Algemeen

Machinepark onderhoudt zichzelf

machinepark onderhoudt zichzelf
Een in het EU onderzoeksproject SelSus ontwikkelde, zichzelf reparerende dispenser voor de productie van motoren bij het het Manufacturing Technology Centre. (foto: Fraunhofer IPA)

In het EU-project SelSus werken wetenschappers van Fraunhofer IPA in een consortium met partners uit industrie en onderzoek aan technologie, die het uitvallen van machines in de productie voorspelt voordat ze optreden. Hierdoor kan de bedrijfsleiding fouten opheffen voordat de machine niet meer functioneert. Het systeem kan sommige defecten zelfs automatisch verhelpen. Het onderhoudt zichzelf als het ware.

Het plotseling uitvallen van een machine tijdens productie zorgt voor hectische reparaties, verhoogt de operationele kosten, beïnvloedt de leverbetrouwbaarheid en vermindert het concurrentievermogen van de onderneming. Vaak leiden niet ontdekte relatief kleine defecten of tekenen van slijtage tot grotere storingen en langere productiestilstand.

Een techniek die de status van alle componenten in de productielijn bewaakt, problemen en zwakke punten identificeert en de verantwoordelijke medewerkers op tijd informeert zou heel handig zijn. Zo’n hulpmiddel kan op basis van een zogeheten Decision Support System een beslissing nemen, doelgericht handelen en de defecten verhelpen. In het ideale geval gebeurt dat zonder dat de productie hoeft te worden onderbroken.

SelSus

Dit is slechts één van de basisideeën van het ambitieuze SelSus project, waar het Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA) aan meewerkt. SelSus staat voor ‘Health Monitoring and Life-Long Capability Management for Self-Sustaining Manufacturing Systems’.

Het doel is niet alleen de status van machines en componenten te bewaken. Vooral moeten zwakke plekken of tekenen van slijtage met behulp van intelligente software en sensornetwerken in een dermate vroeg stadium worden herkend, dat het systeem een uitval kan voorspellen. De ontwikkelde diagnosemethoden geven dan tevens aanwijzingen of aanbevelingen hoe het probleem op te lossen.

Zo wordt bijvoorbeeld bij projectpartner Electrolux in Pordenone (I) een Decision Support System gebruikt. Het systeem kan met een bepaalde waarschijnlijkheid het aanstaand uitvallen van een pers voor bekledingen van wasmachine voorspellen en feitelijk opgetreden storingen diagnosticeren. De benodigde data over de actuele status van de machine wordt deels door sensoren geleverd. Ze meten waarden als energieverbruik, temperatuur, oliedruk, deeltjes in de olie of trillingen.

Het systeem is zelfs in staat zelf besturingsimpulsen naar afzonderlijke machines te sturen. Een lasbesturing bijvoorbeeld waarvan de sensor is gevallen, kan bijna zonder onderbreking in een ‘veilige modus’ verder werken zonder dat grotere storingen optreden.

Voor het zover was moesten nog enkele technologische obstakels worden overwonnen. Vooral de validatie van de datastroom vormde een uitdaging. Uiteindelijk gaat het er om uitvallen bij machines met hoge betrouwbaarheid te voorspellen. Het is niet voldoende om alleen een paar algoritmes te programmeren.

Bayes-netwerken en sensordata

De experts gaan uit van het Bayes netwerken. Deze gaan uit van een mathematische methode waarmee de waarschijnlijkheid kan worden berekend waarmee zich een bepaalde gebeurtenis of toestand voordoet. Daarbij worden meerdere variabelen en de hiermee samenhangende waarschijnlijkheden betrokken. Met behulp van de door sensoren verkregen data berekent de software hoe waarschijnlijk het is dat bijvoorbeeld een bepaalde sterk belaste kabel breekt, en meldt indien nodig dat deze moet worden vervangen.

De SelSus software vertrouwt hierbij niet alleen op sensoren. De software houdt tevens rekening met de technische eigenschappen van de machine en zijn vermogensparameters. Deze data moeten bij de installatie en configuratie van het systeem worden ingevoerd. Bovendien toont een uitvoerig proefbedrijf van het systeem hoe de installatie en haar componenten zich tijdens langdurig bedrijf en onder belasting gedragen. Pas dan is het gereed. De software registreert ook nieuwe data, bijvoorbeeld door aanpassingen aan de machine maar ook door het verminderen van de prestaties door slijtage, en leert daar ook weer van.

Hoe geraffineerd SelSus is, blijkt ook hieruit dat de software zelfs interacties aangaat met de mens. Ze analyseert de oorzaken van een dreigende of bestaande machine-uitval en geeft medewerkers passende aanbevelingen hoe te handelen.

Dispenser onderhoudt zichzelf

Projectpartner Manufacturing Technology Centre uit Coventry (GB) heeft een installatie die zichzelf onderhoudt gecreëerd. In een productie van motoren is een dispenser met behulp van vacuüm aan een robotarm bevestigd. Mocht de dispenser tegen een weerstand aanlopen, dan breekt hij niet maar reageert flexibel. Hij verliest zijn met behulp van vacuüm opgewekte krachtsluiting en valt enkele centimeters totdat veren hem stoppen. Aansluitend trekken de veren de dispenser weer terug in zijn oorspronkelijke positie. Vervolgens garandeert een kalibratie dat het gereedschap zich weer in de juiste positie bevindt, waarna het werkproces na de korte onderbreking weer verder gaat.

SelSus wordt door de Europee Commissie gesubsidieerd met bijna 5,4 miljoen euro. Behalve Fraunhofer IPA nemen industriële partners als Ford, Electrolux, HWH Hamburg (besturingen voor lassystemen) en IEF-Werner (automatiseringscomponenten) deel. Ook nemen universiteiten zoals de Loughborough University (GB) en het Instituto de sistemas e Robotica (P) en ICT providers zoals Hugin Expert (DK), Advanced Data Processing (D) en Inotec (GB) deel, om slechts enkele partners te noemen.

x
Mis niet langer het laatste nieuws

Schrijf u nu in voor onze nieuwsbrief.

Inschrijven