Fräsprozesse datengetrieben optimieren und lückenlos monitoren

node-divider
6 Minuten Lesezeit
6 Minuten Lesezeit

Bei Werkzeugmaschinen sind Fertigungsprozesse, Mechatronik und Handling optimiert und vollautomatisiert. Wo liegt da noch Potential für Produktivitätssteigerungen? In den Daten der Fertigung / Prozessdaten – wenn sie clever gesammelt und ausgewertet werden. Der Markt treibt Dienstleister an, immer noch produktiver zu werden und gleichzeitig die steigenden Qualitätsanforderungen zu erfüllen. In der spanenden Fertigung, etwa für die Automotive- und Aerospace-Branche, sind bei den Werkzeugmaschinen Fertigungsprozesse und Mechatronik schon optimiert und Handling vollautomatisiert. Wo liegt da noch Potential für Qualitäts- und Produktivitätssteigerungen? In den Daten der Fertigung, konkret den Prozessdaten, die zur Optimierung von Prozessen des Qualitätsmanagements genutzt werden können!  

Die Herausforderung

In der Serienfertigung ist das Qualitätsmanagement in einer Zwickmühle“. Jedes Bauteil einzeln zu prüfen, ergibt zwar eine lückenlose Überwachung, aber dadurch wird der Prozess langsam und teuer. Nur Stichproben zu nehmen, gibt keinen guten Überblick über die Qualitätssituation und verbietet sich bei den hohen Anforderungen im Grunde von selbst.  

 

Bei kleinen Losgrößen bis hin zur Einzelteilfertigung liegt die Herausforderung an anderer Stelle. Ein Beispiel gibt der Aerospace Bereich: Die Fertigung eines Landebeins, eine Fahrwerkskomponente eines Flugzeugs, dauert je nach Flugzeugtyp bis zu mehreren Tagen, bis die Qualität so ist, wie es die entsprechende Zertifizierung vorsieht. Das Rohteil kostet in der Regel einen 5-stelligen Betrag und ist aus Titan, einem schwer zerspanbaren Werkstoff, der Spezialwerkzeuge sehr schnell verschleißt. Fertigungsversuche, die aus teurem Rohmaterial Ausschuss machen und dabei Spezialwerkzeuge „fressen“, sind ein aufwendiges Verfahren. Besser wäre es, wenn man diesen Produktionsprozess in einer Simulation gut vorbereiten könnte, und schon wüsste, wie das Werkstück aussehen wird, bevor der erste Span abgetragen wird.  

 

Eine weitere Herausforderung: In vielen Fertigungen trifft man auf ein Brownfield. In den Hallen stehen Werkzeugmaschinen unterschiedlicher Hersteller, mit Steuerungen unterschiedlicher Hersteller. Es gibt neue Maschinen und ältere, die – was Digitalisierung angeht – noch etwas Nachholbedarf haben. Es fehlen in der Regel Schnittstellen, an denen man Daten abnehmen kann. Die Themen Heterogenität und Konnektivität sind also zusätzliche Herausforderungen.  

Die Lösung

Siemens hat mit der Plattform „Industrial Edge for Machine Tools“ und den dazugehörigen Apps eine Lösungslandschaft entwickelt, die diese Herausforderungen adressiert. Man kann diese Plattform mit einem Mobiltelefon und einer Auswahl an Apps vergleichen – nur auf industriellem Niveau und mit einem Maximum an IT-Security.  

 

Damit die Plattform auf die Daten aller Maschinen eines Maschinenparks zugreifen kann, braucht es einheitliche Kommunikationsschnittstellen: Als quasi Industriestandard kann hier z.B. „umati“ verwendet werden. Eine Bestandsaufnahme über den eigenen Maschinenpark ergibt meist dieses Bild: eine Maschine spricht schon ab Werk „umati”, von einer älteren Maschine lassen sich dagegen noch gar keine Daten abnehmen. Das stellt aber kein Problem dar: für die älteren Maschinen ist die Industrial Edge for Machine Tools Plattform genau das Richtige, denn sie kann Konnektivitäten nachrüsten. Dafür muss man teilweise nicht einmal in die Maschine eingreifen. Es gibt eine Schnittstelle zur Steuerung und die „umati”-Funktionalität wird auf der Edge Plattform ausgeführt, die in diesen Fällen wie ein Konverter arbeitet. Hardwareseitig betrachtet läuft die Edge Plattform auf einem IPC, der direkt im Schaltschrank der Maschine verbaut ist. Dort geschieht auch die erste Vorverarbeitung der Datenmassen, die da ankommen. Wenn es bei dem Anwender auf Fabrikebene eine Serverinfrastruktur gibt, lassen sich weitere Analysen und Auswertungen auch dort lokal durchführen.  

Zur Industrial Edge for Machine Tools Plattform gehören eine Reihe von Apps für verschiedene Anwendungsfälle: Im Bereich der Serienfertigung dient die App „Analyze MyWorkpiece /Monitor“ der automatischen Qualitätssicherung während des Bearbeitungsprozesses eines Werkstücks. Für eine lückenlose Überwachung durchläuft man mit der App drei Schritte: Im ersten Schritt werden Referenzdaten vom betroffenen Prozess aufgezeichnet, die dann später als Trainingsdaten dienen. Idealerweise bilden die Referenzdaten die Fertigung von Gutteilen ab. Gesammelt werden hier unter anderem Daten über Ströme, Lage-Soll-Werte und Lage-Ist-Werte sowie Lagereglerabweichungen. Dazu kommen bestimmte Kontextinformationen, etwa welches Werkzeug verwendet wurde. Danach folgt das sogenannte Modelltraining, dabei werden die Daten statistisch analysiert und vorbereinigt – das nimmt dem Nutzer sehr viel Arbeit ab. In dieser Phase werden die Daten qualifiziert, indem nur vergleichbare Daten zusammengebracht werden. Danach werden die Daten noch transformiert, so dass aus Daten mit Zeitstempel Daten werden, die die Bewegung des Werkstückes im Raum in Millimetern angeben. So werden zeitliche Verzögerungen, die den Prozess inhaltlich nicht beeinflussen, aus der Betrachtung herausgenommen. Schließlich entsteht ein Überwachungsmodell, das man dann aktiv schaltet. Wird jetzt ein Bauteil gefertigt, erkennt die App das Bauteilmodell selbstständig und prüft, ob der Prozess innerhalb der trainierten Toleranz ist oder nicht. Hierüber erhält der Anwender automatisiert eine Rückmeldung.   

 

Bei der optimierten Einzelteilfertigung geht es um eine andere App: „Analyze My Workpiece /Capture“. Damit werden Daten aufgezeichnet, um später den Fertigungsprozess in einem digitalen Modell vorbereiten und optimieren zu können. Betrachtet werden drei verschiedene Datentypen: die Soll-Werte, die Ist-Werte, und weitere prozessbegleitende Informationen, etwa welcher NC-Code verwendet wird, welches Werkzeug wann eingewechselt wird und welche Geometrie das Werkzeug hatte. So kann der Prozess komplett rekonstruiert werden. Mit „Analyze MyWorkpiece /Toolpath“ lassen sich diese Daten dann am PC visualisieren. Das Fertigungsprogramm wird zunächst in der virtuellen Welt ausgeführt, dabei werden alle Daten in der virtuellen Welt aufgezeichnet. Mit Abtragsalgorithmen wird simuliert, wie das fertige Bauteil aussehen würde – inklusive aller Oberflächenfehler, die das echte Werkstück nach diesem Durchgang hätte. Dieser Prozess wird dann so lange optimiert, bis das virtuelle Werkstück so ist, wie das echte sein soll.  

Das Ergebnis

In der Einzelteilfertigung werden auf diese Weise Rohteile geschont, die beispielsweise im Aerospacebereich einen fünfstelligen Betrag repräsentieren können. Dazu kommen Maschinenstunden und Spezialwerkzeuge, die nicht vergebens eingesetzt werden müssen. Auch bei der Qualitätskontrolle in Serienfertigungsprozessen lässt sich der ROI nach dem üblichen anfänglichem Invest von Zeit und Geld innerhalb eines Jahres erreichen. Der Prozess an der Maschine bleibt unangetastet. Die Edge Plattform fragt bei der Steuerung lediglich Daten an, was die Funktionalität der Steuerung nicht beeinträchtigt. Diese Daten sind lückenlos, jeder Datenpunkt wird geliefert – so ist die Datenqualität auch für KI-Anwendungen ausreichend. Gleichzeitig findet die Auswertung sensibler Daten auf einem hohen Security-Level statt. Die Industrial Edge for Machine Tools Plattform stellt ein ganzes Ökosystem dar, weil sie eine Infrastruktur für Applikationen anderer Hersteller bietet. Siemens stellt dafür ein Entwicklungstool zur Verfügung, mit dem jeder Kunde seine eigene Applikation entwickeln und mittelfristig über die Marketplace-Infrastruktur von Siemens an Anwender verkaufen kann.
NEWSLETTER

Jetzt unser IoT Use Case Update erhalten

node-divider

Erhalten Sie kostenlos das monatliche Update zu spannenden Use Cases, aktuellen Podcastfolgen und News aus unserer IoT-Community.