Verteilte Auswertung von hochdimensionaler Messdaten

Stillstandszeiten von Maschinen und Anlagen in der Fertigung sind teuer und sollen möglichst vermieden werden. Eine häufige Ursache für Maschinenausfälle sind Schäden an Lagern durch Verschleiß, Korrosion oder Überbelastung. Diese Schadensursachen wurden anhand hochfrequenter Beschleunigungs- und Körperschallsensorik erkannt. Diese Information kann weiter für präventive Wartung eingesetzt werden. Neben der Früherkennung von Schäden können datengetriebene Modelle zur Optimierung hochdimensionaler Anlagenparameter verwendet werden. In industriellen Anwendungsfällen gibt es meistens eine organisatorische Trennung zwischen dem Anlagenhersteller und dem Anlagenbetreiber. Der Anlagenhersteller hat ein großes Interesse an der Aggregation der Daten mehrerer Kunden, um Ergebnisse der Analyse generalisieren und übertragen zu können. Es ist aber meistens nicht möglich, die Daten hochfrequenter Messungen vom Anlagenbetreiber zum Anlagenhersteller zu übertragen. Neben technischen Herausforderungen müssen aber auch organisatorische Hürden, wie z.B. die Vertraulichkeit von Daten, beachtet werden. Die Kernidee in diesem Projektvorhaben ist die verteilte Auswertung hochfrequenter Datenströme in einem mehrstufigen Ansatz. Durch die Vorauswertung von Datenströmen wird die Datenmenge reduziert und es sind weniger Rückschlüsse auf etwaige Betriebsgeheimnisse des Anlagenbetreibers möglich. Die Herausforderung besteht darin, die Teilmodelle aus unterschiedlichen Anlagen zu einem Gesamtmodell zusammen setzen zu können und dabei den Unterschiede zwischen den Anlagen Rechnung zu tragen.

Der Beitrag dieses Projekts ist die verteilte Auswertung der Daten, so dass nur vorausgewertete Modelle vom Anlagenbetreiber übertragen werden. [Jayaraman17] stellen einen ähnlichen Ansatz vor. Dieser nimmt jedoch nicht Bezug auf die Analyse hochfrequenter Daten. Die sehr aktive Community rund um hochfrequente Datenanalyse für Condition Monitoring [Tandon99] hat bislang eine hierarchische Datenauswertung mit einer Aggregation von Individualmodellen nicht adressiert. Die Brisanz und Aktualität dieser Fragestellung wird auch dadurch unterstrichen, dass in der Plattform Industrie 4.0 der Anwendungsfall Condition Monitoring in einem mehrstufigen Anlagenbetreiber/Systemintegrator/Komponentenhersteller-Szenarion zur Validierung des Konzepts der Industrie 4.0 Verwaltungsschale besonders untersucht werden soll.

Durch Versuchsreihen an realen Maschinen und Anlagen beim ungeförderten Projektpartner Dieffenbacher werden (zunächst im Labormaßstab) ein Datensatz relevanter Größe erstellt. Aufgrund der Sensitivität der Daten ist die Freigabe eines anonymisierten Datensatzes nur durch den ungeförderten Projektpartners Dieffenbacher möglich.

Die Verwertung der wissenschaftlichen Ergebnisse erfolgt durch das Fraunhofer IOSB. Verfahren und Algorithmen kommen in weiteren Forschungs- und Industrieprojekten zum Einsatz. Gegeben der voraussichtlichen Fertigstellung Mitte 2020 ist eine Veröffentlichung für die CASE 2021 (IEEE International Conference on Automation Science and Engineering) geplant. Die Verwertung für den Anwendungsfall erfolgt zunächst durch den ungeförderten Projektpartner Dieffenbacher. Dieffenbacher ist im Bereich Maschinen- und Anlagenbau tätig und stellt Pressensysteme, sowie komplette Produktionsanlagen für die Holz-, Automobil-, Luftfahrt- und Recyclingindustrie her. Dieffenbacher beschäftigt über 1.600 Mitarbeiter und ist weltweit an 16 Produktions-, Service- bzw. Vertriebsstandorten tätig.