Retrofit bei Maschinen Mit vier Stufen zur vernetzten Produktion

Damit sich auch von älteren Anlagen und Maschinen Sensordaten gewinnen lassen, müssen diese vernetzt werden. Dabei hilft das Retrofitting. Mit einem Vier-Stufen-Plan gelingt das.

Anbieter zum Thema

MicroConsult Microelectronics Consulting & Training GmbH

Würth Elektronik eiSos GmbH & Co. KG

IBR Leiterplatten GmbH & Co. KG

proALPHA Software GmbH

Mit dem Retrofitting soll es dem Mittelstand gelingen, in die digitale Ära überzugehen. Denn die Retrofit-Methode verspricht die Möglichkeit, auch ältere Maschinen mit einem relativ geringen Aufwand in Industral-Internet-of-Things-Bausteine zu verwandeln. Dabei spielt das Alter einer Maschine keine Rolle. Es kommt letztlich auf die jeweils spezifische Maschine an.

Maschinendaten werden durch externe Sensoren zugänglich. An diesem Punkt können Unternehmen die Daten für die Prozessoptimierung nutzen. Voraussetzung ist allerdings ein smartes ERP-System, um die Daten zu verarbeiten.

Doch für die mittelständischen Unternehmen stellt sich schnell die Frage, wie sie die Reise in Richtung intelligenter Fabriken strategisch anlegen sollen. Für den Umstieg in die neue Ära stehen grundsätzlich zwei Wege offen: Beim Greenfield-Ansatz werden einfach Maschinen der neuesten Generation angeschafft. Das ist allerdings für viele Unternehmen wirtschaftlich nicht sinnvoll.

Hingegen wird beim Brwonfield-Ansatz – in der Industrie auch als Retrofitting bekannt – werden ältere Maschinen nachträglich modernisiert oder aufgerüstet. Dann lassen sie sich an digitale Systeme anbinden. Hohe Investitionen und der mit neuen Maschinen verbundene Schulungsaufwand entfallen.

Die Vorteile des Retrofittings

Die Methode des Retrofittings lässt sich schrittweise umsetzen. Dabei reicht die Bandbreite von der intelligenten Überwachung einzelner Maschinen bis zur unternehmensweiten Datensammlung für neue Geschäftsmodelle. Der VDMA hat zusammen mit dem Fraunhofer IOSB-INA ein Retrofit-Stufenmodell entwickelt. Die wichtigsten Schritte sind:

1. Messgrößen definieren: Je nach Einsatz (Use Case) müssen relevante Werte einer Maschine oder eines Maschinenparks bestimmt werden. Diese reichen von den Umgebungsbedingungen über Vibrations- und Bewegungsdaten bis hin zu prozessspezifischen Messgrößen.

2. Vorhandene Daten oder externe Sensorik nutzen: Abhängig vom Alter und der Ausbaustufe einer Maschine sollte geprüft werden, ob die erforderliche Sensorik und notwendige Schnittstellen wie Ethernet bereits vorhanden sind oder nachrüstbar sind. Falls nicht, ist externe Sensorik notwendig. Problematisch kann es werden, wenn Systeme unterschiedlicher Hersteller miteinander verbunden werden sollen. Das bedeutet einen höheren Integrationsaufwand. Zu beachten ist außerdem, wie die physische Vernetzung erfolgen soll: Sind die Sensoren drahtlos oder über Kabel verbunden?

3. Digitale Kommunikation ermöglichen: Hierzu gehört beispielsweise, die Netzinfrastruktur inklusive der erforderlichen Bandbreite zu überprüfen und die Sensordaten zu übersetzen. Falls die Sensordaten nicht in einem geeigneten IoT-Format vorliegen, müssen die Daten mit einer geeigneten Software übersetzt werden. Die zu wählende Software hängt von der Art der Sensordaten ab und muss vom Maschinenbetreiber selbst implementiert werden.

4. Datenanalyse und -aufbereitung sowie abgeleitete Aktionen: Was nutzen die gewonnenen Sensordaten, wenn sie nicht entsprechend verwendet werden? Die Daten sollten so genutzt werden, dass etwa eine Maschine weitgehend automatisiert überwacht und mögliche Störungen frühzeitig erkannt werden. Das Stichwort lautet Predicitve Maintenance. Damit eine Maschine nach der Brownfield-Methode optimal genutzt werden kann, kommen Technologien wie Künstilche Intelligenz (KI) und das maschinelle Lernen zusammen mit dem ERP als zentrale Datenplattform und digitales Rückgrat in der Produktion zum Einsatz.

(ID:47129025)