Unknown unknowns. Condition Monitoring 4.0 Intelligente Überwachung und Fehlerprognostik mit künstlicher Intelligenz

Transkript

1 Condition Monitoring 4.0 Intelligente Überwachung und Fehlerprognostik mit künstlicher Intelligenz DATATRONIQ GmbH DATATRONIQ GmbH 1 Unknown unknowns There are known knowns. These are things we know that we know. There are known unknowns. That is to say, there are things that we know we don't know. But there are also unknown unknowns. There are things we don't know we don't know. Donald Rumsfeld DATATRONIQ GmbH 2

2 Im Shop Floor sind relevante Daten oft noch nicht erschlossen oder verfügbar PLC Tools and Material Product Vibrations Temperature Torque Humidity Um unknown unknowns identifizieren zu können, müssen relevante Datenquellen zunächst erschlossenwerden, bevor diese korreliert werden können. Mit jeder neuen Datenquelle steigen die möglichen Datenkorrelations- Kombinationen exponentiell an. Mittels Machine Learning Algorithmen können diese Datenmengen automatisiert analysiert werden. DATATRONIQ GmbH 3 Machine Learning als eine Schlüsseltechnologie des autonomen Fahrens Google ist einer der Pioniere bei der Integration von Machine Learning Technologien in intelligente Geschäftsprozesse. Die Google Fahrzeuge verarbeiten und korrelieren jede Sekunde Millionen Messpunkte und treffen pro Sekunde mehr als 20 Entscheidungen zur Fahrzeugsteuerung. Vom Grundprinzip kann diese Methodik auf moderne Shopfloors übertragen werden. DATATRONIQ GmbH 4

3 Datatroniq synchronisiert Shop Floor Daten mit modernster Hardware, Software & Algorithmik PLC Tools and Material Product Vibrations Temperature Torque Mittels Anomalie Erkennung Ursache-Wirkungs Analysen Predictive Analytics generieren wir Value Services zur Performance-Steigerung Erhöhten Maschinenverfügbarkeit Qualitätsverbesserung Kostenreduktion Humidity DATATRONIQ GmbH 5 Unsere Vision Datatroniq hat sich das Ziel gesetzt, Fabriken, Betriebsabläufe, Maschinen und Werkstücke intelligenter zu machen, indem wir Assets vernetzen und über Sensorik messbar machen. Mit einem ganzheitlichen Ansatz verschmelzen wir modernste Hardware, Software und Algorithmen in einer leistungsfähigen und skalierbaren Lösung und verwandeln Fabriken in Smart Factories. Wir reagieren damit auf etablierte Technologien und Methoden, die in der Regel unabhängig voneinander arbeiten und daher kaum in der Lage sind, genügend Daten erfassen, verarbeiten und analysieren zu können. DATATRONIQ GmbH 6

4 Die DATATRONIQ-Lösung im Überblick Sensoren Smart Data Hub MES, ERP, BI etc Maschinen & Equipment 1) Sensorbasierte Zustandsüberwachung (Sensorik & Maschinensteuerung) 2) Intelligente Datensammlung & Echtzeitanalyse 3) Vernetzung & Verwaltung der Smart Data Hubs, Machine Learning, Langzeit-Datenarchiv 4) Datatroniq App: Fachlicher Zugriff auf KPIs (z.b. OEE), Maschinenzustände, Notifications (Alarme, Warnungen, Fehlerbehebungen) 5) Bereitstellung von KPIs an Drittsysteme (z.b. MES, ERP, BI) 3 4 Datatroniq Plattform Datatroniq Applikation DATATRONIQ GmbH 7 DATATRONIQ im Shop Floor 8

5 DigitaleTransformation & Maintenance-Reifegrad Effizienz Effektivität Performance Verfügbarkeit Qualität Künstliche Intelligenz Machine Learning Prädiktiv Zustandsabhängig hier? Performance & Effektivität Prognose der Zustandsentwicklung Erkennung unbekannter Anomalien Längere Laufzeiten Lean Maintenance Überwachung des Ist-Zustands Erkennung bekannter Anomalien Ursache-Wirkungsanalysen Vermeidung von Down-Times Optimierung von Wartungsplänen Klassische Auswertungen Präventiv hier? Operativer Betrieb Basierend auf Betriebsstunden, Laufleistung, Zähleinrichtungen etc. Wartung nach Lieferanten-Vorgabe Pflegemaßnahmen des Betreibers Ohne Analytics Reaktiv Unvorhergesehene Ausfälle Run-to-failure/ Repair-after-failure Reifegrad DATATRONIQ GmbH 9 Condition Monitoring Ansätze Maschinen im Normalbetrieb besitzen eine bestimmte Signatur. Verschleiß-Zustände verändern diese Signatur und können u.a. zu folgenden Fehlerbildern führen: Vibrationsanalyse Änderung des Vibrationsverhaltens Schmierstoffanalyse Erhöhung von Verschleißpartikeln oder chemischen Verunreinigungen Performance Analyse Änderung von Drehmoment, Druck, Durchfluss, Effizienz Thermografie Veränderung von Temperaturen, z.b. lokalen Hot Spots DATATRONIQ GmbH 10

6 Anomalie-Erkennungbei Antrieben (Wälzlager) Lüfterseitiges Lager Antriebsseitiges Lager Komponente Außenring Innenring Wälzkörper DATATRONIQ GmbH 11 Schalldruckpegel und Schallintensitäten Schalldruckpegel (db) Schallintensität (Watt/m 2 ) Flüstern Normale Unterhaltung Piano Presslufthammer Flugzeug Geräuschentwicklung Wälzlager DATATRONIQ GmbH 12

7 Condition Monitoring in der Vergangenheit DATATRONIQ GmbH 13 Exemplarische Rohsignale antriebsseitiges Lager Normalzustand? Fehler? DATATRONIQ GmbH 14

8 Exemplarische Visualisierung von Vibrations- Anomalien DATATRONIQ GmbH 15 Vom Sensor zur künstlichen Intelligenz Antrieb & Vibrationssensor Signalverarbeitung & Maschinelles Lernen Anomalien, Ursache- Wirkungsanalysen & Prognostik DATATRONIQ GmbH 16

9 Anomalie-Erkennung und Quantifizierung DATATRONIQ GmbH 17 Ursache-Wirkungsanalyse am Beispiel Decision Tree DATATRONIQ GmbH 18

10 Herausforderungen bei der Vibrationsanalyse Stichproben-basierte Ansätze verpassen eventuell das kritische Momentum, z.b. hochfrequente Körperschall- Signale Stichprobenziehung vs. Real-time Monitoring Echtzeit-Signale produzieren extrem große Datenströme Ein 3D-Vibrationssensor mit einer Abtastrate von Hz generiert Datenpunkte pro Sekunde! Charakteristische Frequenzmuster könnten im Rauschen verloren gehen Effiziente Denoising-Methoden sind unbedingt erforderlich. Real-time Decisioning Ist eine gemeldete Vibrations-Anomalie kritisch oder ein falscher Alarm? DATATRONIQ GmbH 19 DATATRONIQ GmbH 20

11 Kontakt Stefan Weingaertner DATATRONIQ GmbH E. T F M W. Stuttgart Uhlbacherstrasse 75, Stuttgart, Germany Berlin PrenzlauerAllee 242, Berlin, Germany DATATRONIQ GmbH 21