Abschließend erfolgt die visuelle Darstellung der Gesundheitsdaten zusammen mit den Prozess- und Verbrauchsdaten. Mit dem Visualisierungstool Grafana kann der Anwender folglich ebenfalls Alarme generieren und per E-Mail oder Direktnachricht verschicken. Erkennt das Modell eine Anomalie, senkt es den Wert des Gesundheitszustands. Nach dem Überschreiten eines definierten Schwellwerts wird eine Nachricht an das Wartungsteam übermittelt. Diese enthält Informationen zum Zeitpunkt der Anomalie sowie zu den betroffenen Signalen. Im Anhang findet sich auch ein Bild der Prozessdatenvisualisierung. Durch den Alarm und die Zusatzinformationen kann das Wartungsteam nun besser entscheiden, ob Instandhaltungsmaßnahmen erforderlich sind. Auf diese Weise lassen sich ungeplante Anlagenstillstände verhindern und Wartungsarbeiten besser planen. Das führt wiederum zu einer Entlastung der Teammitglieder sowie zur Erhöhung der Verfügbarkeit in der Produktion.
Anlagenstillstand verkürzen oder verhindern
Ein Beispiel für das zustandsorientierte Instandhaltungssystem steht in der PLCnext Factory von Phoenix Contact in Bad Pyrmont. Dort wird die Energieaufnahme einer Lötwellenanlage in der Elektronikfertigung überwacht. Die Signaldopplung von Lichtschranken resultiert in einer direkten Rückführung der Anomalie auf den entsprechenden Produktionsschritt in der Anlage. Ferner lassen sich die verschiedenen Aktuatoren den Phasen in der Stromversorgung zuordnen. Der Instandhalter kann also feststellen, auf welcher Komponente oder welchem Prozessschritt die Fehlfunktion beruht. Das verkürzt Stillstandszeiten oder verhindert sie ganz.
Die Kontrolle von prozesskritischen Versorgungsaggregaten ist ebenfalls mit MLnext umsetzbar. Durch die Analyse von Betriebsdrücken und Energieverbräuchen wird zum Beispiel eine Verschleißüberwachung an einer Pumpe oder einem Kompressor durchgeführt. So lässt sich ein Komponententausch frühzeitig detektieren und somit der Stillstand des Aggregats vermeiden. Neben der Instandhaltung erlaubt Digital Factory now auch die bessere Nutzung von Ressourcen. Eine Vorhersage der Produktqualität von Spritzgussteilen auf der Grundlage der Stabilität der Prozessparameter verhindert etwa den Anfall von Ausschuss beim Wiederanlaufen der Anlage. Dadurch müssen weniger Teile entsorgt werden, was eine ressourcenschonende Fertigung unterstützt.
Ü Ganzheitlicher Ansatz zum Sammeln, Speichern und Auswerten von Daten durch das Konzept der ‚Digital Factory now‘,
Ü Verkürzung von Stillstandszeiten und Entlastung der Instandhaltung aufgrund einer Datenanalyse,
Ü parametrierbares Erstellen und Ausführen von Machine-Learning-Modellen mit MLnext,
Ü Einsatz z.B. für die Feststellung von Anomalien, die Verschleißüberwachung sowie die Prozessstabilitätserkennung.