Allzweckwaffe gegen Maschinenstillstände

Thomas Hilzbrich, Pablo Mayer en Felix Müller (v.l.) hebben de »Slimme systeemoptimalisatie« ontwikkeld en de start-up plus10 GmbH opgericht. (Bron: Fraunhofer IPA / Foto: Rainer Bez)

Onderzoekers van Fraunhofer IPA hebben een analysetool ontwikkeld dat dankzij zelflerende algoritmen defecten in snelwerkende productielijnen opspoort, bij het oplossen van problemen ondersteunt en geautomatiseerde machine-benchmarking uitvoert. Nu maken de wetenschappers zich zelfstandig met deze technologie.

Vooral de farmaceutische en consumentenproductenindustrie werkt met kapitaalintensieve productielijnen en is afhankelijk van het voortdurend maximaliseren van de productiviteit. Anders dreigen kostendruk en financieringsgaten. In de praktijk geldt echter: Hoe complexer de installatie, des te lager de productiviteit.

Zo brengt Felix Müller, groepsleider Autonome Productieoptimalisatie bij Fraunhofer IPA, het treffend onder woorden. Daarnaast omvatten veel productielijnen een groot aantal stations en werken ze zo snel dat oorzaken van fouten met het blote oog niet waarneembaar zijn.

Met de «Slimme Systeemoptimalisatie» hebben Müller en zijn team daarom een analysetool ontwikkeld dat continu fouten en hun oorzaken in snelwerkende, gekoppelde productielijnen detecteert: Een krachtige connector maakt via het betreffende fabrikantprotocol hoogfrequent verbinding met de gegevens in de machinebesturing. Zo ontstaat een continue databasis die door meerdere zelflerende algoritmen gelijktijdig wordt geëvalueerd. Deze herkennen gedetailleerd waar fouten in het productiesysteem voorkomen, hoe ze samenhangen en welke prioriteiten ze hebben bij het oplossen. Op deze manier kunnen defecten, die tot uitval van het hele systeem leiden, sneller worden verholpen of zelfs worden voorspeld.

Systeem leert voortdurend bij

Het is echter niet altijd duidelijk wat te doen als een fout dreigt op te treden. Daar komen vervolgmeldingen van de installatie bij kijken, die de situatie voor de operator nog onoverzichtelijker maken. Om die reden hebben Müller en zijn team Shannon® ontwikkeld, een intelligent assistentiesysteem voor operators van complexe productielijnen dat voortbouwt op de «Slimme Systeemoptimalisatie». Tot nu toe was het vaak aan de machinebedieners om te beslissen wat ze moesten doen om een fout te verhelpen. Nu stuurt de betreffende machine hen echter een gedetailleerde stapsgewijze instructie naar de smartphone of tablet. De databasis en de koppelingen tussen storingen en oplossingen worden voortdurend uitgebreid tijdens de bedrijfsvoering van de installatie.

Zo krijgen operators de mogelijkheid om zelf handleidingen te maken, bijvoorbeeld voor het verhelpen van storingen. Deze handleidingen kunnen naast tekst ook foto's en video's bevatten. Verder kan de operator feedback geven over de verstrekte informatie, wat wordt gebruikt voor verbetering. De operators worden ook actief aangemoedigd om kennis in te brengen, bijvoorbeeld bij het beschrijven van gedetecteerde maar onbekende gebeurtenissen. Zo bouwt zich in de loop van de tijd een duidelijk begrijpelijke en doorlopende kennisdatabase op, bestaande uit fouten, gebeurtenissen en oplossingen. Shannon® wordt momenteel als tablet- en smartphone-app ingezet in meerdere fabrieken en heeft daar de tijd voor het oplossen van storingen aanzienlijk verkort.

Efficiëntieverbetering tot 18 procent

Ook geautomatiseerd machine-benchmarking is mogelijk met de «Slimme Systeemoptimalisatie»: In veel productieruimtes staan tientallen identieke of vergelijkbare machines die steeds dezelfde bewerkingscyclus uitvoeren. Een voorbeeld hiervan zijn spuitgiet-, drukgiet- of ook blaas- en dieptrekmachines. Hoewel ze allemaal hetzelfde opgebouwd zijn, werken sommige langzamer dan andere. Dit komt meestal door slijtage van bepaalde onderdelen, variërend sensor gedrag, verschillende gereedschapsinstellingen of materiaalvariaties.

Bij machine-benchmarking wordt eerst de totale procesgang in een machine gedefinieerd en opgesplitst in afzonderlijke stappen. Vervolgens genereert de hoogfrequente connector aan de machinebesturing een databasis die wordt geëvalueerd door een pakket machine learning-algoritmen. Dit gebeurt gelijktijdig met alle aangesloten machines en wordt virtueel samengevoegd tot een ideaal procesverloop. Hieruit herkent het hulpmiddel onmiddellijk wanneer een machine trager werkt dan gepland en koppelt dit aan een technische oorzaak. Gebruikers kunnen zo niet alleen storingen voorkomen voordat ze optreden, maar ook een geoptimaliseerde cyclustijd voor de aangesloten machines verkrijgen door de beste afzonderlijke stappen samen te voegen. Dit heeft in eerdere prototype-toepassingen geleid tot cyclustijdreducties tussen twee en 18 procent, afhankelijk van de machine. Ook de snelste machine kan dus nog sneller worden. De toepassing is inmiddels overgegaan in een continu lerende software genaamd Darwin.

Onderzoekers richten start-up op

Bij meerdere toeleveranciers voor de automobielindustrie en een spuitgietmachinefabrikant is Darwin, het intelligente machine-benchmarking, al in gebruik, ook op bedrijfsniveau. Shannon® wordt al toegepast bij grote automobiel- en farmaceutische bedrijven. Reden genoeg voor Felix Müller en zijn twee medeoprichters Thomas Hilzbrich en Pablo Mayer om zich zelfstandig te vestigen met de «Slimme Systeemoptimalisatie». Hun start-up, de plus10 GmbH, heeft momenteel kantoren in Stuttgart en Augsburg en gaat vandaag van start met haar activiteiten.