Wetenschappers van de Universiteit van Saarland hebben een condition monitoring systeem ontwikkeld, waarmee ze industriële handling-, assemblage- en verpakkingslijnen bewaken. Ze gebruiken hiervoor zelflerende sensoren. Deze kunnen na enige tijd afwijkingen in vaste patronen herkennen die duiden op een naderende storing. Big data analyse gebeurt dus in de sensoren zelf. De onderzoekers presenteren het systeem op de Hannover Messe eind april.
Industrie 4.0 is ook dit jaar op de Hannover Messe weer een thema dat veel aandacht krijgt. Condition monitoring, het voorspellen wanneer machines in storing vallen, is een van de veelbelovende toepassingen. Het team van professor Andreas Schütze van de Saarland University en het Center for Mechatronics and Automation Technology zijn de ontwikkeling van het nieuwe systeem begonnen om robotlijnen voor storingen te behoeden. Stel dat een lineaire actuator in een assemblagelijn is beschadigd, dan kan de robot niet meer exact de deur van een auto positioneren.
Health check voor de machine
Met het nieuwe systeem voeren ze eigenlijk continu een check-up van de complete lijn uit. “We visualiseren continu de conditie van een machine of een lijn en genereren vroegtijdig waarschuwingen voor mogelijke schade”, vat Andreas Schütze het concept samen. Ze doen dit door sensoren in de machine of productielijn in te bouwen. Deze sensoren communiceren zowel onderling als met de bestaande processensoren. Hiermee kan zelfs de kleinste afwijking gedetecteerd worden. De onderzoekers maken hiervoor gebruik van het feit dat technische apparatuur voordat deze uitvalt, begint te trillen, een ander geluid maakt of oververhit raakt. Zij hebben precies in kaart kunnen brengen welke geluiden, trillingen en temperaturen normaal zijn. Elke afwijking duidt dus op een naderende storing.
Geen analysesoftware nodig
Professor Andres Schütze: “We hebben het patroon van de verschillende signalen uitvoering bestudeerd. We hebben onderzocht hoe signalen zoals frequentie en vibraties veranderen tijdens gebruikelijke storingen en falen.” Hiervoor hebben ze duizenden patronen, afkomstig uit vele data, geanalyseerd en de signalen gedetecteerd die verband houden met zaken zoals mechanische slijtage. Deze informatie stoppen ze in de sensoren. “Daarmee veranderen we de sensoren in smart devices die zelfstandig in staat zijn deze signalen te detecteren.” Doordat de sensoren dit kunnen, vervalt de behoefte aan specifieke analysesoftware.
Testen door Bosch Rexroth en Festo
Het onderzoeksteam van de Saarlandse universiteit wil nu een set sensoren en modules ontwikkelen waarmee bedrijven eenvoudig een fitness check voor hun productielijnen kunnen bouwen. De sensoren zullen in eerste instantie data verzamelen. Na enige tijd kunnen ze de conditie van de lijn bewaken. Het onderzoeksteam denkt dat ook andere toepassingen denkbaar zijn, bijvoorbeeld automatische kwaliteitscontrole. Het systeem gaat binnenkort de testfase in, waarbij het getest wordt bij onder andere Bosch Rexroth en Festo. Bosch Rexroth gaat de sensoren inzetten voor het monitoren van CNC machines; Festo wil ze gebruiken voor het bewaken van spindelassen.
Het onderzoeksteam van professor Schütze staat op de Hannover Messe in hal 2, stand B46
