Schneller zur intelligenteren Automobilfertigung

Schneller zur intelligenteren Automobilfertigung

In der Automobilindustrie ist Big Data kein neues Konzept. Seit Jahrzehnten haben Autobauer Daten aus Gewährleistungsansprüchen, Wartungsberichten und immer intelligenteren, vernetzteren Fahrzeugen gesammelt und analysiert, um die Kundenerfahrung, die Vertragshändlerleistung und die Fahrzeugqualität zu verbessern.

Während diese Aktivitäten im Licht der Öffentlichkeit standen, hat sich auch Big Data im Fertigungsbereich verbreitet, da Markeneigentümer und Zulieferer die digitale Transformation und intelligente Technologie begeistert willkommen heißen. Die Herausforderung im Fertigungsbereich liegt darin, die massiven Datenmengen, die von intelligenten Anlagen generiert werden, optimal zu nutzen, um die Leistung kurz- und langfristig zu verbessern.

Richtige Dimensionierung

Cloud-basierte Services und Analytikplattformen sind mit intelligenten Geräten "groß geworden" und helfen Automobilbauern, optimalen Nutzen aus ihren Investitionen in Digitalisierung zu ziehen. Einige Autobauer haben cloud-basierte Plattformen eingeführt, um Daten zu sammeln, zu analysieren und in wichtige Geschäftsintelligenz umzuwandeln.

Doch trotz der Fortschritte können viele Hersteller ihren Bedienern nur mit Mühe Informationen bereitstellen, mit denen sie im Fertigungsbereich Leistungssteigerungen in Echtzeit erzielen können.

Warum? Wenn Daten an eine cloud-basierte Plattform gesendet werden, ist das ideal für eine Analyse auf Unternehmensebene und für die Entscheidungsfindung auf Geschäftsebene, sofern der Zeitrahmen keine allzu große Rolle spielt. Doch übermäßiger Datenverkehr im Netzwerk und Verzögerungen durch Analytik können verhindern, dass den Beteiligten Informationen im richtigen Kontext rechtzeitig zur Verfügung stehen, sodass sie im Fertigungsbereich Gegenmaßnahmen ergreifen können.

Anders ausgedrückt, der Kreis von der Analytik zum Steuerungssystem wird nicht schnell genug geschlossen, um von unmittelbaren Auswirkungen zu profitieren.

Skalierbare Analytik: Der schnellere Weg zur Optimierung in Randbereichen

Eine skalierbare Plattform kann den Kreis von Big Data zum Fertigungsbereich schneller schließen, da sie Analytik und Fähigkeiten für maschinelles Lernen in unmittelbarer Nähe der Informationsquelle und der Entscheidungsträger auf Werksebene integriert.

Ein typisches Automobilmontagewerk verwendet Frequenzumrichter zur Steuerung der Motoren an Materialförderbändern. Moderne Frequenzumrichter überwachen Ausgabedrehmoment und -strom kontinuierlich, die direkt den mechanischen Teilen des Motors zugeordnet werden können. Die Frequenzumrichter können so konfiguriert werden, dass sie beim Überschreiten von Parametergrenzwerten Warnungen ausgeben. Zudem können Temperatur-, Schwingungs- und andere Sensoren kritische Informationen hinsichtlich der Getriebezustände erfassen und melden.

Möglicher ergänzender Inhalt für Seitenleiste. Kann als Pullout-Information der Seitenleiste verwendet werden. Die beste Platzierung wäre in der Nähe des Abschnitts, der wie folgt beginnt: „ Diese neue Analytiklösung stellt eine Antwort auf Geräteebene zur Verfügung….“

Durch die kontinuierliche Überwachung und Analyse dieser und anderer Betriebsparameter können Verschleiß oder Schlupf von Getriebe und Riemen – oder Probleme mit Motorlager und -wicklung –vorhergesagt werden, bevor diese zu nicht eingeplanten Ausfallzeiten führen. Doch eine optimale Instandhaltungsstrategie erfordert zeitnahe Einblicke in diese Analyse.

Diese neue Analytiklösung stellt eine Antwort auf Geräteebene zur Verfügung. Die auf einem angeschlossenen Gerät bereitgestellte Lösung durchsucht das industrielle Netzwerk und erkennt Ressourcen – z. B. Frequenzumrichter und Zustandssensoren. Sie ermöglicht Analytik, indem sie die generierten Daten in vorkonfigurierte Zustands- und Diagnose-Dashboards umwandelt.

Wenn das Gerät erkennt, wie die Geräte miteinander in Beziehung stehen, z. B. Fehlerkausalität, beginnt es, das System zu verstehen, auf dem es bereitgestellt wird – und kann entsprechende Empfehlungen geben. Es kann z. B. eine „Aktionskarte“ an das Smartphone oder Tablet eines Benutzers senden, wenn ein Frequenzumrichter neu konfiguriert werden muss, um seine optimale Leistung beizubehalten.

Schließlich können Instandhaltungsteams dank dieses vorausschauenden Ansatzes proaktiver arbeiten – und auch potenzielle Ausfallzeiten lassen sich minimieren.

Ein Quantensprung im Automobilbau

Skalierbare Analytik setzt Impulse für diskrete Automobilanwendungen. Zudem verspricht diese transformative Herangehensweise in komplexen kontinuierlichen Prozessen unabdingbar zu sein, wenn maschinelles Lernen signifikante Auswirkungen auf die Produktqualität und Fertigungsgeschwindigkeit haben kann.

Ein Beispiel? Die Herstellung prismatischer Pouch-Zellen-Akkus. Prismatische Pouch-Zellen stellen mehr Energie pro Volumen bereit als ihre zylindrischen Pendants und gewinnen auf dem Markt für Elektrofahrzeuge an Bedeutung.

Allerdings ist die Herstellung prismatischer Pouch-Zellen mit einem hohen Maß an Achssteuerung, Präzision und kontinuierlicher Verarbeitung verbunden. Daher stellt die Optimierung eines Prozesses in diesen dynamischen, multivariablen Umgebungen eine echte Herausforderung dar, die jedoch für skalierbare Analytik – und maschinelles Lernen – wie gemacht ist.

Mithilfe dynamischer mathematischer Modelle lernt das System, die Auswirkungen einer Variablen auf eine andere Variable zu erkennen und passt nachfolgende Aktionen automatisch an, um optimale Ergebnisse zu erzielen. Gleichzeitig kann das System Bedienern kritische Analytik – z. B. in Form von SPC-Diagrammen – bereitstellen, die eine kontinuierliche Qualitätsüberwachung und proaktive Anpassungen ermöglicht.

Denken Sie daran, dass ein skalierbarer Ansatz über die Geräte an sich hinausgehen und auf Maschinen- sowie Prozessebene angewandt werden kann. Die Plattform lässt sich auch in MES-, OEE- und andere Fertigungsablauf- sowie Analytiksysteme integrieren, um die unternehmensweite Optimierung in den unterschiedlichsten Bereichen, z. B. Produktionsplanung und Energiemanagement, voranzutreiben.

Erfahren Sie mehr über skalierbare Analytik – und wie Sie von nun an bereits an der Datenquelle bessere Entscheidungen treffen können.

Co-Autor: Todd Montpas
Produktmanager, Informationsoftware, Rockwell Automation

Bill Sarver
Gepostet 28 Juni 2019 Von Bill Sarver, Senior Consultant, Global Automotive Industry, Rockwell Automation
  • Kontakt:

Kontakt

Rockwell Automation und seine Partner bieten Ihnen herausragendes Know-how, um das Design, die Implementierung und den Support Ihrer Automatisierungsinvestitionen zu unterstützen.

Neuesten Nachrichten

Registrieren Sie sich über folgenden Link um automatisch über aktuelle Ausgaben der Automation Today per E-Mail informiert zu werden.