Image: Smartes Frühwarnsystem für MaschinenFERCHAUFERCHAUVorausschauende Wartung – eine der Schlüsselinnovationen von Industrie 4.0 | Zapp2Photo
TechnikKI und Predictive Maintenance

Smartes Früh­warn­system für Maschinen

Lesezeit ca.: 3 Minuten
Monique Opetz

Monique Opetz

Freie Journalistin

Mit vorausschau­ender Wartung sind Rückmeldungen über kritische Anlagenzu­stände möglich bevor Produkti­ons­pro­zesse stillstehen. Künstliche Intelligenz und Sensorik zur Datenerfas­sung bilden das notwendige Setup für den Blick in die Zukunft.

03. Juli 2018

„Predictive Maintenance“ – die vorausschau­ende Wartung – gilt als eine der Schlüsse­lin­no­va­tionen der Industrie 4.0. Zu diesem Ergebnis kommt eine Studie aus dem Jahr 2017 vom Verband Deutscher Maschinen- und Anlagenbau e.V. (VDMA), der Deutschen Messe AG und Roland Berger. Knapp die Hälfte der über 150 befragten deutschen Maschinen­bau­un­ter­nehmen erwarten einen Durchbruch von Predictive Maintenance bereits bis 2020. Die Vorausschau­ende Wartung bietet im Gegensatz zum „Condition Monitoring“ nicht nur Echtzeit-Informationen über den Betriebs­zu­stand, sondern prognosti­ziert darüber hinaus bevorste­hende Ausfälle und Verschleiß an Maschinen­teilen.

Algorithmen erkennen Anomalien

Möglich wird so ein smartes Frühwarn­system mit Künstlicher Intelligenz, wie im April auf der Hannover Messe gezeigt wurde. Forscher der Hochschule Ostwestfalen-Lippe und des Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswer­tung IOSB Instituts­teil Industri­elle Automation demonstrierten beispiels­weise an einer Multi-Vendor-Anlage, wie Künstliche Intelligenz für vorausschau­ende Wartung genutzt werden kann. Mit von ihnen entwickelten Algorithmen sollen Anomalien oder Zeitfehler im System erkannt und anhand von Sensoren präzise lokalisiert werden. Auch das IT-Unternehmen 5Analytics war mit seiner KI-Plattform in Hannover vertreten. Gemeinsam mit dem Lackieran­la­gen­her­steller Eisenmann präsentierten die Unternehmer einen Predictive Quality Use Case mit KI, der ähnlich wie Predictive Maintenance abläuft. Ziel ist es, bereits während des Prozesses vorherzu­sehen: Wird ein gutes oder mangelhaft lackiertes Autoteil produziert? Dr. Katrin Botzen, Head of Advanced Analytics der 5Analytics GmbH:

Badparameter wie Temperatur, Leitfähig­keit oder pH-Wert werden gemessen und fließen in Echtzeit als Daten in die KI-Plattform ein. Aus diesen komplexen Zusammen­hängen – gerade in der chemischen Industrie – berechnet die Plattform schließlich mit KI-Algorithmen die Vorhersagen der Produktqua­lität.

Übertragen auf die vorausschau­ende Wartung bedeutet das Ersatzteile können mithilfe der Echtzeit­ana­lyse direkt bestellt oder Maschinen­spe­zia­listen frühzeitig angefordert werden. „So werden Wartezeiten verkürzt und die Produktion kann schnell wieder aufgenommen werden. Eine Verringe­rung der Maschinen­still­stand­zeiten ist hier das Ziel“, sagt Botzen.

Über die bloße Datenana­lyse hinaus

Aber wie kann solch eine KI-Software-Lösung in bestehende Anlagen eingebunden werden? Theoretisch ist sie in alle gängigen Systemland­schaften integrierbar. Einzige Vorausset­zung: Die Maschinen müssen Daten liefern. Die Künstliche Intelligenz ist zunächst auf eine Menge Fertigungs- und Sensordaten angewiesen, um aus vergangenen Prozessen Muster zu erkennen. Dabei wird die KI trainiert, Daten miteinander zu verknüpfen und ihre Erkennungs­ge­nau­ig­keit zu verbessern. So kann die Plattform nach und nach immer sensibler auf Zustands­än­de­rungen reagieren und schließlich Voraussagen zu potentiellen Maschinen­aus­fällen treffen.

Über die reine Datenana­lyse hinaus gibt die KI-Plattform Handlungs­emp­feh­lungen, welche Maschine wann und an welcher Stelle gewartet werden muss, bevor es zu einem Produkti­ons­stopp kommt. Dies geschieht, je nach Autonomie-Level der KI, per SMS oder E-Mail an den Technischen Leiter, der dann die nächsten Schritte einleitet. Es wäre aber auch denkbar, dass die Künstliche Intelligenz ein benötigtes Ersatzteil eigenständig bestellt, die Techniker über den Liefertermin informiert und den Wartungs­fluss umlenkt, um den Produkti­ons­aus­fall so gering wie möglich zu halten.

Alte Maschinen – ein K.o.-Kriterium?

Nun sind Anlagen und Maschinen­parks heterogen und oftmals noch mit sehr alten Modellen ohne Schnittstellen zur Datenerfas­sung ausgestattet. Dies muss jedoch kein K.o.-Kriterium sein, um eine KI-Plattform anzudocken. „Die Anbindung an alte Maschinen ist durchaus möglich“, betont Botzen. „Wenn noch keine Sensoren vorhanden sind, werden diese nachgerüstet.“ Das funktioniere dann allerdings nur von außen, beispiels­weise um Vibrationen oder die Temperatur zu messen. Den Hydraulik­öl­stand von innen sensorisch zu messen sei dagegen schwierig, aber auch das ließe sich zum Teil nachrüsten. Da die Unternehmen sehr unterschied­lich aufgestellt sind, könnte es noch dauern, bis die vorausschau­ende Wartung in der industri­ellen Fertigung selbstver­ständ­lich ist. Botzen prognosti­ziert: „Ein Großteil wird es in bestimmt fünf bis zehn Jahren implemen­tiert haben. Manch ein Mittelständler in zehn Jahren, weil sich Maschinen und Prozesse nur sehr langsam verändern.“