Unterstützung der Fräsprozessüberwachung durch automatisierte Anomalieerkennung

Die Herausforderung

Fräsprozesse stehen aufgrund von Werkzeugverschleiß, übermäßigen Vibrationen, Materialinhomogenitäten und anderen Faktoren vor erheblichen Herausforderungen. Diese können zu Qualitätseinbußen, Maßabweichungen, Oberflächenfehlern, kostspieliger Nacharbeit, Ausschuss oder ungeplanten Ausfallzeiten führen.

Daher überwachen Maschinenbediener die Maschinen kontinuierlich auf ungewöhnliche Geräusche, Vibrationen und andere Anzeichen von Fehlfunktionen.

Dieser Demonstrator ergänzt die manuelle Fehlererkennung durch ein automatisiertes Alarmsystem und verbessert so Effizienz und Konsistenz. Gleichzeitig werden die Risiken durch unerkannte Probleme reduziert.

Was dieser Demonstrator macht

Phase 0: Datenerfassung und -analyse. In der ersten Phase werden Maschinensignale während des Fräsprozesses erfasst und analysiert. Idealerweise wird hierfür die CRM-Sensorbox eingerichtet und Daten zur Produktqualität erfasst. Alternativ können auch ähnliche Sensoren verwendet werden.

Phase 1: Lernen. Sobald die Daten verfügbar sind, wird ein (KI-)Modell des Normalverhaltens trainiert.

Phase 2: Automatisierte Anomalieerkennung. Nach der Trainingsphase wird das trainierte Modell angewendet, um Abweichungen vom Normalverhalten zu erkennen, die zu einer mangelhaften Produktqualität führen können.

Die Signale werden kontinuierlich überwacht, und bei Erkennung einer Anomalie Warnmeldungen ausgelöst.

Phase 2.1 (optional): Anpassung. Während Phase 2 wird Feedback (z. B. von Maschinenbedienern oder durch Selbstkorrekturschleifen) gesammelt und die Modelle werden bei Bedarf angepasst.

Ihr Nutzen

• Geringeres Ausschussrisiko
• Weniger zeitaufwändige Produktqualitätskontrollen
• Reduziertes Risiko ungeplanter Ausfallzeiten
• Datengestützte Einblicke in Fräsprozesse

Für wen ist das geeignet?

Dieser Demonstrator eignet sich ideal für Unternehmen der Mühlenindustrie, die Risiken durch unentdeckte Anomalien (Ausschuss, ungeplante Ausfallzeiten usw.) minimieren und ihre Mitarbeiter bei ihren täglichen Überwachungsaufgaben unterstützen möchten. Das ideale Unternehmen ist offen für datenbasierte Ansätze und kann Sensordaten in Echtzeit erfassen (z. B. mit der CRM-Sensorbox).

Geschätzte Implementierungskosten

Geschätztes Gesamtbudget: 0 € – 1.000 € für eine Basisausstattung (zzgl. Kosten für die Sensorbox)

• Sensorbox
• Abhängig von der Verfügbarkeit im Unternehmen
  • Hardware zur Speicherung und Verarbeitung von Sensordaten und zur Durchführung von Modellen
  • Gerät zur Anzeige/Meldung von Anomalien

Pilotprogramm

Wie sieht ein Pilot für diesen Demonstrator aus?

Während der Pilotphase (2–4 Wochen) setzen wir ein System zur Anomalieerkennung ein, dass Nutzer in nahezu Echtzeit über ungewöhnliches Maschinenverhalten informiert.

1. Training: Das System wird zunächst trainiert, um normales Verhalten zu erkennen.
2. Anwendung: Nach dem Training überwacht das System Fräsprozesse und gibt Warnungen aus, wenn ein Verhalten von der festgelegten Norm abweicht.
3. Feedback: Während der gesamten Anwendungsphase und am Ende der Pilotphase sammeln wir Feedback, um das System zu verbessern.

Leistungen im Pilot:

• Installation und Konfiguration vor Ort durch das Projektteam
• Schulung und Einführung für die Bediener (halbtägig)
• Fernüberwachung und technischer Support während der Pilotphase
• Explorative Datenanalyse der Sensordaten des Unternehmens
• Training eines Anomalieerkennungssystems auf Basis der Daten des Unternehmens
• Zwischenbesuch in der Pilotphase
• Abschlussbericht mit Ergebnissen und Empfehlungen

Was Sie benötigen/bereitstellen müssen:

• Eine kompatible CNC-Fräsmaschine mit zugänglichen Sensordaten (idealerweise die CRM-Sensorbox)
• Fräsen mehrerer (idealerweise gleicher oder ähnlicher) Produkte auf dieser Maschine im Rahmen der Serienproduktion
• Netzwerkanschluss (WLAN oder Ethernet) in der Nähe der Maschine
• Ein fester Ansprechpartner für die Installation und bei Fragen
• Ein fester Ansprechpartner für Feedback während der Pilotphase (z. B. durch Klassifizierung erkannter Anomalien als „echte Anomalie“ oder „falsche Anomalie“) und am Ende der Pilotphase
• Steckdose in maximal 2 m Entfernung von der Maschine sowie Platz für Hardware (etwa so groß wie ein Computer-Tower) und einen Monitor

Interessiert?

Kontaktieren Sie Ihren regionalen Vertreter