EXPERT GRID von ALD Vacuum – Intelligente Ofenüberwachung in der Praxis

Hallo, liebe IoT-Community, und willkommen zu dieser 15-minütigen Spezialfolge des IoT Use Case Podcasts – dem Kanal für echte IoT-Anwendungen aus der industriellen Praxis.
Ich bin eure Gastgeberin, Madeleine Mickeleit. Mein Hintergrund liegt im Maschinenbau und in der Geschäftsentwicklung im Bereich IoT. Wie ihr wisst, konzentriere ich mich besonders gern auf IoT-Anwendungen, die bereits heute in der Praxis funktionieren.
Deshalb habe ich heute einen Gast aus der Maschinen- und Metallverarbeitungsbranche eingeladen – aus Hanau, in der Nähe von Frankfurt. Gerade dieser Markt hat enormes Potenzial, wenn es darum geht, Kosten zu senken und mit IoT echten Mehrwert zu schaffen.
Aber was bedeutet dieser Mehrwert konkret? Genau das finden wir jetzt heraus.
Bei mir zu Gast ist heute Frederic Schum, Product Manager für Digital Solutions bei ALD Vacuum Technologies. Er wird uns erklären, wie Kunden von ALD IoT in der Praxis einsetzen, welche Use Cases sie konkret angehen und worauf man achten sollte, wenn man ein ähnliches Projekt startet.
Alle Informationen zur Umsetzung sowie Kontaktlinks findet ihr wie immer in den Show Notes und auf iotusecase.com. Lasst uns loslegen!

Hi Frederic, schön, dass du dabei bist. Wie geht es dir heute?

Frederic

Hi Madeleine, danke für die Einleitung. Schön, dich wieder zu hören und zu sehen! Mir geht’s gut, danke. Und dir?

Schön, mir geht’s auch gut. Ich schau gerade nach, wann wir die letzte Folge gemeinsam aufgenommen haben, weil du „wieder“ gesagt hast.
Das war Episode 133 – ist schon eine Weile her. Umso schöner, dass du heute wieder dabei bist!
Also Frederic, du bist Product Manager Digital Solutions bei ALD. In deiner Rolle treibst du die digitale Transformation im Unternehmen voran. Mit deinem Hintergrund in der Industrie- und im Maschinenbau sowie deiner langjährigen Erfahrung in Automatisierung und Industrial IT hast du das digitale Produktportfolio von ALD von Anfang an mit aufgebaut, oder?
Es ist super, dass du heute hier bist und neue Einblicke mitbringst.
Lass uns mit einer persönlichen Frage starten: Was begeistert dich an deiner Arbeit bei ALD am meisten?
Und gab es in deiner Arbeit mit Kunden schon diese klassischen „Aha-Momente“?

Frederic

Ja, auf jeden Fall, Madeleine. Danke für die Zusammenfassung.
Wie du gesagt hast – mein Hintergrund ist Maschinenbau. Ich habe mein Studium vor einigen Jahren abgeschlossen und bin mittlerweile in zwei Monaten seit sieben Jahren bei ALD.
Direkt nach meinem Master bin ich bei ALD eingestiegen. Ich war der erste Mitarbeiter in einer neu gegründeten Abteilung namens Automation and Industrial IT.
Die Idee war, innerhalb dieses eher konservativen Markts eine neue Gruppe aufzubauen – mit Fokus auf Automatisierung und Digitalisierung.
Ich war damals verantwortlich für die Geschäftsentwicklung, also für den Aufbau dieses neuen Bereichs, die Entwicklung neuer Produkte und die Definition eines Service- und Produktportfolios.
Nach den ersten Kundenprojekten hat ALD schnell erkannt, wie wichtig dieses Thema ist. Das Team wuchs kontinuierlich.
Seit etwa zweieinhalb Jahren bin ich im Vertrieb tätig. Wir haben im Vertrieb eine neue Einheit geschaffen – neben Pulververdüsungsanlagen, Beschichtungsanlagen sowie Schmelz- und Umschmelzanlagen – und diese Einheit heißt Digital Solutions.
Seitdem bin ich – man könnte sagen – Bereichsleiter, weil diese Digitalabteilung weiter wächst.

Verstanden. Spannend. Worauf wollen wir uns heute konkret konzentrieren?

Frederic

Lass uns über einen ganz bestimmten Aspekt des Prozessmonitorings sprechen – die sogenannte „Golden Batch“-Funktionalität.

Was bedeutet das in der Praxis bei euren Kunden?
Euer Kerngeschäft liegt ja in der Stahlindustrie, und ihr baut diese großen Maschinen, die direkt beim Kunden vor Ort im Einsatz sind.
Was genau bedeutet Golden Batch also im Arbeitsalltag mit euren Kunden?

Frederic

Golden Batch bedeutet, dass aktuelle Prozessparameter – also quasi Live-Daten – mit einem definierten Zielwert verglichen werden.
Wir nennen das die „Golden Curve“, den „Golden Batch“ oder auch den „Goldenen Prozess“.
Diese Referenzkurve kann automatisch von der Anwendung ermittelt werden, basierend auf statistischen Vergleichen mit früheren Chargen, die besonders gute Qualität hatten.
Alternativ kann der Nutzer die oberen und unteren Grenzwerte für jeden Prozessparameter auch manuell definieren.

Verstanden. Auf eurer Website sieht man ja verschiedene Arten von Maschinen.
Kannst du noch etwas genauer erklären, um welche Maschinentypen es dabei geht?
Und wie genau läuft dieser Schmelzprozess ab?

Frederic

Wir können diese Anwendung auf nahezu all unsere Öfen anwenden.
Wir hatten das im letzten Podcast ja schon einmal angesprochen – die Prozessüberwachung und die Golden Batch Funktionalität können zum Beispiel auch für unsere Beschichtungsöfen genutzt werden.
Heute wollen wir uns aber auf den Bereich Schmelzen und Umschmelzen konzentrieren.
Hier sprechen wir über sogenannte VAR-Öfen. In diesen VAR-Öfen wird ein sogenannter Ingot geschmolzen – also ein zylindrischer Rohling aus reinem Material.
Typischerweise hat dieser einen Durchmesser von etwa einem halben Meter und ist sechs bis acht Meter lang.
Wie du dir vorstellen kannst, dauert dieser Schmelzprozess ziemlich lange – manchmal acht Stunden, manchmal fast zwei volle Tage.
Und genau deshalb ist es so wichtig, die Prozessparameter während der gesamten Laufzeit mit der Referenzkurve abzugleichen.
Dabei geht es um kritische Parameter wie Spannung, Schmelzrate und andere.
Diese müssen kontinuierlich überwacht werden, um am Ende automatisch einen Report zu erzeugen, der den Verlauf und die Qualität des Prozesses dokumentiert.

Okay.
Kannst du erklären, wie eure Kunden das aktuell ohne euer System machen – und warum das ein Problem ist?

Frederic

Unsere Kunden produzieren, wie gesagt, diese Ingots im Rahmen eines sehr langwierigen Schmelzprozesses.
Am Ende entsteht ein großer zylindrischer Rohling.
Sie nutzen unsere Öfen mit einer vorab definierten Rezeptur – darin sind alle Prozessparameter bereits voreingestellt.
Dann starten sie den Prozess. Und das war’s im Grunde.
Aktuell gibt es aber kein System, das diese Prozessparameter automatisch über die Zeit hinweg aufzeichnet.
Auch eine automatisierte Qualitätskontrolle gibt es nicht – zumindest nicht im Detail.
Nicht falsch verstehen: Ein paar grundlegende Qualitätsprüfungen sind in der Ofensteuerung schon programmiert.
Aber einen automatisch generierten Qualitätsreport? Den gibt es bisher nicht.

Verstanden. Manche Zuhörer denken sich jetzt vielleicht: „Moment, wir haben doch ein MES – da liegen doch schon Daten.“
Warum ist es also wichtig, diese Daten nicht nur dort zu speichern, sondern mehr damit zu machen?
Kannst du ein bisschen erklären, wo eure Kunden aktuell Zeit oder Geld verlieren, weil sie diese Daten nicht richtig nutzen?

Frederic

Das ist ein sehr guter Punkt.
In den letzten Jahren haben unsere Kunden zunehmend Anforderungen an die Integration von Level-2- oder Level-3-Systemen gestellt – insbesondere MES-Systeme. Und genau hier setzt unsere Anwendung an.
Wir erhalten den Auftrag aus dem MES-System.
Nehmen wir als Beispiel den Schmelzprozess: Wir bekommen eine Ingot-ID, die Legierung, die produziert werden soll, den Arbeitsauftrag – all diese Informationen kommen aus dem ERP- oder MES-System.
Diese Produktionsdaten werden anschließend mit unserem ALD EXPERT System verknüpft.
Der Ofen startet die Produktion ganz normal, wie auch ohne ALD EXPERT, aber alle Prozessparameter, die über die Golden-Batch-Funktion über die Zeit hinweg erfasst werden – einschließlich der Ingot-ID und aller weiteren Daten – sind jetzt mit diesen Informationen verknüpft und werden an das MES- oder ERP-System zurückgemeldet.

Verstanden. Und mit diesen Daten kann ich ja dann auch im nächsten Schritt mehr machen, oder?
Du hast vorhin die Golden Batch Funktionalität erwähnt. Aber ich könnte doch zum Beispiel auch historische Daten analysieren oder Fehler in einem achtstündigen Prozess nachvollziehen?

Frederic

Ja, absolut. Wir können jederzeit in die Vergangenheit zurückgehen – ein bestimmtes Rezept, einen Schmelznamen oder eine Chargen-ID auswählen – und alle dazugehörigen Daten auswerten.
Die große Stärke dieser Anwendung liegt darin, wie sie die Daten miteinander verknüpft – also rezeptbezogen, chargenbezogen, zeitbezogen – und daraus automatisch einen Report erstellt, der alle relevanten Prozessparameter enthält.

Okay. Wie geht ihr mit technischen Herausforderungen um?
Kommt es häufig vor, dass Kunden sagen: „Ich habe eine alte Steuerung, da komme ich gar nicht mehr an die Daten ran“?

Frederic

Ja, auf jeden Fall. Wir verkaufen fast 70 Öfen pro Jahr – da kannst du dir vorstellen, wie groß unsere installierte Basis weltweit ist.
Ich glaube, wir sprechen hier über mehr als 5.000 Öfen im Einsatz – und viele davon sind 30 Jahre alt oder älter.
Wir haben grundsätzlich zwei Möglichkeiten, uns mit diesen Systemen zu verbinden:
In manchen Fällen lesen wir die Daten direkt aus dem OIP aus – dem Operator Interface Panel. Das ist das klassische Bedieninterface des Ofens.
Die Daten werden dort meist als CSV-Dateien oder sogenannte Log- und Dot-Dateien gespeichert. Wir lesen diese Daten dann mit eigens entwickelten Logfile-Parsern aus.
Das funktioniert gut für die Visualisierung, Live-Trends und so weiter.
Aber wenn man hochfrequente Daten benötigt – zum Beispiel zur Überwachung von Antriebssystemen – dann hängt es vom Use Case und den Anforderungen des Kunden ab. In solchen Fällen verbinden wir uns direkt mit der SPS.
Es gibt natürlich moderne SPSen –
zum Beispiel von Siemens, wie sie oft in der Automobilbranche eingesetzt werden – die bereits OPC UA unterstützen. Aber wie gesagt: Viele unserer Anlagen sind 20 oder 30 Jahre alt.
Weltweit gibt es da eine große Vielfalt – manche Kunden nutzen Mitsubishi-SPSen, andere Rockwell.
Deshalb brauchen wir manchmal speziell programmierte Adapter, um direkt mit der Steuerung kommunizieren zu können.
Manchmal setzen wir auf vorgefertigte Lösungen wie Kepware von Rockwell Automation – und in anderen Fällen entwickeln wir eigene Konnektoren. Das hängt ganz vom jeweiligen Anwendungsfall ab.

Alles klar. Ich nehme deine Kontaktdaten in die Show Notes auf.
Und an alle Zuhörer: Meldet euch gerne direkt bei Frederic – denn Best-Practice-Sharing ist der Schlüssel, um in solchen Projekten zu lernen und weiterzukommen.
Wir haben übrigens auch eine eigene Community, in der ihr euch mit anderen Nutzerinnen und Nutzern austauschen könnt.
Frederic, ich nehme an, du bist offen für den Austausch?

Frederic

Auf jeden Fall. Ihr könnt euch gerne über LinkedIn mit mir vernetzen – oder Madeleine hilft gern mit der Kontaktaufnahme.
Ich bin immer offen für Gespräche zu konkreten Use Cases – wie wir Dinge in der Vergangenheit gelöst haben – und freue mich auch auf neue Herausforderungen.

Sehr schön. Zum Abschluss habe ich zwei Fragen zu ALD EXPERT, da du die Lösung ja vorhin schon angesprochen hast.
Ich würde gerne besser verstehen:
Was genau ist ALD EXPERT und welche Softwaremodule sind darin enthalten?

Frederic

Okay, mit ALD EXPERT bieten wir eine Vielzahl unterschiedlicher Lösungen für die Kernbereiche von ALD: Vakuummetallurgie und Wärmebehandlung.
Das erste Ziel ist immer die Implementierung der Plattform – des sogenannten ALD EXPERT GRID.
Wir müssen dafür alle Anlagen am Produktionsstandort des Kunden anbinden. Das betrifft sowohl ALD-Anlagen als auch Drittanbieter-Systeme.
Das heißt: Wir stellen eine Verbindung her – entweder direkt zum Operator Interface Computer oder zur SPS –, lesen die Daten aus und bringen sie auf die Plattform.
Die EXPERT GRID Plattform stellt die gesamte erforderliche IT-Infrastruktur bereit.
Wir installieren Datenbanken, richten die Benutzer-Authentifizierung ein – in der Regel über eine direkte Anbindung an das LDAP-System des Kunden. So kann man sich einfach mit den normalen Windows-Zugangsdaten anmelden.
Sobald die Plattform steht und das IT-Setup abgesichert ist, können wir verschiedene Software-Module hinzufügen – je nach Kundenanforderung.
Diese Module können zum Beispiel die Visualisierung von Live-Prozessdaten umfassen, das Condition Monitoring von Anlagenteilen, Prozessüberwachung mit statistischen Vergleichen – und natürlich die Golden-Batch-Funktionalität, über die wir schon gesprochen haben.
Und wie du weißt, Madeleine – aus unseren vorherigen Gesprächen –
dazu gehört auch das sogenannte AOS, das Advanced Observation System. Das ist ein kamerabasiertes System zur Überwachung des Verdampfungsprozesses in der Schmelzwanne – kombiniert mit einem intelligenten Algorithmus.
Also ja, wir haben viele Software-Module, immer zugeschnitten auf die individuellen Bedürfnisse unserer Kunden.

Und wie genau definiert ihr dann den Golden Batch mit dieser Lösung – also quasi als Referenz für künftige ideale Produktionsläufe?
Und wie funktioniert die Datenanalyse dahinter? Ihr bringt ja eure eigene Expertise ein, aber sicherlich auch die des Kunden. Wie geht ihr da konkret vor?

Frederic

Die Visualisierung von Prozessdaten aus der SPS ist kein Problem. Das ist technisch einfach.
Wenn wir über Prozessüberwachung und den Golden Batch sprechen, nutzen wir unsere eigene Expertise, um über die Zeit hinweg obere und untere Grenzwerte zu definieren.
Oder aber der Kunde sagt uns, welche Chargen gute Qualität hatten.
Basierend auf diesen historischen Chargen berechnet unsere Anwendung automatisch einen Mittelwert. Dann berechnen wir die Standardabweichung, und daraus ergeben sich die oberen und unteren Toleranzgrenzen für die aktuellen Prozesswerte.

Okay, sehr schön.
Dafür brauche ich also nur die ALD EXPERT GRID Plattform.
Ich packe den Link zur Produktwebsite in die Shownotes, dann könnt ihr euch das in Ruhe anschauen.
Und wie gesagt – teilt gern eure Erfahrungen!
Frederic, letzte Frage für heute: Worauf können wir uns in Zukunft freuen? Springt ihr auf den AI-Zug auf? Was ist dieses oder nächstes Jahr geplant?

Frederic

Wir haben ja bereits unser AOS, das Advanced Observation System, mit installierten Kameras zur Prozessüberwachung.
Das Ganze wird von einem intelligenten Algorithmus unterstützt, der Anomalien erkennt und dem Bediener anzeigt.
Ich möchte noch nicht zu viel verraten, aber aktuell arbeiten wir daran, diesen Algorithmus weiterzuentwickeln.
Ziel ist es, einen Assistenten zu schaffen, der den Bediener aktiv unterstützt – zum Beispiel mit einem Hinweis wie: „Bitte nehmen Sie diese Anpassung vor, basierend auf den beobachteten Videodaten.“
Und ja, ich glaube, das wird einer der ersten wirklich sinnvollen AI-Anwendungsfälle in unserem speziellen Segment.

Das klingt spannend.
Vielen Dank, Frederic, für dieses Gespräch – ich schätze deine Zeit sehr.
Und an alle, die zugehört haben: Danke fürs Einschalten.
Habt eine gute Woche, und nicht vergessen, den Podcast zu abonnieren!

Frederic

Mein Schlusswort: Meldet euch gern bei mir auf LinkedIn oder ruft einfach an. Oder nehmt Kontakt über Madeleine auf, sie baut super die Brücke.
Ich freue mich auch auf eine weitere Folge – vielleicht dann mit Fokus auf das Kamerasystem.
Danke nochmal, Madeleine. Mach’s gut. Tschüss!

Vielen Dank! Tschüss!