sie mehr über:
