Kurzprofil
Name: ViSKI
Beteiligte: scitis.io, ATEMAG, Fraunhofer IPA
Projektdauer/Zeitraum: Januar – Dezember 2021
Kurzbeschreibung: Optimierung der Werkzeugeinsatzzeit und Prozesskontrolle mithilfe von virtuellen Sensoren
Herausforderung
Die Industrielle Revolution ist inzwischen überall präsent. Auch kleine und mittelständische Unternehmen müssen sich überlegen, wie sie von den Entwicklungen profitieren können und das Industrielle Internet der Dinge für sich nutzen können. Die Firma ATEMAG hat sich genau dieser Frage gestellt. ATEMAG entwickelt, produziert und vertreibt Aggregate zur Zerspanung von Holzwerkstoffen, Aluminium und Kunststoff auf CNC Bearbeitungszentren. Als Maschinenbauer in der holzverarbeitenden Industrie ist es das Ziel von ATEMAG die Betriebszeit der Produkte stetig zu verbessern. Da ein ganzheitliches Lifecycle-Management dabei eine zentrale Rolle spielt, ist eine leistungsfähige, aber auch kostengünstige Lösung gefragt.
Um einen relativ kostengünstigen Einstieg in die Industrie 4.0 zu erlangen, können zur Prozessüberwachung niedrig auflösende, kostengünstige Sensoren in den Fertigungsanlagen integriert werden. Warum niedrig auflösende Sensoren? Hochauflösende Sensoren können aufgrund ihrer hohen Abtastraten und dem damit verbundenen Strombedarf nicht prozessnah integriert werden, da sie mit einer kabelgebundenen Daten- und Stromleitung an die Maschine angeschlossen werden müssen. Im Gegensatz dazu, können niedrig auflösende Sensoren mithilfe von Akkumulatoren prozessnah integriert werden und die Daten Kabellos übertragen. Ein Problem der niedrig auflösenden Sensoren ist allerdings, dass sie nicht die Datenqualität und Quantität für Strategien wie Predictive Maintenance oder Predictive Quality besitzen. Genau an diesem Punkt setzt das Forschungsprojekt ViSKI an.
Lösung
Für die Prozessüberwachung in der spanenden Holzbearbeitung wird ein virtueller Sensor entwickelt, der mit Daten einer kostengünstigen und niedrig auflösenden Sensorik versorgt werden kann. Durch die Auswertung Mittels einer KI wird es ermöglicht, auch in niedrig auflösenden Schwingungsdaten Muster zu erkennen, die Rückschlüsse auf den Zustand des Werkzeugs und der Maschine zulassen. Durch die ständige Überwachung des Werkzeugzustands kann der Werkzeugwechsel genau dann vorgenommen werden, wenn die Qualitätsanforderungen nicht mehr eingehalten werden können. Die Daten der Sensoren werden mithilfe eines Cloudplugs ausgelesen und in der Cloud gesammelt. Dort können die Daten nahezu verzögerungsfrei verarbeitet werden. Die KI erkennt automatisch einen Stillstand der Maschine, einen normalen Verarbeitungsvorgang, sowie eine Bearbeitung mit stumpfen Werkzeug.
Die Erweiterung der Analyse auf andere Fehlerquellen wie defekte Lager oder falsch eingespannte Werkzeuge ist ebenfalls denkbar.
Ergebnis
Durch die kostengünstige, einfach integrierbare und effektive Erfassung der Prozessparameter kann die Einsatzdauer der Werkzeuge verlängert und gleichzeitig Ausschuss in der Produktion vermieden werden. Zusätzlich ermöglicht die Langzeitüberwachung vorausschauende Wartung und Qualitätskontrolle.
