Do you want to see our content in English?

x
x

Effizientere Inbetriebnahme durch Datenanalysen

““
IoT Use Case ITE SI, Manz
4 Minuten Lesezeit
4 Minuten Lesezeit

Die Inbetriebnahme im Sondermaschinenbau für die Batterieherstellung ist aufwendig. Jede Maschine ist ein Einzelstück und wird an die Anforderungen und Produktionslinien des Bestellers angepasst. Mit Daten kann der Prozess verkürzt werden, da deren Auswertung eine Maschine besser analysieren kann.

Die Herausforderung: Inbetriebnahmen sind aufwendig

Die Produktionstechnologie für Lithium-Ionen-Zellen erlebt einen Boom im Maschinenbau, nicht zuletzt durch den Ausbau der Elektromobilität. Die Manz AG aus Reutlingen ist ein Spezialist für Sondermaschinen und Fertigungstechnologie für Batteriezellen, Batteriemanagementsysteme und weitere elektronische Komponenten, hauptsächlich für die Elektromobilität.

 

Die Fertigungsanlagen sind komplexe Systeme, die in Zusammenarbeit mit den Abnehmern geplant, entwickelt und in Betrieb genommen werden. Aufwendig ist auch der Inbetriebnahmeprozess, bei dem die Anlage verbessert und an die Anforderungen der Zellproduktion angepasst wird. Die Herstellung ist stark materialabhängig, sodass umfangreiche Tests mit dem später in der Produktion genutzten Material notwendig sind, um alle Leistungs- und Qualitätskriterien zu erfüllen. Diese Testphase kann mit Datenauswertungen beschleunigt werden.

 

Um die gesamte Prozesskette zu verbessern und effizienter zu machen, hat die Manz AG die Maschinen für die Datenauswertung an das Industrial IoT (Internet of Things) angeschlossen. Das Sammeln und Analysieren der Maschinendaten soll die Testphase erleichtern und abkürzen. Zudem unterstützen die Daten die Nutzer der Maschine im produktiven Betrieb bei der Optimierung der Produktion sowie der Instandhaltung und Reparatur.

 

Die Lösung: Daten mit Edge und Cloud auswerten

Der einfache Anschluss von Maschinen und Anlagen an das Industrial IoT sowie die Speicherung und Auswertung der Daten ist der Schwerpunkt der „IIoT Building Blocks“ von IT-Engineering Software Innovations (ITE-SI), einem Full-Service Entwicklungspartner für Softwareentwicklung im Maschinenbau. Die Blocks decken drei Bereiche ab:

 

  • Collect: Der Data Collector vernetzt Maschinen und sammelt die Daten – auch bei heterogenen Systemen auf dem Shopfloor, etwa durch Schnittstellen zu vorhandenen SPSen.
  • Explore: Die ermittelten Daten werden in frei konfigurierbaren Dashboards visualisiert und ausgewertet.
  • Improve: Datenbasierte Vorhersagen erlauben eine optimierte Nutzung, höhere Qualität und neue digitale Produkte und Geschäftsmodelle.

 

Die Manz AG kann damit die Inbetriebnahmeprozesse vereinfachen, Fehler suchen und ihre Produkte und Services mit diesen Daten verbessern. Datenquellen sind die SPSen sowie Sensoren und Kameras. Dabei gilt eine Besonderheit: Die Messwerte in der Industrie treffen oft in sehr kurzen Zeitabständen von einigen Millisekunden ein. Dadurch entstehen innerhalb kurzer Zeit sehr große Datenmengen. Auch die optische Inspektion der Objektlage oder von Schweißnähten erzeugt große Datenmengen.


Beides darf nicht einfach in die Cloud verschoben werden. Die Anforderungen an die Kombinationsbandbreite und die Datenspeicherung sind zu hoch. Da es zudem einen Rückkanal für Alarmmeldungen oder Steuerbefehle gibt, wären die Reaktionszeiten zu hoch. ITE-SI nutzt deswegen Edge-Server, die Daten vor Ort verarbeiten und filtern. Dadurch sinkt die Datenmenge, die von der Cloud-Plattform und den jeweiligen Anwendungen (Dashboards) verarbeitet werden muss.

 

Das Ergebnis: Effiziente Inbetriebnahme und Monitoring der laufenden Produktion

Die Dashboards passen sich an Rolle und Funktion jedes einzelnen Mitarbeiters an. Die Inbetriebnahme-Teams sowie die Teams der Manz-Kunden sehen alle notwendigen Informationen und können beispielsweise den Fortschritt bei Leistung und Qualität beobachten. Dadurch beschleunigt sich vor allem die Testphase: Bereits kurz nach einem Probelauf liegen die entsprechenden Daten vor und die Mitarbeiter können die Einstellungen der Maschinen korrigieren.

 

Die Datenanalysen sind allerdings auch für die laufende Produktion wichtig, sowohl für den Maschinenbauer als auch für die Batterieproduzenten. Die Manz AG kann mit den Analysen vom einzelnen Bauteil bis hin zur vollständigen Anlage ihr gesamtes Produktportfolio verbessern. Die Kundenunternehmen erhalten durch die Analysen Hilfe bei der Optimierung der Produktion und der Instandhaltung. So ist es möglich, auf der Basis von Maschinendaten und Machine Learning die zyklische Wartung durch Predictive Maintenance abzulösen: Datenanalysen zeigen, wann sich eine Störung anbahnt. Eine Instandhaltung ohne langwierige Unterbrechung des Betriebs kann nun geplant werden.

 

In Anwendung

Jetzt IoT Use Case Update erhalten

Erhalten Sie monatlich exklusive Einblicke in unsere Use Cases, Aktivitäten und News aus dem Netzwerk - Jetzt kostenlos anmelden.