Wie die Integration zusätzlicher Sensoren in Roboter dazu beiträgt, die Verfügbarkeit zu erhöhen, Wartungspläne zu optimieren und neue Geschäftsmöglichkeiten zu schaffen.
Nichts ist so frustrierend wie eine Maschine, die unerwartet stehen bleibt. Zum Beispiel, wenn unser Auto am Morgen nicht anspringt. Um ein solches Ärgernis zu vermeiden, sollten wir die empfohlenen Service-Intervalle einhalten. Wir tun dies aber nicht gerne, da das oft mit zusätzlichem Zeitaufwand und Kosten für Ersatzteile und Serviceleistungen verbunden ist.
Wie können wir also das Gleichgewicht zwischen zu viel und zu wenig Wartung finden? Und wie können uns Sensoren helfen, die Planung einer solchen Wartung zu optimieren?
In der Industrie ist das ähnlich: Die eingesetzten Automatisierungssysteme und Roboter können ihre Arbeit nur erledigen, wenn sie voll funktionsfähig sind. Um das zu gewährleisten, müssen sie regelmäßig gewartet werden. Schaltet man diese Maschinen aber zu Wartungszwecken ab, steht diese wertvolle Zeit nicht für Produktionszwecke zur Verfügung. Darüber hinaus könnten die Automatisierungsteams Teile ersetzen, obwohl sie aufgrund des spezifischen Lastprofils im Produktionsprozess noch voll funktionsfähig sind. Das verursacht erhebliche Kosten, die sich vermeiden ließen, wenn die Benutzer der Maschine es besser wüssten.
Automatische Systeme und Roboter sind mittlerweile in den meisten Fabriken an der Tagesordnung, und man könnte leicht auf die Idee kommen, dass sie so lange laufen, bis der Strom abgeschaltet wird. Es obliegt jedoch den Technikern und Ingenieuren, dafür zu sorgen, dass alles reibungslos funktioniert.
Wie auch unsere Autos müssen die meisten Fertigungsanlagen bestimmte Wartungsintervalle einhalten. Nach statistischen Service-Vorhersagen muss die Maschine nach einer bestimmten Anzahl von Betriebsstunden geölt, Teile müssen ersetzt und wichtige Elemente überprüft werden. Manchmal lassen sich diese Inspektionen schnell und einfach durchführen. Ein anderes sind möglicherweise viele Arbeitsstunden notwendig, und (manchmal) müssen teure Teile ausgewechselt werden, um spätere unerwartete Ausfälle zu vermeiden.
Je nach Verwendung können die Intervalle zwischen diesen geplanten Wartungen variieren. Ein Roboterarm, der regelmäßig tonnenschwere Gussteile heben muss, wird wahrscheinlich schneller verschleißen als wenn derselbe Roboterarm nur das halbe Gewicht hebt oder sich viel langsamer bewegt.
Das Wartungsteam muss versuchen, vorbeugende Wartungsaktivitäten aufeinander abzustimmen, damit die Maschinen solange wie möglich zu möglichst geringen Wartungskosten verfügbar sind. Gleichzeitig müssen die Wartungsarbeiten häufig genug durchgeführt werden, damit die Maschinen nicht während des Betriebs ausfallen. Das würde ungeplante Wartungseinsätze verursachen, und Produktionszeit würde verloren gehen.
Die meisten Unternehmen implementieren sogenannte Continuous Improvement Plans (CIP - Pläne zur kontinuierlichen Verbesserung). Die Teams überprüfen Ausfall- und Wartungsberichte und diskutieren Möglichkeiten, wie sich ein aufgetretenes Problem in Zukunft vermeiden lässt. Sobald das Team eine Lösung gefunden hat, wird diese dokumentiert und umgesetzt. Sollte das Problem noch einmal auftauchen, kann die dokumentierte Lösung wiederverwendet bzw. modifiziert werden.
Diese Programme sind mittlerweile so effektiv, dass die anfangs gefundenen Fehler anfangen mehr zu kosten, als die Kosten für ihre Behebung.
Darüber hinaus lassen sich auch die Daten, die erforderlich sind, um solche Probleme erkennen zu können, einfacher erfassen. In Zuge der Industrie 4.0 werden die Maschinen in Fabriken nach und nach vernetzt. Daraus entstehen größere Datenmengen für Analysezwecke. Wenn eine Maschine anfängt, immer mehr Ausschussteile zu erzeugen oder die Zeit für die Durchführung eines Prozessschritts langsam ansteigt, kann dies schnell erkannt werden. Solche Veränderungen können ein Anzeichen dafür sein, dass die Maschine gewartet werden muss.
Oft begegnen wir Menschen, die quasi eine Einheit mit ihren Maschinen bilden. Wenn ihre Autos, Elektrowerkzeuge oder Büromaschinen beginnen, anders zu klingen, dann wissen ihre Benutzer einfach, dass sie bald ausfallen werden. Und dann, innerhalb weniger Tage, passiert das auch.
Diese menschliche Intuition verlässt sich auf unsere Sinne, Erfahrungen aus der Vergangenheit und die Kenntnis anderer Abhängigkeitsfaktoren, die die Ursachen für die beobachteten Veränderungen im System erklären.
In ähnlicher Weise liefern uns Roboter eine Vielzahl von Signalen, die wir nutzen können, um Rückschlüsse auf ihren Gesundheitszustand zu ziehen. Vielleicht eine Veränderung im Surren des Roboters oder eine leicht ruckelnde Bewegung – dies sind alles Anzeichen dafür, dass ein Motor, ein Getriebe oder ein Lager seine besten Zeiten hinter sich hat. Wenn aber beispielsweise der Stromverbrauch langsam stetig steigt, ist das vielleicht ein Hinweis auf einen höheren mechanischen Widerstand. Ursache dafür könnte ein stark verschlissenes Lager sein, das dafür sorgt, dass das elektrische System mehr Strom verbraucht als üblich.
Sensoren werden heute in großem Maßstab in der Fertigung eingesetzt. Ohne sie wäre es unmöglich, immer die richtigen Temperatur- und Druckverhältnisse zu gewährleisten. Man könnte nicht feststellen, ob sich Objekte zur richtigen Zeit in der richtigen Position befinden. Optische und magnetische Sensoren werden genutzt, um Objekte auf Förderbändern zu erfassen. Radar- und Lasersensoren finden zunehmend Verwendung in fahrerlosen Transportfahrzeugen (FTF), die es diesen Fahrzeugen ermöglicht, sich frei in der Fabrik zu bewegen und unerwarteten Hindernissen auszuweichen.
Wichtigster Verwendungszweck bleibt aber die Steuerung und Überwachung des Fertigungsprozesses. Wenn eine Fabrik Daten für die Industrie 4.0 erfasst, werden die erfassten Daten manchmal nur zur Fehleranalyse genutzt, nachdem ein Fehler aufgetreten ist.
Hochgenaue Sensoren sind mittlerweile weit verbreitet, und in einigen Fällen sind die Preise dafür auf wenige Cent gefallen. Die Halbleiterindustrie nutzt die außergewöhnlichen Eigenschaften des Siliziums, um winzige Sensoren zu schaffen, die Temperaturen mit einer Genauigkeit von einem Zehntel Grad messen. So ermöglichen Features wie Mikrobearbeitung die Massenproduktion von Chips mit beweglichen Teilen, die feiner als das menschliche Haar sind. Solche Geräte – MEMS-Sensoren genannt – werden bei der Herstellung von Mikrofonen eingesetzt.
Bekannte physikalische Effekte wie der Hall-Effekt werden genutzt, um Magnetfelder in elektrische Signale zu verwandeln. Solche Sensoren werden eingesetzt, um zu messen, wie viel Strom durch einen Leiter fließt. Andere Methoden wie der Riesenmagnetowiderstand nutzen quantenmechanische Effekte, mit denen sich Magnetfelder messen lassen. Solche GMR-Sensoren können verwendet werden, um die Motordrehgeschwindigkeit oder den Winkel einer mechanischen Welle zu messen.
In manchen Fällen sind mehrere Sensoren in ein und demselben Gerät integriert. Häufig trifft dies auf Temperatursensoren zu. Geräte zur Temperaturmessung sind sehr einfach und können einfach neben der analogen Elektronik anderer Sensoren integriert werden.
Angesichts der Vielzahl kostengünstiger, qualitativ hochwertiger Sensorfähigkeiten spricht kaum etwas dagegen, eine Reihe von Sensoren in Roboter zu integrieren, um ihre Gesundheit zu überwachen. Beispielsweise ließen sich Temperatur-, Vibrations-, Geräusch-, Positionier- und Bewegungs-, Beschleunigungs- und Kraftsensoren in die Gelenke eines Roboters integrieren. Vieler solcher Sensoren werden bereits so eingesetzt, da sie benötigt werden, um die beabsichtigte Funktion des Roboters oder einer beliebigen anderen Maschine zu ermöglichen. Die Überwachung all dieser Sensoren würde, wie ein intuitiver Mensch, Anzeichen eines möglichen frühzeitigen Versagens erkennen. Ein Anstieg der Durchschnittstemperatur in Kombination mit ruckelnden Bewegungen und einem höheren Stromverbrauch könnte auf bevorstehende Lager- oder Getriebeschäden hinweisen.
Im Zusammenhang mit sensorbasierter Überwachung der Maschinengesundheit und vorbeugender Wartung gibt es zwei große Herausforderungen:
Ein moderner Fertigungssensor kann in jeder Minute ein paar Dutzend Objekte erfassen, was an sich eine erhebliche Menge an Daten bedeutet. In ein Robotergelenk integrierte Bewegungssensoren würden pro Sekunde Tausende von Datenpunkten erfassen. Wenn jeder Roboter vier oder mehr Gelenke hat, dann wird das ein schier unüberwindliches Problem.
Die zweite Herausforderung ist das ständige Zusatzrisiko, dass mehr Sensoren, die manchmal für die Betriebsalgorithmen der Maschine nicht unbedingt notwendig sind, ausfallen und falsche Alarmmeldungen auslösen könnten.
Wenn diese kontinuierliche Erfassung einen Sinn haben soll, müssen die Daten auch sofort ausgewertet werden, um drohende Schäden frühzeitig erkennen zu können. Mikrocontroller wie die XMC4000-Serie von Infineon können genutzt werden, um die Daten zu erfassen, vorzuverarbeiten und auszuwerten. Mit allen notwendigen Datenschnittstellen zum Anschluss an solche Sensoren ausgestattet, können diese winzigen Minicomputer auch in Robotergelenke integriert werden. Die zusammengeführten Sensordaten können sowohl on-chip verarbeitet als auch über Industrie 4.0 Datennetze an einen Zentralrechner übertragen werden. EtherCAT, einer dieser Netzwerkstandards, wird nativ von der XMC4000-Familie unterstützt.
In Bezug auf das Risiko falscher Fehler ist es wichtig, nur Sensoren mit höchsten Qualitätsstandards in Verbindung mit einer Ad-hoc-Auswertung der gemessenen parametrischen Daten in einem gegebenen Kontext zu verwenden. Die meisten Sensoren von Infineon erfüllen selbst die strengsten Qualitätsstandards der Automobilindustrie und haben ihre Langzeitstabilität in den Autos auf unseren Straßen weit über eine Million Mal erfolgreich unter Beweis gestellt.
Bei KI geht es um das Erkennen von Mustern. Sie kann dazu eingesetzt werden, so etwas wie menschliche Intuition nachzubilden. Zunächst würde die KI den erwarteten fusionierten Sensoroutput eines gut gewarteten Sensors unter Normalbedingungen erlernen.
Durch kontinuierliche Überprüfung von Temperatur, Belastung, Energieverbrauch und Bewegung könnte die KI später leicht erkennen, wenn einige dieser Parameter anfangen, außerhalb des erwarteten Bereichs zu liegen. Dies wäre der Auslöser dafür, dass das Wartungsteam den Roboter auf übermäßigen Verschleiß untersuchen würde.
Fertigungseinrichtungen erfordern enorme finanzielle Investitionen, und zwar sowohl für den Bau als auch für die Instandhaltung. Und die Wartungsteams arbeiten hart, um solche Einrichtungen in einem Topzustand zu halten. In vielen Fällen ist es oft schwierig, die Kosten für eine Modernisierung vorhandener Standorte mit vernetzten Industrie 4.0-Lösungen zu rechtfertigen. Mit der Verfügbarkeit von Miniatur-Sensortechnologie und leistungsstarken, aber winzigen Mikrocontroller-Lösungen werden zukünftige Robotiksysteme und Fertigungsanlagen wahrscheinlich wertvolle Erkenntnisse liefern.
Mit zunehmender Leistungsfähigkeit und Integration von KI-Geräten werden Roboter und Fertigungsanlagen in der Lage sein, ihren Grad der Abnutzung selbst zu erkennen. Wenn sich so die Verfügbarkeit erhöhen lässt und die Fabriken effizienter werden, werden es die winzigen Silizium-Sensor- und Computerlösungen sein, denen wir verbesserte Margen und höhere Profitabilität zu verdanken haben.
Mit der Integration von Lösungen zur Zustandsüberwachung und vorbeugenden Wartung in Robotiksysteme würden ganz neue, fortschrittliche Geschäftsmodelle möglich. Insbesondere kollaborative Roboter, die einfach zu programmieren sind und an eine bestimmte Aufgabe angepasst werden können, werden zunehmend interessant, wenn bei bestimmten Handhabungsaufgaben in einfachen Produktions- oder Montageprozessen eine Spitzenlastsituation auftritt. Noch besteht die Antwort von Produktionsteams darin, mehr Mitarbeiter mit befristeten Verträgen einzustellen.
In Zukunft wird dafür vielleicht eine Flotte gemieteter (kollaborativer) Roboter eingesetzt. Wäre es nicht schön, wenn das tatsächliche Nutzungsprofil der Maschine im Nachhinein ausgewertet werden und die endgültige Rechnung dies in der Preisgestaltung widerspiegeln könnte? Oder wenn es zuverlässige interne Daten dazu gäbe, ob die Maschine während des Mietzeitraums ständig im Überlastbereich gefahren wurde, was zu einer schnelleren Alterung führte? Der Einsatz von Sensoren und einer leistungsfähigen Datenverarbeitung könnte diese zusätzliche Funktionalität bereitstellen, die im Zeitalter von Industrie 4.0 und (kollaborativen) Robotern Realität werden wird.
Letzte Aktualisierung: Juli 2018
