Bild: Schaeffler
Digitale Mehrwertstrategie

15_4_EMO_Farben.jpg EMO 3-H08/L07

 

Schaeffler und Deckel Maho Pfronten haben aufbauend auf ein konkretes Investitionsprojekt gemeinsam mit weiteren Partnern ein Maschinenkonzept „Werkzeugmaschine 4.0“ entwickelt, das vom Sensor bis in die Cloud bestehende Technik mit neuen digitalisierten Komponenten vernetzt und einen konkreten Schritt in Richtung digitalisierte Produktion darstellt. 

 

Als führender Zulieferer und Entwicklungspartner für antriebstechnische Komponenten in der Werkzeugmaschine verfolge Schaeffler eine definierte Digitalisierungs- Strategie, mit dem Ziel, über Sensorik, Vernetzung und Analyse, die erhobenen Daten für unterschiedlichste Prozesse verfügbar zu machen und so seinen Kunden einen klaren Mehrwert zu bieten, stellt Dr.-Ing. Jörg-Oliver Hestermann, Strategische Anwendungstechnik Geschäftsbereich Produktionsmaschinen in der Schaeffler Technologies AG & Co. KG, heraus und betont: „Als Anwender von Werkzeugmaschinen erweist sich diese Industrie-4.0- Zielsetzung auch für die eigene Produktion bei Schaeffler als unmittelbar relevant. Die Aktivitäten von Schaeffler im Rahmen der Digitalisierung für Werkzeugmaschinen verstehen sich als Angebot an die gesamte Branche, die Chancen und Herausforderungen in enger Entwicklungspartnerschaft zwischen Hersteller, Zulieferer und Anwender konkret umzusetzen.“ Deshalb habe man gemeinsam mit Deckel Maho Pfronten zwei Prototypen auf der Basis einer „DMC 80 FD Duoblock“ der 4. Generation aufgebaut. Eine davon kommt in der Serienproduktion des Schaeffler-Werks Höchstadt im Segment Genauigkeitslager zum Einsatz. Der zweite Prototyp wird bei DMG Mori auf der EMO 2015 zu sehen sein.

 

Lagerungen als Datenquellen


In der Werkzeugmaschine seien die Lagerungen die entscheidenden Komponenten für die Maschinenperformance, so der Ansatz, da sie nicht nur für die Funktionsfähigkeit der Maschine, sondern auch für die Qualität des Werkstücks maßgeblich sind. Daten, die auf den aktuellen Zustand, aber auch auf zukünftiges Verhalten der Komponente zurückschließen lassen, bilden eine wichtige Grundlage für den Maschinenbetreiber. In den beiden Prototypen befinden sich deshalb in nahezu allen für den Bearbeitungsprozess relevanten Lagerstellen Sensoren zur Messung von Schwingungen, Kräften, Temperaturen und Drücken integriert, um optimale Informationen über den Maschinenzustand zu erhalten.


Eine Maschine für die Produktion „4.0-fähig“ zu machen, bedeute nach Auffassung von Hestermann, die aufgenommenen Daten auszuwerten, zu speichern und Maßnahmen aus ihnen ableiten zu können. Damit die Daten allen zugänglich sind, ist ein maschineninternes Netzwerk eingerichtet, an das alle zusätzlichen Sensoren, Aktoren aber auch die Auswerteeinheiten angebunden sind. Über ein Gateway wird die Verlinkung in die Cloud realisiert. Um den Datenaustausch zur Maschinensteuerung zu gewährleisten, wird sowohl der Profibus in die SPS für zeitkritische und prozessrelevante Daten als auch das OPC UA-Protokoll zum Human-Machine-Interface (HMI) für weitere Informationen genutzt. Die Daten der Maschine werden lokal im Gateway gespeichert und in die Cloud von Schaeffler gespiegelt. So ist gewährleistet, dass auch ohne Netzanbindung die Datenhistorie auf der Maschine verfügbar ist. Über Webservices bzw. Apps können Berechnungen in der Cloud angestoßen werden.

 

Big Data und Datenanalyse


Über die bereits bestehende Datenauswertung hinaus, die prinzipiell eine 1:1 Beziehung zum Ausgang hat, komme der Analyse großer Datenmengen eine neue Bedeutung zu, hebt Hestermann hervor. Dies beruhe auf der Annahme, dass sich neben dem Messwert selbst über eine ausreichend große Anzahl an Messwerten/ Daten (big data), die mit anderen Daten korreliert werden, Muster ergeben. Diese bieten eine neue Qualität hinsichtlich ihrer Aussagefähigkeit, zum Beispiel bezüglich des Lagerzustands und damit des Maschinenzustands (datenbasierter Mehrwert). Mit geeigneten Algorithmen können die Muster automatisch erkannt und notwendige Handlungsempfehlungen beziehungsweise Aktionen ausgeführt werden. Dazu benötigt werden dezentrale Funktionseinheiten, die sowohl autonom wie auch im Netzwerk eingebunden funktionieren. So kann die lokale Intelligenz die Daten lokal auswerten. Ergänzende Auswertungen, welche größere Rechenleistungen erfordern, können über die Cloudverbindung abgerufen werden. Ebenso erfolgt eine analytische Auswertung in der Cloud auf Basis der Daten aller angeschlossenen Maschinen und nicht lokal auf der Maschine.

 

Mehrwert von der Produktion bis zur Instandhaltung


Die Möglichkeiten der Digitalisierung seien aber nicht nur auf die Fertigungsmaschine begrenzt. Auch das Produktionsumfeld könne mittels eines durchgängigen Datenflusses davon profitieren, so Hestermann, und verweist auf mehrere Ansatzpunkte.


Produktion: Ein wichtiger Aspekt im Zusammenhang mit „Big Data“ ist die eindeutige Identifizierung ID der einzelnen Bauteile. Hierzu ist eine Beschriftungsanlage integriert, die jedem Bauteil mittels Data Matrix Code eine eindeutige Identität gibt. Diese begleitet die Komponente über den gesamten Herstellungsprozess und geht beim Zusammenbau in der ID der Baugruppe auf. Damit kann im Sinne der Nachverfolgbarkeit (Traceability) die Historie des Bauteils analysiert werden. Prozess: Die Bestimmung der Kräfte am Tool Center Point (TCP) erlaubt weitere Optimierungen hinsichtlich der Maschinenbelastung wie auch des Prozesses selber: Über ein mathematisches Modell können die Verlagerung am TCP aufgrund der auftretenden Belastungen bestimmt und an die Steuerung mögliche Korrekturmaße in Echtzeit gegeben werden. Mittels Bearbeitungssimulation können die wahrscheinlich auftretenden Bearbeitungskräfte im Vorfeld bestimmt werden. Diese bilden somit einen Sollwert, der von einer vorgegebenen Spanne nicht abweichen darf, da dies auf einen nicht ordnungsmäßigen Zustand hindeutet.


Energie: Neben der Messung der aktuellen Verbräuche, die dem jeweiligen Bearbeitungsschritt zugewiesen werden können, ist es möglich, mittels der Prozesssimulation die zukünftig erforderliche Energie zu bestimmen. In Kombination mit den Erfahrungswerten kann eine genauere Prognose für den Energieverbrauch erstellt werden, was sowohl dem bedarfsgerechten Energieeinkauf wie auch der Fertigungsplanung im Sinne der Minimierung von unternehmensweiten Energiespitzen dient.


Maschinenzustand: Der Maschinenzustand wird über die klassischen Überwachungsverfahren mittels Schwingungsüberwachung erfasst. Zusätzlich werden die Schmierzustände in verschiedenen Lagern gemessen und ausgewertet. Durch eine bedarfsgerechte Schmierung ist neben dem schonenden Umgang mit Ressourcen die Funktionsfähigkeit ohne Einfluss auf die Maschinenperformance gewährleistet. Desweiteren kann perspektivisch auch eine Prognose für die Weiterentwicklung des Lagerzustands abgegeben werden.


Instandhaltung: Mittels einer Klassierung der Bearbeitungsprozesse werden Lastkollektive der Maschine transparent gemacht. Zum Beispiel kann momentan exemplarisch über das Schaeffler Lagerberechnungsprogramm „Bearinx“ per Web-Service eine nominelle Restgebrauchsdauer der Lagerstellen online berechnet werden. Ziel ist es, mittels Simulation der geplanten Bearbeitungsaufträge und der sich daraus absehbaren Gebrauchsdauern der einzelnen Komponenten die Fertigung so zu steuern, dass erforderliche Instandhaltungsmaßnahmen vorausschauend geplant werden können, um die Maschinenverfügbarkeit möglichst hoch zu halten. 

www.schaeffler.com

15_4_EMO_AA_schaeffler_SEI.jpg 

Beitrag aus dima 4/2015:

15_4_TS_188.jpg

 
Gerne können Sie dima 4/2015 mit diesem und weiteren interessanten Beiträgen bestellen:

E-Mail:  cedra@agt-verlag.de      

Kontaktformular

 

AGT Verlag Thum GmbH
Teinacher Straße 34
71634 Ludwigsburg

Vertrieb, Frau Beate Cedra
Tel.: 07141/22 31-56

 

spacer
Online Werbung @ dima
spacer