Fehlermeldungen von Maschinen sind mitunter sehr knapp formuliert. Und bei einem Ausfall geht der Ärger erst richtig los: Wo ist die Betriebsanleitung abgelegt, in der steht, was die Fehlernummer bedeutet? Oder doch lieber die Kundenbetreuung anrufen und Zeit in der Warteschleife verlieren? Oder gar einen externen Dienstleister rufen?
Um Ausfallzeiten möglichst kurz zu halten, hat die AX Semantics zusammen mit Experten vom Fraunhofer IPA und der ESB Business School Reutlingen eine Software entwickelt, die dank selbstlernender Algorithmen verständlich formulierte Fehlermeldungen erstellt. „Sie zeigt dem Mitarbeiter auf seinem Smartphone oder Tablet an, welches Problem aufgetreten ist, wie er es beheben kann, welches Werkzeug er dazu braucht und was den Fehler vermutlich ausgelöst hat“, sagt Professor Daniel Palm, der das Reutlinger Zentrum Industrie 4.0 leitet, das die beiden Stuttgarter Fraunhofer-Institute IPA und IAO zusammen mit der ESB Business School betreiben.
Je mehr Daten, desto detaillierter die Handlungsanweisungen
Allerdings: Selbstlernende Algorithmen brauchen Daten, aus denen sie ihre Schlüsse ziehen können. „Ohne Daten zeigt die Software von AX Semantics nur an, was zu der jeweiligen Fehlernummer im Datenblatt steht. Alles andere muss der Maschinenbediener selber wissen“, erklärt Professor Palm. Wenn sich der Werker aber nach jedem Fehler, den er behoben hat, ein paar Minuten Zeit nimmt und der Software über ein Online-Formular mitteilt, welche Ursache der Fehler hatte und was genau er mit welchem Werkzeug getan hat, erzeugt die Software daraus ausführliche Handlungsanweisungen in verständlicher Sprache. „Beim nächsten Ausfall macht die Software dann konkrete Vorschläge, wie sich der Fehler beheben lässt“, sagt Frank Feulner, Chief Business Development Officer der AX Semantics.
Je mehr Fehlerchroniken eingepflegt sind, desto genauer sind die Anleitungen. Denn die selbstlernenden Algorithmen kombinieren die Daten verschiedener Fehlerchroniken miteinander. „So kann die Software mit der Zeit sogar bei Fehlern, die bisher noch nie aufgetreten sind, entscheidende Hinweise geben, um Maschinen schneller in Betrieb zu setzen“, sagt Feulner. „Über Mustererkennung versuchen wir auch komplexeren Fehlerzusammenhängen auf die Spur zu kommen.“ Der nächste Schritt ist nun der Einsatz im industriellen Maßstab. „Hierfür sprechen wir gerade mit interessierten Unternehmen für Pilotanwendungen“, sagt Professor Palm.
Fraunhofer Institut für Produktionstechnik und Automatisierung IPA
www.ipa.fraunhofer.de; Hannover Messe Halle 17, Stand C24
Mehr zum Thema Industrie 4.0
Hier finden Sie mehr über:
