Maschinenausfälle einfach weggefräst.

Wie Smart Data Analysen die Wartungsintervalle von Fräsmaschinen deutlich reduzieren.

Der Kunde

Unter dem Slogan „besser fräsen“ entwickelt und produziert die Hermle AG als einer der Marktführer Bearbeitungszentrum. Über 25.000 erfolgreich installierte Maschinen in Schlüsselbranchen wie Aerospace, Medizintechnik, Rennsport, und andere unterstreichen diesen Anspruch. Dabei setzt der mittelständische Maschinenbauer aus dem baden-württembergischen Gosheim bereits heute auf Datenanalysen – unter anderem zur Auswertung der Maschinenzustände.
So wird die eigene Maschinenwartung bereits seit einiger Zeit auf Basis analysierter Daten verbessert. Mit Hilfe eines SDSC-Projektes will das Unternehmen diese Fähigkeiten weiter ausbauen.
www.hermle.de

Die Daten

Durch ein von Hermle entwickeltes System erfasst das Bearbeitungszentrum zentrale Größen, welche Aussagen zum Zustand der Komponenten ermöglichen. Diese anfallenden Informationen werden entsprechend analysiert und ausgewertet. Dadurch lassen sich Stillstände vermeiden und der Wartungsbedarf exakt bestimmen. Für die Smart Data Analyse des SDSC-BW wurden Zustandsdaten vom mehreren Maschinen für einen Zeitraum von 12 Monaten zur Verfügung gestellt.

Die Herausforderung

Bei einer kostenfreien sechswöchigen Potentialanalyse (gefördert durch das Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg) konzentrierten sich die Datenanalysten des SDSC-BW zunächst auf die Klassifikation des Achsenzustands eines Maschinentyps.
Eine Herausforderung lag dabei in den verschiedenen Verfahrprofilen, die bei der Wartung des Bearbeitungszentrums eingesetzt wurden. Da nicht immer jedes Verfahrprofil auf jeder Achse gefahren wurde, mussten die Analysten die unterschiedlichen Datenpools differenziert betrachten. Aufgrund dieser Datenlage entwickelten sie einen mehrstufigen Prozess, um optionale Bedingungen für den Analysevorgang zu bekommen und die Daten einbinden zu können.

Die Potentialanalyse

In der Potentialanalyse griffen die Experten des SDSC-BW auf alle bereitgestellten Wartungsdaten eines Maschinentyps für den Zeitraum von zwölf Monaten zurück. Diese Erstanalyse konzentrierte sich darauf, den Zustand der Achsen des Bearbeitungszentrums zu klassifizieren und auf diese Weise Potentiale für eine automatisierte Fernwartung zu identifizieren.

Im zweiten Schritt ging es dann um die Auswertung mittels überwachter Lernverfahren (z.B. Entscheidungsbäume). Ziel der Experten war es, die Daten für eine unterstützende Vorhersage von Maschinenproblemen zu nutzen (Predictive Maintenance).

Das Resultat

Die Erkenntnisse aus den bisher durchgeführten Projekten ermöglichten es den Analysten, auf eine große Basis von Smart Data Methoden zuzugreifen. Das Expertenteam entwickelte dadurch einen Ansatz, der eine automatisierte Auswertung des Maschinenzustands unter Einbeziehung optionaler Verfahrprofile ermöglicht. Die Techniker können nun mithilfe der Datenauswertungen Maschinenausfälle besser vermeiden. Die zeitnahe Nutzung dieses Potentials wird die Wettbewerbsfähigkeit des Hermle-Standorts stärken.

Wie es weiter geht

Durch das Projekt mit dem SDSC-BW konnte die Hermle AG ihre bisherige Vorgehensweise bei der Maschinenwartung genau bewerten und bereits erste Verbesserungsmöglichkeiten identifizieren. Im nächsten Schritt wird das Unternehmen die Erkenntnisse des Projektes in den Service einfließen lassen, um die Wartungsqualität noch weiter zu verbessern: Vorhersagen, ob und wann man bei einer Maschine mit einem Ausfall rechnen muss, werden so optimiert.

Davon werden nicht nur Hermle, sondern auch deren Kunden unter Zeit- und Kostengesichtspunkten profitieren. Damit das Vorhaben umgesetzt werden kann, erarbeitet das Unternehmen aktuell interne Pläne zur bedarfsgerechten Anpassung der Unternehmensstrukturen.