„Smart Data Analytics ist eines der Schwerpunktfelder zur Digitalisierung unseres Produktionssystems“, berichtet Dr. Markus Grüneisl, Leiter Produktionssystem und Digitalisierung bei der BMW Group. Dabei gehe es aber nicht um die Technologie als Selbstzweck. Bei allen Anwendungen in den Werken stehe aber immer der konkrete Nutzen, die Wirkung im Vordergrund. Grüneisl: „Sehen wir bei einem Prozess Verbesserungspotenzial durch eine Smart-Data-Analytics-Lösung, setzen wir ein Pilotprojekt auf. Stellen sich die gewünschten Ergebnisse ein, integrieren wir die Lösung in den Serienprozess.“
Ein Beispiel ist die Feinsteuerung von Pressen durch lasermarkierte Karosserieteile. Bis zu 40 Tonnen schwere und drei Kilometer lange Stahlrollen, so genannte Coils, werden im Presswerk zu Platinen zugeschnitten und anschließend zu Karosserieteilen umgeformt. „Doch nicht an jeder Stelle des Coils sind Blechstärke, Blechfestigkeit, Oberfläche oder der Grad der Beölung gleich.“
Individuelle Feinjustierung der Pressen für jede Platine
Hier setzt eine Smart-Data-Analytics-Anwendung im Werk Regensburg an. Sie markiert jede Platine per Laser mit einem mehrstelligen Code. Künftig ermöglicht diese ID eine Feinjustierung der Pressen auf die Eigenschaften der Platine hin: Bei Bedarf könnte die ID einen Steuerbefehl enthalten, der in der Presse beispielsweise eine zusätzliche Beölung vor dem Umformen auslöst. Schon heute zeigt die Feinjustierung der Pressenparameter auf die Eigenschaften der Platine hin Wirkung: Die Zahl der Ausschussteile sinkt deutlich, der Materialnutzungsgrad eines Coils steigt weiter.
Ein weiteres Beispiel sind Lackierprozesse: Sensoren überwachen in den Lackierereien der BMW Group permanent die automatisierten Fertigungsprozesse. Die Online Prozessregelung kombiniert die Stärken einer Algorithmen basierten Analyse großer Datenmengen mit der Erfahrung der Mitarbeiter: „Der Mensch kann seine Rolle als Gestalter der Fertigungsprozesse noch besser ausfüllen, da die Technik reale Produktionsdaten sortiert und bestmöglich vorstrukturiert. Fehlerpotenziale können rechtzeitig erkannt und Nacharbeit vermieden werden.“
Um Qualitätssicherung geht es auch bei der Schraubdatenanalyse in mehreren Werken. Dazu überwacht und analysiert man sämtliche Verschraubungen, die für die Sicherheit des Fahrzeugs von Bedeutung sind. Denn Schraubverbindungen, die den Sollvorgaben nicht oder nur zum Teil entsprechen, können Nacharbeit verursachen. Im Rahmen ihrer präventiven Qualitätsstrategie hat BMW Algorithmen entwickelt, die in den Montagebereichen aller Fahrzeugwerke Schraubverbindungen an über 3200 Anlagen analysieren. Die Aufzeichnung der Schraubprozesskurven erfolgt während des Verschraubens.
Analyse erlaubt Rückschlüsse auf die Qualität der Schraubverbindung
Eine anschließende Analyse erlaubt präzise Rückschlüsse auf die Qualität der Schraubverbindung. Das Programm kann Fehlerarten erkennen und in einem Ursache-Wirkungs-Diagramm mögliche Fehlerquellen aufzeigen. Diese Erkenntnisse setzt man im Sinne präventiver Qualitätsarbeit bei der Schulung und Qualifizierung von Mitarbeitern um. Zusätzlich kann ein Trainer an einer mobilen Trainingsstation oder direkt am Arbeitsplatz Tipps zur Fehlervermeidung geben.
Die Analyse der Schraubprozesskurven liefert auch wichtige Erkenntnisse für die systematische Überwachung von Schraubanlagen und Parametern wie Anzugsdrehmomenten. So schaffen diese Erkenntnisse einen geschlossenen Regelkreis zur ständigen Verbesserung. Eine manuelle Analyse von Schraubprozesskurven käme in vielen Fällen nur zu dem Ergebnis – „in Ordnung“ oder „nicht in Ordnung“, ohne Ursachen für Fehler zu erkennen oder Verbesserungspotenziale aufzuzeigen.
Ein großer Treiber der Smart-Data-Bemühungen ist aber auch das Thema Verfügbarkeit. Grüneisl: „Die Instandhaltung ist ein großer Motivator – jede Minute weniger Anlagenstillstand bedeutet, dass Sie ein Fahrzeug mehr bauen können, ohne Kapazitäten anpassen zu müssen.“ Eine möglichst präzise Vorhersage, wann ein Ausfall droht, hilft ungeplante Anlagenstillstände zu vermeiden.
Datenbasierte Lösungen für die prädiktive Instandhaltung
Eine prädiktive Instandhaltung wird erst durch die intelligente Analyse einer großen Zahl realer Produktionsdaten, Sensordaten oder Prozessdaten möglich: Deren zielgerichtete Analyse erlaubt es, den optimalen Zeitpunkt für den Wechsel von Verschleißteilen in der Produktion zu bestimmen. Datenbasierte Lösungen zur prädiktiven Instandhaltung kommen an verschiedenen Stellen im Karosseriebau zum Einsatz. Sie ermöglichen die Vorhersage von entstehendem Getriebe- oder Bremsverschleiß von Robotern. An den Schweißzangen signalisieren Sensoren rechtzeitig, wann Fehler oder Qualitätsprobleme auftreten würden. Auch die Zuverlässigkeit elektrischer Antriebe verschiedenster Anlagen wie Lifts und Drehtische profitiert von einer engmaschigen Sensorüberwachung.
Aber auch die Fördertechnik in den Montagelinien wird überwacht. In der Montage sind zahlreiche Förderanlagen nun mit einer Vielzahl von Sensoren ausgestattet, die Temperatur, Vibrationen und die elektrische Leistung überwachen. Zum Einsatz kommen dabei Sensoren, deren günstiges Preis-Leistungs-Verhältnis einen großflächigen Einsatz erlaubt.
Big Data ist inzwischen völlig out – Smart Data ist gefragt
Die Daten dieser Sensorkits und weitere Prozessdaten übermitteln die Anlagen per Live-Stream in die BMW-Intranet-of-Things-Plattform, wo sie in Echtzeit visualisiert und analysiert werden. Lassen die Daten einen Trend zu Abweichungen oder Mustern aus vergangenen Ausfällen erkennen, meldet die Plattform dies den Mitarbeitern der Instandhaltung. Die Mitarbeiter können nun entscheiden, ob eines der Gehänge zur Wartung ausgeschleust werden sollte.
Herausforderung ist es dabei nicht, möglichst viele Daten zu sammeln. „Große Datenmengen einzusammeln ist wenig mehr als ein erster Schritt“, stellt Grüneisl klar. Der Begriff Big Data sei völlig zurecht inzwischen kaum noch üblich. Herauszufinden, welche Daten eine Analyse lohnen, sei schon etwas anspruchsvoller.
Grüneisl: „Die Herausforderung ist: Welche Daten sollten Sie sich anschauen, um relevante Erkenntnisse zur Verbesserung Ihrer Prozesse zu erhalten? Welche Daten helfen Ihnen, die Verfügbarkeit Ihrer Anlagen zu erhöhen? Wenn Sie dann auch noch die richtigen Schlüsse ziehen, sind Sie auf dem bestem Weg zu einem Regelkreis und können nicht nur einen bestimmten Prozess optimieren, sondern auch vor- und nachgelagerte Schritte.“
BMW Group
Steckbrief + Steckbrief + Steckbrief
Smart Data Analytics setzt bei BMW an verschiedenen Stellen der Produktion ein:
- Über einen per Laser aufgebrachten Code auf den Blechplatinen werden in der Karosserie-Produktion die Pressen auf die Eigenschaften der Platine hin optimiert.
- Zur Online Prozessregelung in den Lackierereien überwachen Sensoren die automatisierten Fertigungsprozesse.
- Während des Verschraubens überwacht BMW wichtige Schraubprozesskurven. Die Analyse erlaubt Rückschlüsse auf die Qualität der Schraubverbindung.
- Datenbasierte Lösungen zur prädiktiven Instandhaltung im Karosseriebau ermöglichen unter anderem die Vorhersage von entstehendem Getriebe- oder Bremsverschleiß von Robotern. Auch an den Schweißzangen signalisieren Sensoren rechtzeitig, wann Fehler oder Qualitätsprobleme auftreten würden.
Mehr zum Thema Industrie 4.0
