Vorausschauende Instandhaltung mit dem digitalen Zwilling

Vorausschauende Instandhaltung als Lösung? Eine rot leuchtende Lampe an einer stillstehenden Maschine – für Produktionsbetriebe eine unangenehme Situation. Die Bestimmung des optimalen Zeitpunkts für die Maschineninstandhaltung zählt nach wie vor zu den großen Herausforderungen in der Industrie. Noch immer reagieren die meisten produzierenden Unternehmen erst auf Ausfälle, wenn Maschinen und Anlagen bereits stillstehen (reaktive Instandhaltung) oder führen die Instandhaltung in geplanten Zeitintervallen durch (präventive Instandhaltung). Jedoch führt dies entweder zu kurzfristigen Produktionsausfällen oder teils zu einer Verschwendung von Maschinenarbeitsstunden und Material, weil Komponenten vorzeitig ausgetauscht werden.

Vorausschauende Instandhaltung: Simulation

Zwar gewinnen datengetriebene Modelle von Produktionssystemen zunehmend an Bedeutung, doch da diese nur Trends anhand vergangener Ereignisse extrapolieren, fehlt es an Daten zu Ausfallszenarien, die bis dato nicht aufgetreten sind. Ein vielversprechender Lösungsansatz für eine vorausschauende Instandhaltung (Predictive Maintenance) ist das Simulieren derartiger Ausfallszenarien mittels physikbasierter Modellierung und das Anreichern der datengetriebenen Vorhersagemodelle mit den generierten Simulationsdaten. Dies wird mithilfe eines digitalen Zwillings des Produktionssystems möglich, anhand dessen sich prädiktive Aussagen wie beispielsweise die Restnutzungsdauer (Remaining Useful Life, RUL) von Maschinenkomponenten treffen lassen.

Höhere Stabilität und Planungssicherheit

Im Rahmen des EU-Projekts Z-BRE4K haben das Team für Digital Engineering beim Fraunhofer IAO und das kooperierende IAT der Universität Stuttgart mit 17 Partnern aus neun europäischen Ländern Konzepte sowie Lösungen zur Datenerfassung, -verarbeitung und -analyse auf der Grundlage digitaler Zwillinge erarbeitet. Ziel des dreijährigen Projekts war es, Produktionssysteme durch eine vorausschauende Instandhaltung zu optimieren, um Kosten zu sparen und die Produktivität der Unternehmen zu steigern.

Störanfälligkeit und Unsicherheiten hinsichtlich der Planbarkeit von Ressourcen und Kapazitäten werden durch Abhängigkeiten von Lieferanten und ungeplanten Engpässen besonders in Krisen noch verschärft. Das wurde in den vergangenen Jahren deutlich. Mit einem intelligenten Management der Ressourcen und Kapazitäten können Unternehmen auch ihre Resilienz verbessern, da sie die Stabilität und Planungssicherheit erhöhen. Genau das macht ein digitaler Zwilling für die vorausschauende Instandhaltung möglich.

Erprobte Lösungen für diverse Produktionsumgebungen

Wir verstehen den digitalen Zwilling als digitale Repräsentation eines realen Produkts, zum Beispiel einer Maschine, oder eines Prozesses inklusive aller für den jeweiligen Anwendungsfall relevanten Daten und Informationen über den gesamten Lebenszyklus hinweg. Das zugrundeliegende digitale Modell des Realobjekts wird fortlaufend durch Betriebsdaten, Verhaltensanalysen und Simulationen angereichert. Somit wird es auch möglich, die RUL von Maschinenanlagen abzuleiten. Die Ansätze zur RUL-Berechnung basieren auf statistischen Methoden und abgeleiteten Algorithmen, folglich werden hierfür viele Daten benötigt.

Das Forschungsteam war im Projekt insbesondere für die physikbasierte Modellierung verantwortlich, um Simulationen des Maschinenverhaltens durchzuführen, die als Grundlage für digitale Zwillinge verschiedener Produktionssysteme dienen. Die erarbeiteten Konzepte und Lösungen wurden in drei Pilotfällen gemeinsam mit Industrieanwendern erprobt, validiert und angewendet. Darunter waren Philips, niederländischer Anbieter im Bereich Personal Health und Health Systems, der spanische Metallverarbeiter Gestamp sowie der Maschinenbauer SACMI und Kunststoffflaschenverschluss-Hersteller CDS, beide aus Italien.

Dass sich eine vorausschauende Instandhaltung auszahlen kann, haben die zurückgemeldeten Zahlen der Industriepartner bewiesen:

• durchschnittliche Zeit, bis Fehler aufgetreten sind: um 24 Prozent verlängert
• durchschnittliche Zeit für die Reparatur einer Maschine: um 46 Prozent verkürzt
• Anteil fehlerhafter Produkte: um 14 Prozent reduziert
• Gesamtkosten für Instandhaltung: um 26 Prozent reduziert

Strukturierte Vorgehensweise

Unser Forschungsteam hat die Erkenntnisse aus dem Projekt Z-BRE4K fortwährend in Industrieprojekten oder Innovationsnetzwerken verwertet. Seit dem Projektabschluss ist es unser Ziel, die international und in verschiedenen Branchen erprobten Lösungen vermehrt in die deutsche Industrielandschaft zu überführen. Unserer Erfahrung nach haben Unternehmen kaum einen Überblick über die vorhandenen Daten und entsprechenden Module, die für eine ganzheitliche Predictive-Maintenance-Strategie und deren Umsetzung benötigt werden. Hinzu kommt, dass Unternehmen häufig eine Systematik fehlt, um ein entsprechendes Geschäftsmodell zur Einführung einer vorausschauenden Instandhaltung aufzubauen.

Eine Industrial Internet-of-Things-Architektur mit einer daraus abgeleiteten systematischen Vorgehensweise bildet die Grundlage für die Integration einer vorausschauenden Instandhaltung in die bestehenden Unternehmensprozesse. Wir unterstützen Unternehmen von der Erarbeitung einer individuellen Roadmap über eine neutrale und unabhängige Beratung für den Einsatz benötigter Technologien und Software bis hin zur Realisierung konkreter Lösungsansätze.

Erst durch die ganzheitliche Nutzung aller wesentlichen Daten und Informationen über den gesamten Lebenszyklus hinweg können die Potenziale eines digitalen Zwillings vollständig ausgeschöpft werden. Zwar ist aus rein technischer Perspektive bereits vieles mit dem digitalen Zwilling möglich, aber unserer Erfahrung nach ist noch viel Grundlagenarbeit bei Unternehmen notwendig, vor allem auch hinsichtlich organisatorischer Aspekte.

Durch vorausschauende Instandhaltung die Produktivität von Unternehmen steigern

Wir begleiten Unternehmen bei der Entwicklung und Anwendung einer zugeschnittenen Industrial Internet-of-Things (IIoT)-Architektur. Dazu greifen sie auf eine Kombination aus bereits etablierten Methoden sowie auf die Konzeption eines digitalen Zwillings zurück. Den Grundstein hierfür legt die Hybridisierung datengetriebener und physikbasierter Modelle.

Diese Verknüpfung von Engineering- und Produktionsdaten ermöglicht eine erweiterte Datengrundlage zur Vorhersage von Produktionsverläufen, da neben der herkömmlichen Trendextrapolation auf Basis historisch gemessener Daten nun auch bis dato nicht aufgetretene Produktionsausfälle simuliert und verbesserte Vorhersagen getroffen werden können. Dies führt langfristig dazu, die Maschinenauslastung zu verbessern, Ressourcen und Kapazitäten optimal zu nutzen, unerwarteten Produktionsausfällen proaktiv entgegenzuwirken sowie Produkte und Produktionssysteme auch während des Betriebs zu analysieren. Es steigert also die Produktivität des Unternehmens.

Autor Andreas Werner ist Digital Engineering; Autor Joachim Lentes ist Leiter Team Digital Engineering, Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO.

Lesen Sie auch: Maintenance App: Alle Wartungsarbeiten im Blick