Intelligente Störungsdiagnose

Die zunehmend kleinen Losgrößen in der Konsumgüterproduktion führen zu immer flexibleren und auch schnelleren Verarbeitungsanlagen mit komplexen, störanfälligen Prozessen. Diese Störungen werden auch durch moderne Mess- und Automatisierungstechnik nicht vollständig vermieden. Es treten immer wieder Störungen auf, deren automatische Detektion zu aufwändig oder messtechnisch gar unmöglich ist. Daher erkennen aktuelle Diagnosesysteme häufig nur Folgeerscheinung (bspw. Stau, Abriss), nicht aber deren spezifische Ursachen (bspw. fehlerhaft geklebte Laschen).

Eine stabile Prozessführung mit geringen Ausfallzeiten und minimalen Ausschussmengen erfordert demnach langjährige Erfahrung und umfangreiches Prozesswissen vom Bediener. Eine hohe Fluktuation in der Belegschaft sowie fehlende Fachkräfte stellen die Unternehmen allerdings zunehmend vor Probleme. In Verbindung mit fehlenden Möglichkeiten Erfahrungswissen zu speichern und nutzbar zu machen führt das zu hohen Ausbringungsverlusten, Ausschussmengen und einem hohen Anlagenverschleiß.

Eine mögliche Lösung des Problems besteht darin, implizites Bedienerwissen explizit zur Verfügung zu stellen. Dies wird durch den Einsatz lernfähiger, intelligenter Assistenzsysteme erreicht. Diese lernen durch die Zuordnung von Störungszuständen der Anlage und deren Störungsbeschreibungen durch den Bediener. Das System gleicht so neue Störungszustände ab und diagnostiziert selbstständig auf Grundlage des Erfahrungswissens. Voraussetzung hierfür ist eine automatische Wiedererkennung von Störungszuständen ohne spezifische, zusätzliche Sensortechnik. Möglich wird das durch die Wiedererkennung von einzelnen Störungen durch spezifische Muster im Zeitverlauf der kompletten, vorhandenen Anlagensensorik.

Im IVLV-Projekt wird das Potenzial dieses Ansatzes für weitere Forschungsarbeiten überprüft. Dazu erfolgen umfangreiche Recherchen zu anwendbaren Erkennungs- und Reduktionsalgorithmen und Software-Werkzeugen sowie eine Konzeption der notwendigen Echtzeit-Datenverarbeitung. Die Wiedererkennung von Mustern wird in ersten Versuchen an Laboranlagen exemplarisch überprüft. Im Ergebnis stehen erste Aussagen zur technischen und technologischen Machbarkeit lernfähiger Bediener-Assistenzsysteme.