Die digitale Krankenakte für Transportfahrzeuge und wie unterschiedliche Symptome auf einen Ausfall hindeuten
GlobalFoundries ist ein globaler Halbleiterproduzent mit weltweit 15.000 Mitarbeitenden und mehr als 200 Kunden. GlobalFoundries entwickelt Prozesstechnologien für Kunden aus aller Welt und helfen ihnen, die komplexen und umfangreichen Bausteine der Technologien zu entwickeln, die entscheidend dafür sind, wie unsere Welt lebt, arbeitet und sich weiterentwickelt.
Der Dresdner Standort Fab 1 ist das größte Halbleiterwerk in Europa, mit modernsten Fertigungstechnologien. Auf dem Firmencampus arbeiten mehr als 3.200 Mitarbeiterinnen und Mitarbeiter aus rund 45 Nationen. GF hat durch sein Engagement in Forschung und Entwicklung dazu beigetragen, den Freistaat Sachsen als führendes Mikro- und Nanoelektronikzentrum in Europa zu etablieren.
Herzstück der Produktion ist das Automated Material Handling System, speziell die Overhead Transportation Vehicles. Auf ca. 22 km Schienennetz bewegen derzeit täglich mehr als 800 Fahrzeuge die Produkte.
Störungen des Automatisierungssystems wirken sich direkt auf Kernprozesse aus und werden daher bereits mit einem Condition Monitoring Systems überwacht. Aufgrund der hohen Laufleistung der Transportfahrzeuge kommt es u.a. zu mechanischen bedingten Störungen.
Die Challenge
Ziel des Challenge-Owners war es, ein Predictive Maintenance für die Transportfahrzeuge zu implementieren, welches ein Ausfallvorhersage erlaubt. Durch Mustererkennung im bestehenden Alarmsystem sowie die Installation weiterer Sensorik soll ein Gesundheitszustand für jedes Fahrzeug abgebildet werden.
25 – 35%
Die Lösung von Smart Systems Hub könnte die Ausfallzeiten von OHVs in den jeweiligen Problembereichen um bis 35% reduzieren.
Feststellung eines Health Scores auf Basis von Sensorfusion
Aufgabe
Die Herausforderung (Industrie-Challenge) der DPF #4 betrifft die fahrerlosen Transportsysteme AMHS (OHV) in der Fertigung von GlobalFoundries am Standort Dresden. Diese sollen mithilfe einer KI-basierten Lösung vorausschauend gewartet und instand gehalten werden.
Umsetzung
Hierfür wurde eine Sensor2Cloud IoT-Infrastruktur mit einer Benutzerschnittstelle zur Vorhersage von Ausfällen von OHT-Fahrzeugen entwickelt. Die ist hierbei, wie Anomalien in den Daten der in OHVs eingebauten Sensoren sowie in den Fehlerprotokollen von OHS erkannt werden können, um unvorhergesehene Stopps und Ausfallzeiten durch den Einsatz geeigneter Data-Science- oder KI-Algorithmen zu reduzieren.
Ergebnis
Mithilfe eines Data Collection Kits, das an den Schienen angebracht ist, werden akustische Signale der OHVs aufgenommen. Die Klassifizierung der OHVs basiert auf den dadurch erkannten akustischen Anomalien, einer „Kritikalitäts-Metrik“ von Fehlern aus der bestehenden MACs-Datenbank und der Erkennung ähnlicher Fehlermuster bei ausgefallenen Fahrzeugen. Das entwickelte MVP befähigt mithilfe eines übersichtlichen Dashboards, ungeplante Ausfallzeiten zu vermeiden und eine optimierte Wartungsplanung zu realisieren.
Kundennutzen im Überblick
Einfach an anderen Standorten zu implementieren
Anwendbar für andere AMHS-Komponenten durch modularen Software- und Hardware-Stack
Offline (Intranet) und online (Cloud) nutzbar
Geringer Energieverbrauch durch fahrzeugbasierte Aufzeichnung
Geringe Kosten durch flexible Montage an verschiedenen Standorten
Erweiterte ln-Cloud Datenanalytik
Viele arbeiten an Industrie 4.0-Lösungen, aber bei Instandhaltung 4.0 gibt es noch großes Potenzial. Um echte vorausschauende und zustandsbasierte Wartungsstrategien zu realisieren, fehlt es häufig an der menschlichen Wahrnehmung. Wenn wir die Sinne digitalisieren, können wir einen Schritt voraus sein. So können diese Fähigkeiten in Kombination mit KI-Komponenten pausenlos und flexibel zur Verfügung stehen, um unser System zustandsbasiert zu überwachen. Das Konzept ermöglicht es uns komplexe Fähigkeiten, wie die menschlichen Sinne und logisches Denken zu kombinieren und maschinell einzusetzen. Die ganzheitliche Echtzeit-Auswertung in der laufenden Produktion, wird es uns ermöglichen, Aussagen über den Gesundheitszustand einzelner Komponenten zu treffen, um mit einer effizienten "Therapie" die dauerhafte Leistungsfähigkeit des Gesamtsystems unabhängig des Alters und Lastaufkommens zu gewährleisten.
Bei der Digital Product Factory #4 konnte man sehr gut beobachten, welche herausragenden Lösungen entstehen, wenn ein Team aus neugierigen Experten verschiedener Fachrichtungen und Erfahrungslevel durch einen professionellen Coach zusammengebracht und gut moderiert wird. Innerhalb von nur drei Monaten ist eine Lösung entstanden, die funktioniert und die wir bei uns möglichst zeitnah implementieren wollen. Vielen Dank an alle Beteiligten!
Text vom Original übernommen – Smart Systems Hub
