Ausreißererkennung für Einzelteil- und Kleinserien

Maschinen fehlerlos einfahren

Transfer von Wissen zwischen Maschinen für die Überwachung (Bild: IFW)
Transfer von Wissen zwischen Maschinen für die Überwachung (Bild: IFW)

Die Satellitenperspektive

Oft reicht es nicht aus, Prozesse nur an einer Maschine überwachen zu können. In der Satellitenperspektive wird daher die komplette Maschinenhalle mit mehreren Werkzeugmaschinen betrachtet. Um Wissen zwischen Maschinen zu übertragen, werden zuerst die prozessspezifischen Anteile in den überwachten Signalen von den maschinenspezifischen Anteilen isoliert. Anschließend wird eine Anomalie-Detektion mit den Prozessdaten mehrerer Maschinen trainiert. Das Detektionsmodell wird daraufhin an einer anderen, unabhängigen Maschine zur Überwachung eingesetzt. Bild 3 zeigt den Wissenstransfer beispielhaft für vier baugleiche Maschinen. Als Prozess wird das Quer-Plandrehen und als Signal das einfach verfügbare Antriebsmoment der Vorschubachse (X-Achse) betrachtet. Zur Überwachung wird der Prozess in einzelne Drehoperationen segmentiert. Jedes Segment wird durch den Mittelwert und die Schiefe charakterisiert. Mit diesen Kennwerten von 130 fehlerfreien Drehoperationen wurde ein Modell zur Anomalie-Detektion trainiert (weiße Datenpunkte). Zum Aufspüren der Anomalien kommt ein Verfahren basierend auf multivariater Statistik (minimum covariance determinant) zum Einsatz. Im Trainingsdatensatz variierten dabei Schnitttiefe und -geschwindigkeit. Beim Test an der Zielmaschine erkannte das Modell zehn von zehn fehlerhaften Prozessen mit Einstichen, die einen Werkzeugbruch simulieren (rote Datenpunkte). Auch die weiteren 65 fehlerfreien Prozesse (grüne Datenpunkte) klassifizierte die Anomalie-Detektion an der Zielmaschine korrekt. Entsprechend traten keine Fehlalarme auf. Wissen zur Prozessüberwachung ist demnach offenkundig zwischen Maschinen übertragbar.

Viel Potenzial

Die Anomalieerkennung bietet Potential für die Überwachung der Einzelteil- und Kleinserienfertigung. Im Gegensatz zu bisherigen Methoden erlaubt sie eine effiziente und automatisierte Umsetzung, ein manuelle Bewertung der Trainingsdaten entfällt. Dabei ist eine Anomalie immer auch eine Frage der Perspektive. Durch die Betrachtung der unterschiedlichen Perspektiven können sowohl plötzlich auftretende Prozessfehler, wie beispielsweise Ratterschwingungen, als auch langsame Veränderungen, wie etwa Werkzeugverschleiß, gefunden werden. Das sich Erkenntnisse zwischen Maschinen übertragen lassen, vergrößert das Potenzial des Ansatzes noch einmal deutlich.







  • Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise

    Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen…


  • Ähnlichkeit erkannt, Kosten reduziert

    In der Variantenfertigung können Medien- und Systembrüche sowie Prozesse ohne digitales Abbild schnell zu Fehlern und Fehleinschätzungen führen. Wer die Daten hingegen…


  • Prozessoptimierung in der anspruchsvollen Montage

    Das Familienunternehmen Fimab aus Neubulach im Nordschwarzwald setzt bei der Prozessoptimierung auf die Webanwendung Newdrive Analytics. Entwickelt wurde das Tool von einem…


  • Was Assistenzsystemen oft im Weg steht

    Mit digitaler Werkerassistenz unterstützen Hersteller die Montageprozesse bei kleineren Losgrößen. Dabei sehen sich Unternehmen bei der Integration solcher Systeme oft mit Herausforderungen…


  • IT-Modernisierung als Softwareprojekt

    Softwarewechsel, alte Hardware und fehlende Skalierbarkeit – für die IT-Modernisierung gibt es viele Gründe. Wer umfassende Projekte dieser Art strategisch plant und…