TRUMPF

TRUMPF Werkzeugmaschinen ist Weltmarktführer in der Produktion von Werkzeugmaschinen für die Blechbearbeitung (Laser-, Stanz- und Biegemaschinen). Zu bestimmten aber unregelmäßigen Zeitpunkten wird an einer TRUMPF Werkzeugmaschine ein „digitales Abbild“ in Form einer Sammlung von Logging- und Konfigurationsinformationen erstellt. Neben Konfigurationsdaten wie Maschinen-Serienstand und Einstellparametern sind Loggings wie z.B. die Meldungshistorie enthalten. Diese Daten werden in einem Zip-komprimierten Container Namens MIO (Machine Information Object) gespeichert. Der Container enthält damit eine Vielzahl von Dateien mit jeweils unterschiedlichsten Informationen, die entweder als Historie mit Zeitstempel oder als Momentaufnahme abgelegt sind. Jede Datei hat eine eigene Struktur.

Im geplanten Projekt sollen anhand dieser Daten mittels einer Analyse der separat vorliegenden Meldungshistorie und weiterer Informationen Anomalien zum „Normalbetrieb“ entdeckt und die Zusammenhänge zu noch unbekannten Faktoren aufgezeigt werden. Beispielsweise ist es möglich zu erkennen, wenn Safety-Einrichtungen, wie z.B. eine Schutztürüberwachung, nicht ordnungsgemäß funktioniert, weil diese elektrisch gebrückt wurde. In einem ersten Schritt soll eine Korrelation zwischen Kundeneskalation und MIO-Dateien nachgewiesen werden; und in einem zweiten Schritt die Vorhersage von Service-Fällen ermöglicht werden. TRUMPF kann unter Wahrung strenger Vertraulichkeit eine erhebliche Anzahl an MIO-Dateien bereitstellen, von denen jede eine erhebliche Menge von Daten und Informationen aufweist.

Data Innovation Community

Industrie 4.0

Projektpartner

KIT, SAP SE, Trumpf

Ergebnisse

Das kürzlich abgeschlossene SDIL-Projekt nutzte regelbasierte Ansätzen, um Reihenfolge von Maschinenereignissen zu entdecken, die zu kritischen Zuständen in den Maschinen führen. Hierzu wurden Algorithmen von Sequence Mining und Process Mining kombiniert.
Lesen Sie die Ergebnisse des Projektes unter: /downloads/sdic-2016-konferenzband.pdf#page=45