Digitale Assistenzsysteme in der Produktion

Digitalisierung in der Fertigung geht einher mit der Vernetzung der Systeme und mehr Informationen in Echtzeit. Unternehmen versprechen sich dadurch nicht nur optimalere Entscheidungen aufgrund von mehr Transparenz, sondern zudem mehr Automatisierung und die unmittelbare Umsetzung von Entscheidungen. Am Beispiel von Spritzgusswerkzeugen verfolgt dieser Beitrag wie digitale Assistenten die Geschäftsprozesse insgesamt verbessern. Durch die Vernetzung von Spritzgießmaschinen können Informationen direkt mit übergeordneten Systemen ausgetauscht werden. Prozessdaten werden in Echtzeit digital erfasst und gesammelt.

Zur Effizienzsteigerung von Spritzgussmaschinen werden Automatisierungsgeräte und Sensoren unterschiedlicher Hersteller vorzugsweise in Produktionszellen verknüpft. Komponenten unterschiedlicher Hersteller kommunizieren hierfür über einen Interoperabilitätsstandard wie OPC UA. Mittelständische Unternehmen schauen ohnehin gerne auf weitestgehend einsatzfertige Lösungen, um diese in bestehende Systeme zu integrieren. Microsoft Azure Industrial IoT (IIoT) ist eine Suite aus Azure Cloud-Microservices und IoT Edge-Modulen, die Daten in die Azure-Cloud integriert. Über vorhandene OPC UA-Schnittstellen können Daten von Sensoren und Automatisierungsgeräten gesammelt werden. Azure IIoT bietet Microservices mit REST-APIs für die Interaktion mit OPC UA-Systemen und bildet darüber hinaus eine Brücke zu Cloudanwendungen wie beispielsweise einem ERP-System.

Im Sinne einer offenen Automatisierungstechnik können Produktionszellen somit die Datenbasis für Geschäftsprozesse im ERP-System liefern. Werden diese Informationen in dem umfassenden Kontext des jeweiligen Geschäftsprozesses berücksichtigt, erlaubt dies besser abgestimmte Entscheidungen. So können beispielsweise die Bestände an Rohmaterial wie auch Rezyklaten mit Blick auf den Werkzeugeinsatz und die anstehenden Aufträge abgestimmt werden. Aktuelle Angaben über sich ändernde Zeiten können in die Reihenfolgeplanung einfließen. Änderungen, die sonst nicht oder verzögert erkennbar sind, können so zeitnah in der Planung berücksichtigt werden.

Gehen wir noch einen Schritt weiter und ergänzen den digitalen Assistenten mit hinreichend Intelligenz, um angemessen reagieren zu können oder Handlungsempfehlungen abzugeben. Das Einstelldatenblatt liegt also nicht nur digital vor, sondern die Einstellungen für die prozessrelevanten Parameter werden fortwährend überprüft und in nahezu Echtzeit aktualisiert. Wie beispielsweise das Einspritzvolumen und die Materialviskosität zu justieren, um Schwankungen innerhalb der Grenzen und im selben Zyklus auszugleichen. Der Assistent gewährleistet konstante Temperierverhältnisse, indem Temperaturdifferenzen unmittelbar in den Kühlkreisen auf einen Sollwert geregelt werden. Dabei sind Prozessfenster entscheidend und erlauben eine mehr dynamisch angepasste Steuerung, statt fester Einstellwerte für einzelne Parameter. Besonders bei Rezyklaten, die aufgrund ihrer unterschiedlichen Herkunft erhebliche Schwankungen aufweisen, reduziert sich die Ausschussrate.

Durch permanente Produktions- und Prozessüberwachung lässt sich die Produktionsleistung dauerhaft verbessern. Zustandsüberwachung (Condition Monitoring) von Spritzgießmaschinen und Werkzeugen im laufenden Betrieb liefert wertvolle Daten über Leistungseinbußen. Ein digitaler Assistent reagiert auf die sich ankündigenden Einbußen und löst im ERP-System einen dedizierten Wartungsauftrag aus. So wird beginnender Verschleiß nicht nur frühzeitig festgestellt, sondern zeitnah und gezielt abgestellt. Darüber hinaus erlaubt die Auswertung der Verschleißparameter die kritischen Prozesseinstellungen zu erkennen und Anpassungen zur Verschleißminderung vorzunehmen.

Schwingungssensoren am Werkzeug liefern Vibrationsdaten, die es nicht nur erlauben die Teilschritte des Spritzgusszyklusses zu identifizieren, sondern auch Veränderungen zu erkennen. KI-gestützte Assistenten können die Vibrationsdaten nutzen, um problematisch Entwicklungen zu erkennen und auf sich abzeichnende Störungen hinweisen.  

An diesem Beispiel zeigt sich wie Analysewerkzeuge, wenn diese über geeignete Daten und Kennzahlen verfügen, tiefgreifende Recherchen erlauben, um fundierte Entscheidungen zu treffen und anstehende Maßnahmen einzuleiten. KI-gestützte Assistenten gehen einen Schritt weiter und nutzen die Daten, um Abweichungen im laufenden Prozess zu erkennen. Statt die Daten im Nachhinein zu interpretieren, kann während der Produktion auf potenzielle Veränderungen reagiert werden und der Aufwand für die Nachkontrolle reduziert sich.