Diese Seite drucken
Freitag, 20 November 2020 13:00

Industrie 4.0 in der Galvanotechnik

von Stefan Kölle
Geschätzte Lesezeit: 10 - 20 Minuten
Industrie 4.0 in der Galvanotechnik Adobe Stock © vanillya

Die Digitalisierung bietet auch in der Galvanotechnik große Potentiale. Besonders die Verwendung von anfallenden Daten zur Verbesserung der Elektrolytführung, der vorausschauenden Anlagenwartung oder Steigerung der Qualität stellen spannende Anwendungsgebiete dar. Der Artikel bietet eine Übersicht zu Chancen und Hemmnissen bei der Einführung der Industrie 4.0, erläutert häufig verwendete Begriffe und führt in das Themengebiet rund um die Datenerfassung, Datenanalyse und die Simulation ein. Abschließend werden anhand von Praxisbeispielen aus Projekten des Fraunhofer IPA, des IFF der Universität Stuttgart und des IWF der TU Braunschweig erste KMU-taugliche Lösungen für die digitale Transformation in der Galvanotechnik vorgestellt.

1 Einführung

Die Digitalisierung der Industrie wird heute international als Industrie 4.0 bezeichnet. Die Entstehung kann auf ein Zukunftsprojekt aus dem Jahr 2011 zurückgeführt werden, das im Rahmen der Hightech-Strategie der Bundesregierung lanciert wurde [1]. Ein zentraler Bestandteil sind hierbei cyber-physische Systeme, welche die physischen Produktionsprozesse mit Daten aus der Cyber-Umgebung verknüpfen. Entscheidend beeinflusst die Industrie 4.0 somit nicht nur die Produktionsprozesse, sondern auch viele Geschäftsmodelle werden zusehends in Frage gestellt bzw. im Kontext der Digitalisierung weiterentwickelt [16].

gt 2020 11 0074Abb. 1: Cyber-physisches Produktionssystem als Kernelement der Industrie 4.0 (basiert auf [20])

Ziel der Industrie 4.0 ist es, durch eine intelligente Vernetzung von Anlagen und Abläufen einen hohen Nutzen für Produktionsunternehmen zu schaffen. Hierfür werden Methoden und Werkzeuge der Informations- und Kommunikationstechnologie genutzt. Die intelligente Vernetzung kann beispielsweise eingesetzt werden, um die Flexibilität der Produktion zu erhöhen, Daten effizienter zu nutzen (z. B. für die vorausschauende Wartung) oder die Ressourceneffizienz zu steigern [1].

Die Umsetzung der Industrie 4.0 in der Galvanotechnik ist durch die hohe Komplexität, welche aus der Kombination aus prozessorientierter und diskreter Fertigung resultiert, im besonderen Maße herausfordernd. Die neu entstehenden Werkzeuge und Methoden ermöglichen jedoch zusehend eine bessere Beherrschbarkeit der Komplexität und weisen somit ein besonders hohes Potential für die Branche auf. Dabei bieten sich der Galvanotechnik durch die Einführung von Industrie 4.0 große Potentiale in den Bereichen der Prozessoptimierung, der Bearbeitung von Auftragsprozessen, der Entwicklung von neuen Geschäftsmodellen und bei der Mitarbeiterentwicklung [18].

Eine Grundvoraussetzung sich neuen Themengebieten zuwenden zu können, sind die Faktoren Zeit und Ressourcen. Die meisten Unternehmen der Oberflächentechnik und speziell der Galvanotechnik haben eine Größe von 30 bis 100 Mitarbeitern. Bei diesen Unternehmensgrößen ist es in vielen Fällen nicht möglich, sich mit der nötigen Kapazität den anspruchsvollen Aufgabenstellungen der digitalen Transformation zu widmen. Zudem liegen für die Galvanotechnik noch keine fertigen, umfänglichen Lösungsansätze für die Einführung von Werkzeugen und Methoden der Industrie 4.0 vor [3].

In einer Umfrage bei Unternehmen der Plasmatechnik bescheinigten 60 % der Befragten der Industrie 4.0 eine hohe Bedeutung. Dort wurden die digitale Dokumentation von Aufträgen, die Vernetzung innerhalb der Produktion und die Überwachung von Produktionsprozessen als besonders bedeutende Aspekte genannt. [6] Diese Themen lassen sich in ihrer Bedeutung auf die Galvanotechnik übertragen, wo sich durch eine erfolgreiche Einführung ebenfalls positive Effekte hinsichtlich einer verbesserten Produktqualität, einer höheren Produktivität und damit einer Steigerung der Wirtschaftlichkeit ergeben können. Eine allgemeingültige Abschätzung der Potentiale ist aufgrund der Vielzahl von unterschiedlichen Beschichtungsverfahren, Anlagentypen und Unternehmensstrukturen nicht möglich. Dies führt auch zu den Herausforderungen, die sich bei einer Einführung von Industrie 4.0 in die Galvanotechnik ergeben.

Für die Herstellung galvanotechnischer Oberflächen ist das Zusammenspiel einer Vielzahl von Einflussgrößen erforderlich, das sich von der Anlagentechnik, über die Peripherie (bspw. Pumpen, Abluft, Medienversorgung) hin zu den wechselwirkenden chemischen (anorganische und organische Komponenten, Abbauprodukte, pH-Wert) und physikalischen (Temperatur, Stromdichte, Stromform) Beschichtungsparametern erstreckt. Ähnlich groß ist die Anzahl der Akteure, die am Entstehen der Beschichtungen beteiligt sind. Die Beschichtungsanlage besteht dabei aus Behältern, ggf. Fahrwagen, Gleichrichtern, Peripherie wie Pumpen und Lüftungstechnik.

Je nach Komponentenhersteller liegen ggf. unterschiedliche Schnittstellen vor. Hinzu kommt der Elektrolyt, der üblicherweise von einem Verfahrenslieferanten bezogen wird. Das Beschichtungsunternehmen steht damit vor der großen Aufgabe die Vielzahl der Einzelsysteme und Komponenten miteinander und mit den eigenen Systemen und Geräten zu vernetzen, um die oben genannten Potentiale ausschöpfen zu können.

Hemmnisse auf dem Weg zur Umsetzung lassen sich ebenfalls aus den Betrachtungen der Plasmatechnik ableiten. Dabei handelt es sich um die Faktoren Zeit, die hohe Komplexität und die nötigen Investitionskosten mit einem meist in der absoluten Höhe unklaren Nutzen [6]. Diesem Aufwand-Nutzen-Konflikt lässt sich mit der Erarbeitung von allgemeinen Umsetzungskonzepten, einer inhaltlicher Aufbereitung des Themengebiets und konkreten Projektbeispielen entgegentreten.

2 Cyber-physische Produktionssysteme für die Galvanotechnik

Cyber-physische Produktionssysteme (CPPS) sind ein Kernelement der Industrie 4.0 und ermöglichen die Kopplung von physischen Elementen mit virtuellen Elementen eines Produktionssystems. In der Abbildung 1 ist der Aufbau eines solchen Systems am Beispiel der Galvanotechnik skizziert. Konkret können beispielsweise Anlagen und Maschinen mit simulations- oder daten- basierten Modellumgebungen gekoppelt werden.Datenerfassungssysteme stellen hierbei die Kopplung aus der physischen in die virtuelle Umgebung sicher und aus der virtuellen Umgebung können Steuerungssignale und/oder Entscheidungsunterstützungen für die physische Umgebung abgeleitet werden [20].

Insbesondere für die Galvanotechnik haben CPPS ein hohes Potential, da durch diese die hohe Komplexität (Kombination aus diskreter und prozessorientierter Fertigung) der Prozesse besser beherrscht werden kann. Die Abbildung des Produktionssystems in einer Modellumgebung ermöglicht ein wesentlich besseres Systemverständnis und es können hieraus neue Ansätze zur Verbesserung der Produktivität erreicht werden. Insbesondere können diese Ansätze bei der Verbesserung der Energie- und Ressourceneffizienz, der Robustheit und der Wandlungsfähigkeit der Prozesse unterstützen [18].

2.1 Physisches System: Galvanikanlage

Die Galvanotechnik ist eine sehr breit gefächerte Branche. Das Spektrum der Teile reicht von Kleinstteilen im Millimeterbereich und darunter bis hin zu tonnenschweren Produkten mit 10 m Länge und mehr. Ebenso variabel sind die Schichtsysteme (von dekorativen und funktionalen Zielen bis hin zu Spezialanwendungen wie Galvanoformung und Werkzeugbau) und damit auch die Fertigungstechniken (Manufaktur, Galvanoautomat, Rolle-zu-Rolle usw.) und Unternehmen (Lohngalvanik, In-House-Fertigung, Systemlieferant). Ein allgemeiner Stand für „die“ Galvanotechnik ist daher pauschal schwer fassbar.

Im Bereich von Großteilen, Spezialanwendungen und Teilen mit geringer Stückzahl ist eine manuelle Fertigung gebräuchlich. Der meistgenutzte Anlagentyp für größere Stückzahlen ist aktuell sicherlich der Galvanoautomat in Verbindung mit Gestellen oder Trommeln. Die Gestelle/Trommeln sind dabei an Warenträgern angebracht und werden innerhalb der Anlage automatisch behandelt. Das Be- und Entstücken der Warenträger bzw. Gestelle/Trommeln erfolgt dabei manuell oder über eine Automatisierung, wobei der Anteil der automatisierten Bestückung tendenziell zunimmt, aber bei weitem noch nicht als Standard flächendeckend eingesetzt wird. Eine Anlage stellt eine Ansammlung von Behältern für die Elektrolyte dar, welche über ein Transportsystem verbunden werden. Sie verfügt über alle direkt betriebsnotwendigen Ausstattungen (z. B. Sensoren an Behältern, Heizung/Kühlung, Pumpen/Filter, Gleichrichter usw.), welche durch ein übergeordnetes Steuerungssystem geschaltet werden.

2.2 Datenerfassung

In Produktionsunternehmen fallen an verschiedensten Stellen Daten an, welche als Basis für CPPS dienen können. Die Automatisierungspyramide in Abbildung 2 bietet einen Überblick über die verschiedenen Systeme zur Erfassung von Daten in Produktionsunternehmen beginnend bei der konkreten Erfassung von Zuständen an Anlagen mittels Sensorik bis hin zur unternehmensweiten Datenerfassung im ERP. Je nach Ebene unterscheiden sich die erfassten Datenvolumina und Auflösungen.

gt 2020 11 0072Abb. 2: Aktuelle Kommunikationsstruktur in der Fabrik [14]

Aktuell werden zwischen den einzelnen Ebenen meist verschiedene Standards zur Kommunikation eingesetzt und können die durchgängige Integration von CPPS erschweren. Der hersteller- und plattformunabhängige Kommunikationsstandard OPC Unified Architecture (OPC UA) [15] ermöglicht hier eine reibungslosere Kommunikation zwischen allen Ebenen und vereinfacht die durchgängige Umsetzung von CPPS in Betrieben.

Die Erfassung von Daten erfolgt vorrangig für Zwecke in diesem Zusammenhang (z. B. Temperatur zur Regelung der Heizung/Kühlung), dementsprechend werden auch die Sensoren für die Anlagen vorrangig gewählt. Durch die unterschiedlichen Komponenten von verschiedenen Herstellern ergibt sich in Verbindung mit dem individualisierten Aufbau der Anlagen eine hohe Variantenvielfalt. Der Datenaustausch ist meist überschaubar und beschränkt sich zumeist auf die funktional notwendigen Aspekte. Aufgezeichnet werden hauptsächlich qualitäts- und dokumentationsrelevante Parameter (Nachverfolgbarkeit), dies wird jedoch stark unterschiedlich gehandhabt und beschränkt sich häufig auf eine Protokollierung bzw. Ablage der Logdateien. Eine Weiterverarbeitung oder sogar automatisierte Auswertung dieser Daten erfolgt in den meisten Fällen nicht.

Zusätzlich fallen Daten neben der Anlagensteuerung auch in vor- und nachgelagerten sowie begleitenden Bereichen an. Hier sind vor allem die Prozesskontrolle bzw. chemische Analytik, Logistikdaten und die Qualitätskontrolle (z. B. Messung der Schichtdicke und Legierungszusammensetzung) zu nennen. Durch unterschiedliche Schnittstellen besteht oft ein Stückwerk aus verschiedenen Systemen und verstreut erfassten Daten mit nur auszugsweiser, zentraler Erfassung.

2.3 Entscheidungsunterstützung und Steuerungen

Die Gesamtsteuerung einer Galvanikanlage erfolgt meist über eine zentrale (SPS) in Kombination mit einer PC-basierten Visualisierung als Mensch-Maschine-Schnittstelle (MMS bzw. HMI für das englische Human-Machine-Interface). Die SPS kann dabei die Steuerung und Regelung von Komponenten direkt übernehmen oder im Falle von Geräten, Aggregaten oder Peripherieanlagen (z. B. Abluft) mit eigenen Systemen diese über Signale und Befehle ansteuern und ggf. zurückgemeldete Daten verarbeiten.

Bei der Steuerung und Regelung der einzelnen Funktionen bestehen große Unterschiede bezüglich Optimierung und Komplexität. Die Transportvorgänge werden beispielsweise über Algorithmen berechnet und ggf. optimiert, um einen hohen Warendurchsatz zu generieren. Andere Funktionen werden durch kontinuierliche Überwachung durch Sensoren (Temperatur, Füllstand, ggf. auch pH-Wert usw.) geregelt. Manche Zustände, speziell chemische Parameter, werden meist nicht kontinuierlich, sondern in gewissen Abständen kontrolliert.

In diesen Fällen erfolgt ein Eingriff entweder nur einmalig anhand dieser Kontrollergebnisse, in festen Intervallen oder bei dem Bedarf nach einer feineren Regelung anhand ermittelbarer Leitdaten. Ein bekanntes Beispiel für diese Art der Regelung ist die amperestundenbasierte Nachdosierung von Elektrolytzusätzen. Nachteilig an diesen Leitdaten ist die eingeschränkte Berücksichtigung der realen Vorgänge, da die Aktionen anhand von Vorgaben ausgerichtet werden und der aktuell vorliegende reale Produktmix davon abweichen kann.

2.4 Cyber System: Smart Data und Big Data

Das virtuelle cyber System, oft auch als digitaler Zwilling bezeichnet, bildet das physische System digital ab. Hierfür werden im Wesentlichen modellbasierte und datenbasierte Ansätze verfolgt, welche im Folgenden detaillierter vorgestellt werden.

2.4.1 Smart Data: Modellbasierte Ansätze

Im Rahmen von modellbasierten Ansätzen wird das Produktionssystem mittels physikalischen/chemischen Modellen in einer Rechenumgebung abgebildet. Hierfür wird umfangreiches Prozesswissen benötigt, um den Prozess vollumfänglich abbilden zu können. Vorteil dieses Ansatzes liegt darin, dass meist nur wenige spezifische Daten aus dem physischen System notwendig sind und der Datenerfassungsaufwand minimiert werden kann.

Modellbasierte Ansätze werden in der Regel in der Form einer Simulation umgesetzt, welche sich im Kontext von Produktionssystemen gemäß der VDI-Norm 3633 [19] als das „Nachbilden eines Systems mit seinen dynamischen Prozessen in einem experimentierbaren Modell, um zu Erkenntnissen zu gelangen, die auf die Wirklichkeit übertragbar sind; insbesondere werden die Prozesse über die Zeit entwickelt“ definiert (VDI 3633 [19]).

Die Vorteile einer Simulation von Produktionssystemen, bestehend aus Prozess- und Prozesskettensimulation, bestehen darin, dass nicht vorhandene Systeme untersucht werden können und reale, bestehende Systeme ohne Eingriff in den Betrieb untersucht werden können. Für die Galvanotechnik wird dadurch die Untersuchung verschiedener Anlagen- und Elektrolytfahrweisen möglich, ohne direkt in das physische System einzugreifen. Dies führt zum nächsten Vorteil, der Möglichkeit, verschiedene Optimierungsstrategien mit einem Minimum an Aufwand zu prüfen indem einfach die Parameter des Modells geändert werden. Dies ermöglicht es im laufenden Betrieb stetig die aktuelle Strategie zu hinterfragen und ggf. die Parameter im realen Prozess nach einem erfolgreichen Test in der Simulation anzupassen (VDI 3633 [19]) [8].

Allgemein können Simulationen in statische und dynamische Simulationen unterteilt werden. Statische Ansätze berücksichtigen nicht den zeitlichen Verlauf, während dynamische Ansätze die Dimension Zeit berücksichtigen und somit eine Anpassung von Parametern während der Laufzeit des Modells hinweg ermöglichen. Ferner können die Simulationsansätze in stochastische und deterministische Ansätze aufgeteilt werden. Stochastische Modelle beinhalten Zufallsvariablen, sodass es bei der Durchführung einzelner Simulationsläufe zu Schwankungen kommt. Typischerweise ist die Zufallsvariable statistisch um einen Durchschnittswert herum verteilt. Deterministische Simulationen beinhalten keine Zufallsvariablen und die Ausgabe ist stets gleich [8]. Darüber hinaus können Simulationen in diskrete und kontinuierliche Systeme unterteilt werden. In diskreten Systemen ändern sich die Variablen nur zu bestimmten Zeitpunkten, während kontinuierliche Simulationen die Abbildung zeitlicher Änderungen ermöglichen [2]: Ein diskretes Fertigungssystem ist eine Produktionslinie, bei der ankommende Teile an einer Maschine den Zustand des Modells ändern (Bauteil in Warenträger gehängt). Kontinuierliche Systeme können Prozessanlagen sein, in denen z. B. eine Chemikalie verbraucht wird. Änderungsraten können hier durch Differentialgleichungen oder Differenzgleichungen beschrieben werden.

Programme zur Simulation von Produktionssystemen sind für verschiedenste Einsatzbereiche verfügbar. Weite Verbreitung in der diskreten Fertigung hat Plant Simulation der Siemens AG mit vielen Möglichkeiten zur Anbindung an weitere Systeme. Universeller einsetzbar ist die Software Anylogic von The AnyLogic Company, welche auch die Simulation von Systemen über die Produktion hinaus ermöglicht.

2.4.2 Big Data: Datenbasierte Ansätze

Datenbasierte Ansätze sind ein mittlerweile weit verbreiteter Prozess für die Auswertung großer Datensätze. Anfänglich wurde dieser vornehmlich für die Auswertung von Internetsuchen, sozialen Netzwerken und Finanzmärkten eingesetzt. Durch die aktuellen Entwicklungen der Industrie 4.0 erhalten diese Ansätze zusehend Einsatz in der industriellen Produktion.

gt 2020 11 0075Abb. 3: Phasen des CRISP-DM Referenzmodells [17]Mit dem CRoss-Industry Standard Process for Data Mining (CRISP-DM) gibt es einen etablierten Prozess für das Data Mining [17]. Die einzelnen Phasen können der Abbildung 3 entnommen werden. Ein grundlegender Baustein dieses Prozesses ist es, die Daten in einem Modell abzubilden und anhand von diesem Verknüpfungen und Zusammenhänge in den Daten aufzuzeigen. Hierfür werden systematisch Methoden der Statistik auf große Datenbestände angewendet [5].

Das weitergehende Maschinelle Lernen bedient sich hierbei unter anderem den Methoden des Data Minings. Dieses unterteilt sich wiederum in die Bereiche überwachtes Lernen (supervised learning) und nicht überwachtes Lernen (unsupervised learning). Beim überwachten Lernen ist es das Ziel ein Modell zu entwickeln, welches Vorhersagen zu Eingangsdaten liefern kann, zu denen kein Datensatz existiert. Bekannte Beispiele für überwachtes Lernen sind künstliche neuronale Netze KNN (artificial neural network, ANN) und Entscheidungsbäume (decision trees). Für den Bereich des nicht überwachten Lernens ist kMeans ein bekannter Algorithmus. Ziel des nicht überwachten Lernens ist es Muster und Verknüpfungen in einem gegebenen Datensatz zu finden. kMeans z. B. versucht alle Datensätze einer Gruppe (Cluster) zuzuordnen. Die Anzahl an Gruppen, die gesucht wird muss dabei vorher spezifiziert werden [10].

Algorithmen für Maschinelles Lernen sind in proprietärer und nicht proprietärer Software bzw. Programmiersprachen verfügbar und gut eingebunden. Software wie z. B. KNIME bieten mit ihrer GUI eine gute Übersichtlichkeit der Auswertung. Für eine kontinuierliche Auswertung und Echtzeit-Anwendungen sind jedoch Programmiersprachen zu bevorzugen, z. B. C/C++, Python, R oder Java.

Die Modelle des cyber Systems sollen genutzt werden, um das physische System positiv zu beeinflussen. Dafür können aus dem cyber System direkt Steuersignale abgeleitet werden oder eine Visualisierung ermöglicht es, die Mitarbeiter in ihren Entscheidungen zu beeinflussen.

3 Anwendungsbeispiele

Im Folgenden wird ein bereits durchgeführtes und ein geplantes Vorhaben aus dem großen Themengebiet der Industrie 4.0 vorgestellt.

Digitaler Zwilling in einer Galvanik

Das Projekt Galvanik 4.0, das in Form eines ZIM-Kooperationsprojektes vom BMWi gefördert wurde, hatte das Ziel, die Prozessstabilität eines Zink-Nickel-Verfahrens für die Trommelbeschichtung zu verbessern. Die galvanische Abscheidung von Legierungsschichten ist komplex, da die Abscheidung von zwei oder mehr Metallen die Anzahl der zu beherrschenden Prozessparameter und der Elektrolytbestandteile deutlich erhöht.

Der verfolgte Lösungsansatz der Entwicklung war dabei, den Verbrauch der Elektrolytbestandteile über eine Stoffbilanzierung digital abzubilden. Das Institut für Werkzeugmaschinen und Fertigungstechnik IWF der TU Braunschweig baute dazu einen digitalen Zwilling der Galvanikanlage des beteiligten Projektpartners auf. Des Weiteren wurde zusammen mit dem Institut für Industrielle Fertigung und Fabrikbetrieb IFF in Kooperation mit dem Fraunhofer IPA ein digitales Abbild des Elektrolyten erstellt [11, 13]. Dieses Simulationsmodell bietet durch die Eingabe von Verbrauchskennwerten die Möglichkeit zeitunabhängig und ohne Eingriff in den Produktionsprozess Zustände der realen Produktionsanlage abzubilden und daraus prozessverbessernde Eingriffe abzuleiten.

Die Herausforderung war dabei das Modell der Anlage und des Elektrolyten möglichst exakt darzustellen, damit Abweichungen zwischen dem realen System und dem Modell möglichst gering sind. Der bestimmende Faktor für die Verbrauchskennwerte ist bei einer Trommelbeschichtungsanlage vor allem die Verschleppung durch Trommel und Bauteile. In Zusammenarbeit mit dem Lohnbeschichtungsunternehmen wurden die zu beschichtenden Bauteile nach vorausgehender empirischer Messung in Verschleppungskategorien unterteilt, die anschließend im ERP System hinterlegt wurden.

Entscheidend für die erfolgreiche Umsetzung und Nutzung des Simulationsmodells war die Einbindung von realen Auftragsdaten aus der MES in das digitale Abbild, um die Veränderung des Elektrolyten aufgrund der realen Beschichtungsvorgänge nachverfolgen zu können.

Im Vergleich zu der üblichen Verbrauchssteuerung über Amperestunden, die einen Mittelwert der Verschleppung im Verhältnis zur beschichteten Fläche annimmt, ergeben sich dadurch vor allem bei Häufungen einzelner Bauteiltypen deutliche Abweichungen zwischen den beiden Fahrweisen. Bei der Validierung der Algorithmen konnte mit dem Simulationsmodell eine rechnerische Genauigkeit der Konzentration eines Elektrolytbestandteils im Laufe eines Monats von durchschnittlich 2,8 % Abweichung zur chemisch analysierten Konzentration erreicht werden.

Das digitale Abbild der Beschichtungsanlage und des Elektrolyten mit seinen spezifischen Verbrauchskennwerten ermöglicht in Kombination mit den realen Auftragsdaten die rechnerische Bestimmung von Elektrolytkonzentrationen. Dies ist gerade hinsichtlich von schwer oder nur unregelmäßig bestimmbaren Elektrolytbestandteilen von großem Interesse. Durch einen digitalen Zwilling des Elektrolyten lassen sich damit zukünftig die Prozessstabilität verbessern, engere Toleranzen fahren und dadurch Kosten für Chemikalien einsparen. Einen Schritt weitergedacht, kann die Entwicklung eines digitalen Zwillings des Elektrolyten für den Ansatz eines Systems zur vorausschauenden Elektrolytwartung genutzt werden. Dieser Ansatz soll im Rahmen eines geplanten Forschungsvorhabens entwickelt werden.

Vorausschauende Wartung einer Anlage

Die Instandhaltung beinhaltet alle technischen und administrativen Maßnahmen zum Erhalt des funktionsfähigen Zustands einer Betrachtungseinheit sowie deren Wiederherstellung im Falle eines Ausfalls [7]. In der betrieblichen Praxis spielt die Instandhaltung aufgrund von hohen Kosten und Stillstandzeiten eine sehr große Rolle. Hinsichtlich der betriebswirtschaftlichen Faktoren können mangelhafte Instandhaltungsmaßnahmen zu Einbußen in der Produktionskapazität von bis zu 20 % führen [9]. Bei einer Expertenbefragung bescheinigten daher ca. 80 % der Befragten der Instandhaltung eine hohe und weiterhin steigende Bedeutung [12]. Die Instandhaltung lässt sich in drei Strategien unterteilen. Die reaktive, schadensabhängige Instandhaltung, die vorbeugende und präventive Instandhaltung und die vorausschauende Instandhaltung. Die vorausschauende Instandhaltung verfolgt dabei den Gedanken, auf Basis von Datenerfassungen einen Ausfall vorherzusagen. Der Soll-Zustand wird bewahrt [9].

Durch die Erfassung von Daten, die Vernetzung von Systemen und die Analyse dieser Daten, wie sie im Zuge der Einführung von Industrie 4.0 verfolgt wird, ergeben sich hinsichtlich der vorausschauenden Wartung neue Möglichkeiten. Dies betrifft insbesondere auch die Galvanikindustrie, bei der die Herausforderung darin besteht, dass eine Galvanikanlage im Vergleich zu einer Werkzeugmaschine aus Einzelkomponenten verschiedener Hersteller besteht. Der Elektrolyt, der üblicherweise über einen Verfahrenslieferanten bezogen wird, bedarf ebenfalls einer kontinuierlichen Kontrolle. Einheitliche Konzepte der Vernetzung und des Datenaustauschs, die zur vorausschauenden Instandhaltung von Elektrolyt und Anlage und damit für einen stabilen Beschichtungsprozess ohne unnötigen Stillstand genutzt werden könnten, liegen in der Galvanotechnik aktuell nicht vor.

gt 2020 11 0076Abb. 4: Verlauf der simulierten und analytisch ermittelten Konzentration [13]

Im Rahmen eines geplanten Forschungsvorhabens stellt sich ein interdisziplinäres Team aus Industrie und Wissenschaft dieser Herausforderung, um den Wartungsprozess von Anlage und Elektrolyt zu vereinfachen und damit die Anlagen- und Elektrolytverfügbarkeit zu erhöhen. Mit Hilfe von Simulations- und Big-Data-Ansätzen soll in dem Vorhaben der Anlagenbetreiber bzw. ein Servicepartner in die Lage versetzt werden, bedarfsgerecht und vorausschauend Wartungsmaßnahmen zu ergreifen. Aus verfahrenstechnischer Sicht soll das Konzept der Elektrolytführung mit Hilfe von Simulation und Datenauswertung weiterentwickelt werden.

Bestandteil ist dabei auch die Untersuchung, welche Sensoren und die Erfassung welcher Daten notwendig sind, da häufig eine Vielzahl von Daten gesammelt, diese jedoch weder zentral erfasst noch analysiert und verwertet werden. Durch die Entwicklung von Modellen und Algorithmen soll eine vorausschauende Wartung von Elektrolyt und Anlagentechnik ermöglicht werden, so dass zukünftig eine Fahrweise mit engeren Toleranzgrenzen mit höherer Kapazität und vor allem mit möglichst kurzen Stillstandzeiten etabliert werden kann.

4 Zusammenfassung

Ziel der Industrie 4.0 ist durch intelligente Vernetzung von Anlagen und Abläufen Produktivität, Flexibilität und Qualität von Produktionsprozessen zu verbessern sowie Möglichkeiten für neue Geschäftsmodelle zu bilden. Die Galvanotechnik steht dabei vor der schwierigen Aufgabe der digitalen Transformation im Spannungsfeld begrenzter Personalkapazität, unbekannten Investitionskosten und der Frage nach dem ‚wo anfangen'.

Das IWF der TU Braunschweig und das Fraunhofer IPA arbeiten mit verschiedenen KMU aus der Galvanotechnik daran, nützliche und umsetzbare Lösungen für die Galvanotechnik zu entwickeln, mit denen die ersten Schritte in der Umsetzung der Industrie 4.0 genommen werden können. Der aktuelle Fokus liegt dabei auf der nutzbringenden Verwendung von bereits anfallenden Daten.

In einem öffentlich geförderten Projekt wurden mit Hilfe eines digitalen Abbilds der Anlage Ansätze geschaffen, mit denen die Elektrolytführung verbessert werden kann. In einem weiterführenden Projekt sollen Lösungen für die vorausschauende Wartung in Galvanikbetrieben entwickelt werden, damit auch die Galvanotechnik von den Einsparpotentialen profitieren kann, die sich aus kurzen Stillstandzeiten und höherer Produktivität ergeben.

Literatur

[1] BMBF, 2019, Industrie 4.0, Verfügbar unter: https://www.bmbf.de/de/zukunftsprojekt-industrie-4-0-848.html Zugriff am: 01.07.2019
[2] Borshchev, A.; Filippov, A.: From System Dynamics and Discrete Event to Practical Agent Based Modeling: Reasons, Techniques, Tools, Proceedings of the 22nd International Conference of the System Dynamics Society, 2004
[3] Deutsche Messe AG, 2019, Aller Anfang ist schwer, JOT Journal für Oberflächentechnik 59 (3), 70–71, DOI: 10.1007/s35144-019-0024-6
[4] Fallenbeck, N.; Eckert, C.: IT-Sicherheit und Cloud Computing, In: Vogel-Heuser, B.; Bauernhansl, T.; Hompel, M. ten (Hrsg.): Handbuch Industrie 4.0. 2. Auflage, Springer Vieweg, Berlin, 2017, 137–171, DOI: 10.1007/978-3-662-53254-6_8
[5] Fayyad, U.; Piatetsky-Shapiro, G.; Padhraic, S., From Data Mining toKnowledge Discovery in Databases, AI Magazine 17 (3), 1996, 37–54
[6] Ferse, K.; Awakowicz, P.; Beck, U.; Brand, C.; Engelstädter, J.P.; Fiedler, W.; Foest, R.; Kersten, H.; Lemmer, O.; Schäfer, H.-J.; Schwock, A.: Plasmatechnik 4.0. Vakuum in Forschung und Praxis 30 (6), 2018, 34–39, DOI: 10.1002/vipr.201800697
[7] Norm DIN 31051 2012 DIN 31051:2012, Grundlagen der Instandhaltung.
[8] Harrell, C.R.; Djonov, V.; Fellabaum, C.; Volarevic, V.: Risks of Using Sterilization by Gamma Radiation: The Other Side of the Coin. International journal of medical sciences 15 (3), 2018, 274–279, DOI: 10.7150/ijms.22644
[9] Huber, M.: Fallstudie: Predictive Maintenance, In: Haneke, U.; Trahasch, S.; Zimmer, M.; Felden, C. (Hrsg.): Data Science, dpunkt, Heidelberg, 2018, 225–244
[10] James, G.; Witten, D.; Hastie, T.; Tibshirani, R.: An introduction to statistical learning: With applications in R., Corrected at 8th printing, Springer texts in statistics, Springer, New York, Heidelberg, Dordrecht, London, 2017
[11] Kölle, S.; Mock, C., Schmid, K.; Beatriz dos Santos, C.: Von der Industrie 4.0 zu Galvanik 4.1 – Elektrolytführung neu gedacht, Womag, 4, 2019
[12] Kuhn, A.; Schuh, G.; Stahl, B.: Nachhaltige Instandhaltung: Trends, Potenziale und Handlungsfelder nachhaltiger Instandhaltung, Ergebnisbericht der vom BMBF geförderten Untersuchung Nachhaltige Instandhaltung, Frankfurt a.M.: VDMA-Verl., 2006
[13] Leiden, A.; Thiede, S.,; Herrmann, C.: Von der Industrie 4.0 zu Galvanik 4.1 – Cyber-physische Produktionssysteme für die Galvanoprozesskette, Womag, 12, 2018
[14] Neef, B.; Plank, M.; Posselt, G.; Thiede, S.; Herrmann, C.: Demand-oriented Selection and Combination of Industrial Bus Systems for Advanced Energy Management Purposes, Procedia CIRP 48, 2016, 224–229, DOI: 10.1016/j.procir.2016.04.090
[15] OPC Foundation, 2019, Unified Architecture, verfügbar unter: https://opcfoundation.org/about/opc-technologies/opc-ua/, Zugriff am: 11.07.2019
[16] Reinhart, G.: Handbuch Industrie 4.0: Geschäftsmodelle, Prozesse, Technik, Hanser, München, 2017, verfügbar unter: http://dx.doi.org/10.3139/9783446449893 DOI: 10.3139/9783446449893
[17] Shearer, C.: The CRISP-DM Model: The New Blueprint for Data Mining, 4 5, 2000, 13–22, verfügbar unter: https://mineracaodedados.files.wordpress.com/2012/04/the-crisp-dm-model-the-new-blueprint-for-data-mining-shearer-colin.pdf
[18] Sievers, U.: Von Industrie 4.0 zu Galvanik 4.1 – Potenzial und praktische Umsetzung des Konzepts der Industrie 4.0 in der Galvanotechnik, Womag, 11, 2018, 1–2
[19] VDI 3633:2014, Simulation von Logistik-, Materialfluss- und Produktionssystemen
[20] Thiede, S.; Juraschek, M.; Herrmann, C.: Implementing Cyber-physical Production Systems in Learning Factories, Procedia CIRP 54, 2016, 7–12, DOI: 10.1016/j.procir.2016.04.098

Weitere Informationen

  • Ausgabe: 11
  • Jahr: 2020
  • Autoren: Stefan Kölle, Peter Schwanzer, Martin Metzner, Alexander Leiden, Sebastian Thiede, Christoph Herrmann

Ähnliche Artikel