Big Data, große Ergebnisse

Hoffentlich gleichen Ihre Produktionsabläufe dem Schießen eines Fisches im Fass. Doch ohne eine robuste Maschinenüberwachung und das IIoT tappen Sie eher im Dunkeln.

Es ist nur ein einfacher Späneförderer. Seine einzige Funktion besteht darin, Metallspäne aus der CNC-Werkzeugmaschine in ein bereitstehendes Fass zu befördern, wo sie hoffentlich in einem nahegelegenen Recyclingzentrum entsorgt werden können. Es ist ein wesentliches Ausrüstungsteil, aber kaum ein kritischer Bestandteil der Fertigungsstrategie einer Werkstatt, oder?

Stellen Sie sich nun vor, Sie investieren Zehntausende oder sogar Hunderttausende Dollar in die Produktion ohne Unterbrechung, nur um dann festzustellen, dass der Förderbandmotor ausbrennt, lange nachdem alle für die Nacht nach Hause gegangen sind. Die Späne stapeln sich immer weiter und es dauert nicht lange, bis sie den Betrieb blockieren.

Im besten Fall gibt es morgens nur etwa 30 Minuten unerwartete Ausfallzeit, während der Arbeiter Schaufel und Zange hervorholt und dann mit dem Graben beginnt. Wenn der Stapel jedoch hoch genug ist, kann es sein, dass der Bediener mit kaputten Werkzeugen zu kämpfen hat. Im schlimmsten Fall? Es könnte ein Feuer entstehen.

Ähnliche Katastrophen können durch kleinere, oft alltägliche Vorkommnisse entstehen – ein stumpfer Schaftfräser, ein abgebrochener Einsatz oder ein beschädigter Stempel –, die jeweils zu stundenlangen Ausfallzeiten und möglichen Maschinenschäden führen können. Darüber hinaus können solche Ereignisse in weniger automatisierten, voll ausgestatteten Maschinenwerkstätten und Fertigungsbetrieben auftreten, insbesondere dort, wo die Fertigungsprozesse an ihre Grenzen gebracht werden.

Rob Caron kann Besitzern und Bedienern von Werkzeugmaschinen dabei helfen, solche schlechten Tage zu vermeiden. Als Eigentümer und Präsident von Caron Engineering Inc. in Wells, Maine, verbringen er und sein Team ihre Tage damit, die Technologie zu entwickeln, um diese beiden Anforderungen – Maschinenüberwachung und Prozessoptimierung – zu erfüllen, indem sie Maschinendaten in Echtzeit sammeln und diese dann entweder präsentieren den Betreiber oder das Ergreifen von Maßnahmen auf der Grundlage dieser Informationen.

„Einer der Schneidwerkzeugparameter, die wir verfolgen, ist die Leistung im Zeitverlauf“, sagte Caron. „Wir berechnen eine einzelne Zahl, die sich ändert, wenn das Werkzeug stumpf wird, und geben Einblicke in seine Lebensdauer und seinen Zustand, die den Menschen helfen, zu verstehen, wann es beispielsweise an der Zeit ist, das Werkzeug zu wechseln oder die Vorschub- und Geschwindigkeitswerte anzupassen.“

Die Analyse solcher Daten könne auch dazu beitragen, Probleme mit der Werkzeugmaschine selbst zu erkennen, fügte er hinzu. Bediener können die Leistung im Zeitverlauf und ähnliche Kennzahlen über mehrere Teileläufe hinweg oder sogar über mehrere Maschinen, die dasselbe Teil schneiden, vergleichen.

„Wenn der Trend einer Maschine von dem der anderen abweicht, ist das ein Grund, weitere Untersuchungen durchzuführen“, sagte Caron. „Wir haben auch die Möglichkeit, den Lagerzustand durch Vibrationsanalyse zu analysieren, was durch die Installation von Sensoren an der Spindel erreicht wird, um Vibration und Temperatur in der Maschine zu analysieren.“ Werkzeugmaschine."

Caron stellte fest, dass die meisten Werkstätten – zumindest diejenigen mit einer Wartungsabteilung – die Maschinenspindeln regelmäßig mit Diagnosetools überprüfen. Dies reicht jedoch oft nicht aus oder wird manchmal übersehen, was zu ungeplanten Ausfallzeiten und je nach Werkzeugmaschine zu einer sehr kostspieligen Reparatur führt.

„Da Automatisierung und unbeaufsichtigter Betrieb immer häufiger vorkommen, wird es noch weniger Möglichkeiten für manuelle Wartung geben“, sagte er. „Unser System kann Spindellager täglich testen und eine kontinuierliche, unbeaufsichtigte Lageranalyse liefern. Diese Informationen können automatisch an die Wartungsabteilung gesendet werden. Wenn Sie über kritische Komponenten verfügen, können Sie Reparaturen oder Austausch einplanen, anstatt unerwartet eine blockierte Spindel zu entdecken.“

Solide Wartungsroutinen sind entscheidend für den Erfolg jedes Fertigungsunternehmens. Das gilt auch für gesunde Prozesse. Dies gilt insbesondere für Werkstätten, in denen die Arbeit nicht funktioniert, wo eine vorhersehbare Werkzeugstandzeit, Spankontrolle und der Zustand der Schneidflüssigkeit den Unterschied zwischen Erfolg und Misserfolg ausmachen können. Wie Caron betonte, ist die Installation von Sensoren für diese und andere Bearbeitungsvariablen – Späneförderer und Kühlmittelsysteme eingeschlossen – eine einfache, relativ kostengünstige Versicherungspolice; Es besteht aber auch die Möglichkeit intelligenter, automatisierter Prozessanpassungen basierend auf dem Feedback dieser fortschrittlichen Überwachungssysteme.

„Wir bieten mehrere Produkte in unserem Sortiment an, wobei das bekannteste TMAC ist, unser adaptives Steuerungssystem zur Werkzeugüberwachung“, sagte Caron. „Aber wir haben auch Produkte wie ToolConnect, das zum Laden von Werkzeugen RFID-Tags mit Voreinstellinformationen verwendet, und AutoComp, das während des Bearbeitungsprozesses Dimensionsdaten sammelt und auf der Grundlage dieser Informationen automatisch Werkzeugversätze anpasst oder alternative Werkzeuge aufruft.“

Ein Unternehmen, das mit diesen Produkten gut vertraut ist, ist Wolfram Manufacturing Inc. mit Sitz in Austin, Texas, das Präsident Nathan Byman als „Arbeitsmaschinenwerkstatt und Technologieberatungsunternehmen“ bezeichnet. Nach vielen Jahren in der Öl- und Gasindustrie öffnete er 2011 mit dem Kauf einer Okuma Multus B400 Multitasking-Drehmaschine die Türen einer inzwischen etablierten Maschinenwerkstatt.

Dabei lernte Byman eine wertvolle Lektion: Werkzeugmaschinen sind leistungsstark, präzise und erstaunlich, aber sie sind auch einfach nur dumm. „Bei jeder Gelegenheit werden sie sich verletzen, kaputt machen und schlechte Teile herstellen, ohne es einem zu sagen“, beklagte er. „Sie sind von Natur aus riskant.“

Diese Sichtweise, gepaart mit einer technischen Denkweise und dem Wunsch, „Dinge anders zu machen“, führte den texanischen Betrieb zu Caron Engineering und TMAC. „Wir begannen mit der Idee, Maschinen beizubringen, mit Daten auf sich selbst aufzupassen. Die Produkte von Caron waren hierfür von entscheidender Bedeutung, zusammen mit Dingen wie Multifunktionswerkzeugmaschinen, die die Teilehandhabung minimieren. Wir haben uns auch auf die Förderung der Gleichmäßigkeit durch Hochdruck-Kühlmittelsysteme, In-Prozess-Messungen und Werkzeugwegsimulation konzentriert. Das waren die Kerntechnologien, auf denen wir das Geschäft aufgebaut haben.“

Die Nutzung von Daten zur Analyse von Prozessen für eine effektivere Entscheidungsfindung war ebenfalls ein wichtiger Teil des Ansatzes des Wolfram-Teams. Zu diesem Zweck sammelt, analysiert und archiviert das Unternehmen riesige Mengen an Informationen aus der gesamten Fertigungshalle. Manche würden behaupten, es sei übertrieben.

„Jedes Schneidwerkzeug, das wir verwenden, weiß, wie viele Teile und Programmausführungen es ausgeführt hat“, erklärte Byman. „Wir können uns einen Schaftfräser ansehen, den wir vor zwei Monaten verwendet haben, und sehen, dass er 400 Mal dieses Teils, 25 Mal das nächste und 45 Mal das darauffolgende Teil bearbeitet hat. Wir haben das System jedoch so aufgebaut, dass kein zusätzlicher Aufwand erforderlich ist, um diese Informationen zu sammeln.

„Datenberge, mit denen man nichts anfangen kann, sind per Definition Verschwendung“, fuhr er fort, „weshalb wir über ein Dashboard verfügen, über das wir unseren Shop steuern können und bei dem Maschinen bei Bedarf um Hilfe rufen.“ Dadurch können sich unsere Mitarbeiter auf die Gestaltung von Prozessen und das Nachdenken über neue Vorgehensweisen konzentrieren.“

Dadurch würden Arbeitsplätze geschaffen, die besser und respektvoller gegenüber den Menschen seien, bemerkte Byman und fügte hinzu, dass sie auch besser bezahlt würden. „Es ist ein positiver Kreislauf. Wenn etwas schief geht, helfen uns all diese Daten dabei, die Ursache sofort zu identifizieren, ohne uns auf herkömmliche Methoden verlassen zu müssen, um Menschen Fragen zu stellen. Wir können die Daten wie Werkzeugwechsel, Merkmalsanalysen und Leistungskurven untersuchen, um die Grundursache des Problems zu finden.“

Das Wolfram-Team ist im Datenmanagement so gut geworden, dass es sein eigenes System, OnTakt, entwickelt hat, das das Unternehmen kürzlich kommerzialisiert hat. Wolfram erregte auch die Aufmerksamkeit von Rob Caron und wurde vor etwa sechs Jahren zum Distributor und Integrator seiner Produkte.

Auf die Frage, ob dies seiner Konkurrenz nütze, schien Byman verblüfft. „Wir wussten schon früh, dass das, was wir hier tun, nicht so einfach sein würde, wie es vielleicht aussieht, aber für Leute, die sich mit Technologie auskennen und sie zu schätzen wissen – sogar für diejenigen, die möglicherweise für die gleichen Teile zitieren – helfe ich gerne.

„Ich hasse es, das zu sagen, aber ich habe manchmal das Gefühl, dass die Generationen vor mir sich zu sehr darauf konzentrierten, die US-Produktion auf andere Teile der Welt auszudehnen“, gestand Byman. „Unser Ziel sollte es jetzt sein, es nach Hause zu bringen und den Menschen zu helfen, wieder gut darin zu werden.“

Offenbar besteht großes Interesse daran, genau das zu tun. Jeff York ist seit etwa zwei Jahren Marketingmanager bei Scytec Consulting Inc. und schätzt, dass sich die Konkurrenz des in Englewood, Colorado, ansässigen Softwareentwicklungs- und Beratungsunternehmens in dieser Zeit verdoppelt hat.

„Die Vorteile der Datenerfassung und -analyse ergeben sich nicht nur aus der Erstellung einer Reihe von Grafiken und Dashboards“, sagte York. „Die Vorteile ergeben sich aus der Verwendung dieser Diagramme und Dashboards und der Stärkung der Bediener durch die Förderung der Kommunikation zwischen allen Bereichen des Unternehmens, egal ob es sich um den Einsteiger handelt, der in der Fabrikhalle Kisten packt, oder um den C-Level-Manager im Eckbüro, der an der Verbesserung arbeitet.“ Endeffekt."

Bei Big Data gehe es vor allem um kontinuierliche Verbesserung, betonte er. Die Möglichkeit, Produktivitätsmetriken wie Maschinenzyklen, Vorschubüberschreibungen, Teileanzahlen und Fehlerniveaus in Echtzeit zu überwachen, hilft Benutzern, versteckte Erfolgspfade zu finden, und führt oft zu sofortigen Ergebnissen. Tatsächlich ist es nicht ungewöhnlich, dass Geschäfte innerhalb weniger Minuten nach dem Anschluss der Maschinen an das Netzwerk Probleme erkennen und sich kurz darauf über eine Auslastungssteigerung von 10 bis 30 % freuen.

York stellte außerdem fest, dass es einfacher ist, diese Verbindungen herzustellen und dann die Daten zu sammeln, als die meisten Menschen erwarten; Was schwieriger ist, ist der Kulturwandel, der erforderlich ist, um die daraus resultierenden Verbesserungsmöglichkeiten umzusetzen. „Viele Geschäfte arbeiten immer noch mit Stift und Papier, daher bedarf es intensiver Diskussionen und Aufklärung aller Beteiligten, um sie dazu zu bringen, eine digitale, hochautomatisierte Datenerfassungsstrategie einzuführen“, sagte er.

Aufgrund dieser potenziellen Angst empfiehlt Scytec, klein anzufangen. Investieren Sie in ein Basissystem, z. B. die Bronze-Version von DataXchange des Unternehmens für die grundlegende Ausfallzeitverfolgung, und erweitern Sie es dann nach Bedarf. Dieser Ansatz lindert den Aufwand einer groß angelegten Implementierung und bietet gleichzeitig schnell und mit minimalen Unterbrechungen spürbare Vorteile.

„Ob Sie Modbus TCP, OPC UA oder MTConnect verwenden, Sie können die Ergebnisse auf ein mobiles Gerät oder einen großen Monitor in der Werkstatt übertragen oder sie über eine API [Anwendungsprogrammierschnittstelle] in ein Drittsystem übertragen ] oder zum Beispiel durch direkte Integration mit VERICUT von CGTech“, sagte York. „Wir haben auch die Möglichkeit, Roboter und sogar komplette Fertigungszellen zu überwachen. Wie auch immer der Ansatz aussieht, es hat einen unmittelbaren Vorteil, einfach diese Dinge umzusetzen und zu sehen, was da draußen vor sich geht.“

Graham Immerman, Chief Commercial Officer bei MachineMetrics Inc., Northampton, Mass., vertritt ähnliche Ansichten, weist jedoch darauf hin, dass Job 1 in einem solchen Datenerfassungsprojekt möglicherweise nicht das ist, was viele erwarten. „Fabriken, die auf fortschrittliche Analysen umsteigen und Erkenntnisse aus ihren Abläufen gewinnen möchten, stehen oft vor der Herausforderung, zuverlässige Echtzeitdaten zu erhalten“, sagte er. „Dafür gibt es mehrere Gründe, einer davon ist die Vernetzung. Trotz des Aufkommens von Wi-Fi und 5G und der Begeisterung, die diese Technologien hervorrufen, bleibt die Vernetzung einer Fabrik über Ethernet die beste und effektivste Möglichkeit, zuverlässigen Zugriff auf diese Maschinen zu erhalten, ohne die die Verbesserungsmöglichkeiten begrenzt bleiben.“

Allerdings kümmern sich Immerman und seine Konkurrenten kaum darum, welches Netzwerkprotokoll oder welche Kommunikationstechnologie verwendet wird, vorausgesetzt, sie ist zuverlässig und verfügt über ausreichend Bandbreite für die jeweilige Aufgabe: die Übertragung von Daten aus der Werkstatt in das Produktionsüberwachungssystem des Unternehmens. Er schlägt vor, dass diejenigen, die in solche Fähigkeiten investieren, einen sehr schnellen Return on Investment (ROI) erzielen können. „Ich habe kürzlich ein Gespräch mit einem Kunden geführt, der durch die Nutzung unserer Plattform in vier seiner Einrichtungen eine Auslastungsverbesserung in Höhe von mehreren Millionen Dollar erlebt hat.“

Immerman fuhr fort: „Wir haben herausgefunden, dass die Echtzeiteinsicht in den Betrieb in der Regel innerhalb weniger Wochen einen ROI für unsere Kunden generiert. Einige größere Unternehmen stellen beispielsweise fest, dass allein die Analyse der Kapazitätsauslastung durch CapEx-Einsparungen zu einem Mehrwert in zweistelliger Millionenhöhe führen kann. Es ist verblüffend, wie viele Möglichkeiten und niedrig hängende Früchte es gibt, wenn die Daten im richtigen Kontext stehen und dabei helfen, zu beschreiben, was da draußen tatsächlich vor sich geht. Es ist, als wäre man blind, aber endlich zum ersten Mal sehen zu können.“

Aber was bedeutet „Basic Analytics“ in diesem Zusammenhang? Was vielleicht noch wichtiger ist: Wann wird es weiterentwickelt und was können Geschäfte von beiden erwarten? Bei der Beantwortung dieser Fragen kommt es häufig auf die Marke und das Baujahr der überwachten Werkzeugmaschinen an. Fortgeschrittene Analysen erfordern oft eine fortgeschrittenere Datenwissenschaft, erklärte Immerman, das Abrufen von Daten aus Maschinensteuerungen mit höheren Abtastraten oder die Ausstattung älterer Maschinen mit Sensoren, die in der Lage sind, Signaturen aufzudecken, die für einfachere Überwachungslösungen unsichtbar sind.

Für einen typischen Tante-Emma-Laden mit einer Mischung aus Werkzeugmaschinen – teils neu, teils alt, teils Gebrauchsware, teils Premium – ist es wichtig, frühzeitig Erwartungen zu formulieren und klare Ziele festzulegen, wofür die erfassten Daten genutzt werden können . Aber selbst bei älteren Maschinen wird wahrscheinlich eine Flut an Daten eintreffen – weit mehr Informationen, als Menschen manuell analysieren können oder die Zeit oder Lust haben.

„Deshalb ist es wichtig, in diesem Zusammenhang auch über KI und maschinelles Lernen sowie die Fähigkeit, Trends automatisch zu erkennen, zu diskutieren“, sagte Immerman. „Technologien wie MachineMetrics vereinfachen den Datenanalyseprozess erheblich, sodass Betriebe auch dann davon profitieren, wenn sie über eine Mischung aus älteren und neueren Maschinen verfügen. In jedem Fall geht es in der Zukunft der Analytik darum, den Kunden zu helfen, zu verstehen, was als nächstes passieren wird, und ihnen Empfehlungen zu geben, was sie dagegen tun können. In beiderlei Hinsicht besteht ein enormer Wert, aber im Endeffekt kann das Versäumen der niedrig hängenden Früchte dazu führen, dass Unternehmen nicht den anfänglichen Erfolg und Wert erleben, der sie dazu inspiriert, weiterhin in diese Art von Technologien zu investieren.“

Jordan Kathe, Manager für kontinuierliche Verbesserung bei Flexible Steel Lacing Co. (Flexco) mit Sitz in Chicago, kann diesen Wert bestätigen. Seit fast einem Jahrhundert fertigt das Unternehmen Lösungen zur Optimierung der Effizienz, Produktivität und Sicherheit von Bandfördersystemen für eine Vielzahl globaler Branchen wie Bergbau, Lebensmittelverarbeitung und Paketabfertigung. Zu Kathes Aufgaben gehört es, bei der Sammlung und Analyse von Produktionsdaten aus der Werkstatt zu helfen, eine Rolle, die er in den letzten fünf seiner sieben Jahre im Unternehmen innehatte.

„Wir haben schon früh erkannt, dass es keinen effektiven Weg gibt, unsere Maschinenkapazität zu verstehen, der über die Serviettenrechnung (das Aufschreiben von Notizen während des Vorgangs) und grobe Schätzungen hinausgeht“, sagte er. „Angesichts der Vielfalt der bearbeiteten, gestanzten und kaltgestauchten Produkte, die wir hier herstellen, war es schwierig, diese Prozesse zu planen und zu beobachten, während sie abliefen. Dies veranlasste uns zu Überlegungen, wie wir die Informationen innerhalb der Maschinensteuerung besser nutzen können.“

Käthe und seine Kollegen waren sich bewusst, dass Werkzeugmaschinen „wissen“, ob sie ein- oder ausgeschaltet sind und wie viele Zyklen sie durchlaufen haben. Aufgrund ihres begrenzten Fachwissens in diesem Bereich und der Schwierigkeit, eine skalierbare, umfassende Lösung zu finden, standen sie jedoch vor Herausforderungen bei der internen Extraktion dieser Daten.

„Wir suchten Hilfe bei externen Anbietern, aber die meisten waren auf prädiktive Analysen spezialisiert und konnten uns bei der Datenerfassung nicht helfen“, sagte Kathe. „Da haben wir uns an Graham und MachineMetrics gewandt, die eine einheitliche Lösung versprochen haben, die mit unseren verschiedenen Gerätetypen kompatibel ist.“

Das war im Jahr 2019. Seitdem tragen Immermans Versprechen Früchte. Flexco installierte das System auf 20 seiner Großserienmaschinen, ein Vorgang, den Käthe als „sehr unkompliziert“ bezeichnete. Das Team hat sich darauf konzentriert, sich mit der Technologie vertraut zu machen, Basisdaten zu sammeln, Ausfallzeitcodes aufzuzeichnen und langfristige Trends zu untersuchen. Das Unternehmen bewertete außerdem seine Lean-Manufacturing-Strategie neu und stellte MachineMetrics in den Mittelpunkt der Produktionsmanagementaktivitäten, wobei regelmäßige Diskussionen über Ausfallzeitcodes als Auftakt für Gespräche über potenzielle Verbesserungsmöglichkeiten dienten.

Eine kürzlich durchgeführte Kaizen-Veranstaltung hat den Wert dieses Ansatzes hervorgehoben. „Wir verfügen über automatisierte Montageanlagen, die Nieten in zusammengestellte Kunststoffstreifen setzen“, sagte Kathe. „Bei diesem Prozess kam es jedoch häufig zu Staus, was zu störenden Stopps führte, bei denen die Maschine heruntergefahren und nach Behebung des Problems wieder eingeschaltet werden musste. Die wiederkehrende Natur dieses Problems veranlasste uns, ein Team zur Untersuchung zusammenzustellen und stellte bald fest, dass die Lufteinstellungen der Maschine falsch kalibriert waren. Nachdem wir einige Anpassungen am Prozess vorgenommen hatten, verzeichneten wir eine Steigerung des wöchentlichen Durchsatzes für diese Ausrüstung um 42 %. Diese Verbesserung begann mit der Möglichkeit, die Anhäufung störender Stopps zu visualisieren, was die Bedeutung der von uns gesammelten Daten unterstreicht.“

Während die MachineMetrics-Anwendung über die Erfassung von Maschinenstatusdaten und Ausfallzeit-Ursachencodes hinaus über zusätzliche Funktionen verfügt – und Käthe plant, diese Funktionen bald zu erkunden – hat sich die Leistungsfähigkeit dieser einfachen Datenpunkte als unschätzbar wertvoll erwiesen.

„Die Möglichkeit, eine Zeitleiste darüber zu sehen, wann die Maschine im Laufe des Tages ein- und ausgeschaltet war, ist entscheidend für das Verständnis und die Optimierung unserer Prozesse“, sagte Kathe.

„Und überraschenderweise hat es auch die Spannungen zwischen der Frage des Managements nach den Ursachen von Maschinenstillständen und der Erklärung des Bedieners, was vor drei Tagen passiert ist, verringert. Im System stimmt alles.“

Verbinde dich mit uns