Alte Anlagen nachrüsten, Kennzahlen verbessern

Mit digitalem Retrofit zu besserer Overall Equipment Effectiveness

Data-Analytics-Lösungen sind hervorragende Werkzeuge zur Optimierung der Gesamtanlageneffektivität. Moderne Maschinen mit eingebauter Sensorik benötigen Industrieunternehmen dafür nicht unbedingt. Ihre Altsysteme lassen sich mit geeigneten Sensoren nachrüsten, erklärt LeanBI.
Bild: ©kerkezz/stock.adobe.com

Die Overall Equipment Effectiveness (OEE) ist für Industrieunternehmen eine der wichtigsten Kennzahlen. Sie misst anhand der drei Größen Verfügbarkeit, Qualität und Ausstoß die Gesamteffektivität ihrer Anlagen und Maschinen – und gibt damit Auskunft über die Leistungsfähigkeit ihrer Produktionsprozesse. Die Maximierung dieser Kennzahl ist daher ein wichtiges Unternehmensziel. „Data-Analytics-Lösungen bieten ihnen dafür hervorragende Möglichkeiten“, erklärt Chris Plüss, beim Schweizer Data-Science-Spezialisten LeanBI für Strategic Market Development verantwortlich. „Sie erfassen Daten von Maschinen und Anlagen, werten sie mit Machine-Learning-Algorithmen aus und treffen Vorhersagen, die es Industrieunternehmen erlauben, durch rechtzeitige Eingriffe und kontinuierliche Verbesserungen die OEE zu optimieren.“ Dazu deckt Data-Analytics-Software alle drei Größen der Kennzahl ab:

Vorausschauend agieren

  • Predictive-Maintenance-Anwendungen prognostizieren den Verschleiß von Maschinen- und Anlagenteilen. Unternehmen können erkennen, wenn sich ein Verschleiß bereits vor der geplanten Wartung anbahnt und können durch rechtzeitige Instandhaltung den Stillstand von Maschinen und Produktionsstraßen verhindern.
  • Predictive-Quality-Anwendungen prognostizieren Störungen, die sich negativ auf die Produktqualität auswirken. Durch das Verändern von Prozessparametern oder Maschineneinstellungen können Unternehmen die Entstehung von Ausschuss vermeiden.
  • Predictive-Performance-Anwendungen nutzen die von Predictive Maintenance und Predictive Quality erkannten Anomalien. Mit ihnen werden die Machine-Learning-Algorithmen laufend weitertrainiert und optimiert, was Fertigungsunternehmen eine kontinuierliche Verbesserung der Performance ermöglicht.

Alte Maschinen nachrüsten

„Eine große Herausforderung bei der Realisierung solcher Anwendungen sind die Altsysteme von Industrieunternehmen. In einer Produktionsanlage und der angeschlossenen Intralogistik haben die Maschinen eine Lebensdauer von 20, 30 oder sogar mehr Jahren“, erläutert Plüss. „Viele vorhandene Systeme besitzen deshalb nicht die Sensorik neuer Maschinengenerationen für die Erfassung von Daten. Dennoch möchten die Unternehmen sie natürlich weiter betreiben, solange es technisch und wirtschaftlich sinnvoll ist.“ Das können sie auch, denn in den meisten Fällen lassen sich Altsysteme durch digitalen Retrofit mit Sensoren nachrüsten, um die erforderlichen Daten zu erfassen und an die IT-Systeme weiterzuleiten. Dazu zählen, neben Vibrations-, Temperatur- und Strom-Mess-Technik, auch neue optische und akustische Sensoren. Diese beiden Sensortypen eignen sich besonders gut dafür, Predictive Maintenance, Predictive Quality und Predictive Perfomance zu betreiben.

Frameworks aus einem Guss

„Für den Retrofit ihrer Maschinen und die Implementierung der Anwendungen stehen Industrieunternehmen bewährte technische Frameworks aus einem Guss zur Verfügung“, erklärt Plüss. „Sie beinhalten ein Set an Sensorik sowie Datenverarbeitung und Datenanalytik mit verschiedenen vortrainierten Machine-Learning-Modellen und sorgen damit für niedrige Projektkosten und geringe Risiken.“ mst/LeanBI

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Bild: Uhlmann Pac-Systeme
Bild: Uhlmann Pac-Systeme
Weniger Risiko 
und bessere Qualität

Weniger Risiko und bessere Qualität

Die Industrie muss immer flexibler und schneller auf ihre Märkte reagieren, das gilt auch für Pharmaunternehmen. Infolgedessen werden Lieferzeiten ein zunehmend
entscheidendes Thema. Uhlmann Pac-Systeme, Systemanbieter für das Verpacken von Pharmazeutika aus Laupheim, wollte deshalb kürzere Durchlaufzeiten, beschleunigte Prozesse und Mehrkörpersimulation erreichen – und setzt dabei auf Simulationssoftware von Machineering.

Bild: Institut für Fertigungstechnik und Werkzeugmaschinen an der Leibniz Universität Hannover
Bild: Institut für Fertigungstechnik und Werkzeugmaschinen an der Leibniz Universität Hannover
Neues Modalanalysesystem mit bis zu 32 Sensoren

Neues Modalanalysesystem mit bis zu 32 Sensoren

Zur Schwingungsanalyse von Maschinen wurde am IFW ein neues Modalanalysesystem Simcenter SCADAS mobile der Firma Siemens beschafft. Hiermit ist es möglich sowohl die Eigenfrequenzen der Maschine oder eines Bauteils mit einer Modalanalyse, als auch die während des Prozess auftretenden Schwingungen mit einer Betriebsschwingungsanalyse zu identifizieren.

Bild: Contrinex Sensor GmbH
Bild: Contrinex Sensor GmbH
Taschenspieler

Taschenspieler

Smarte Sensoren sind das Herzstück der digitalen Fabrik: Sie machen
Anwendungen wie Condition Monitoring oder Predictive Maintenance überhaupt erst möglich. Die intelligenten Sensoren von Contrinex eignen sich für zahlreiche Einsatzgebiete, denn sie vereinen mehrere Erfassungsmodi in einem einzigen Gerät. Jetzt hat das Unternehmen als Zubehör das Tool PocketCodr-Konfigurator auf den Markt gebracht, mit dem sich die Sensoren ohne IT-Kenntnisse einrichten und abfragen lassen.