2 Datenquellen in der Produktion

• Automatisierungspyramide (—> top-down: Anweisungen

  —>bottom-up: Kennzahlen, Information)

  • Unternehmensleitebne (ERP),

  • Produktionsleitebene (MES),

  • Prozessleitebene (HMI,SCADA),

  • Einzelleitebene (IPC, SPS, Antriebe, CNC),

  • Feldebene (Sensoren, Aktoren)

• Externe Daten (Nutzerdaten, öffentlich zugängliche Daten)

Wie können Daten erfasst werden?

1. SDK/API (Software Development Kit/Application Programming Interface): Sammlung und Erfassung von Nutzerdaten

2. (Smart) Sensors und RFID-Chips (damit Echtzeitüberwachung)

3. Web-Crawling: automatisierte Sammlung .ffentlicher Daten

4. Audio-visuelle Komponenten: Kameras, Mikrofone

5. Weitere Systeme: HMI, SPS, SCADA, Roboter, NC, …

1. Strukturiert (Array, Liste, B.ume, …)

2. Unstrukturiert (Texte, Bilder, Videos, Audio, …) -> kann ineffizient sein, mangelnde Datenintegrität, Informationsverlust möglich

• Numerisch

  • Diskret: nur bestimmte Werte (z.B. Anzahl fertiger Produkte)

  • Kontinuierlich: uneingeschränkte Wertemenge, Sammlung durch Messungen

• Kategorisch

  • Nominal: keine natürliche Reihenfolge, keine Berechnungen, überprüfung auf Gleichheit möglich (z.B. Produktkategorie)

  • Ordinal: natürliche Reihenfolge, keine definierten Abstände, keine Berechnungen, z.B. Hauptgruppen der Fertigungsverfahren

  • Kardinal: natürliche Rangordnung, interpretierbare Abstände, Berechnungen m.glich (z.B. feste Preiskategorie)

Zeitreihendaten:

• zeitlich geordnete Abfolge von Datenpunkten

• Bsp.: Temperatur

• Ziel: Beurteilung Zustand des Werkzeugs, Vorhersage wann Zeitpunkt des Versagens

Kategoriale Daten:

• Daten nicht nur als Zahlen, sondern auch kategoriale Merkmalsspalten (rot, grün, …)

• Keine Berechnungen

• Müssen zur Verarbeitung in Zahlen umgeformt werden

• Unterscheidung zwischen nominal und ordinal

• Codierung mittels One-Hot-Kodierung: bin.re Kodierung des Merkmals mit Dummy-Merkmalen (Alu = 1, Stahl = 0)

  • Dadurch Korrelation der Merkmale (wenn x=0, dann y=1) à numerisch instabile Abschätzungen

  • Entfernung eines Dummy-Merkmals

• ERP (Enterprise Resource Planning): Steuerung von Geschäftsprozessen und Verwaltung von Ressourcen (Betriebsmittel, Geld, Energie, Rohstoffe, Personal, etc.)

• Vorteile:

  • Automatisierung von Verwaltungsaufgaben

  • Einheitliche Datenbasis

  • Vermeidung von Übertragungsfehlern durch mehrfach erfasste Daten etc.

• Einsatz von KI zur Optimierung:

  • Optimierung der Lagerhaltung durch Auswahl des Lagerplatzes

  • Selbstständiges Bestellen von Verbrauchsgütern durch Mustererkennung

  • Vorhersage der Durchlaufzeit abhängig von Materialverfügbarkeit/Auslastung der Produktion

  • Herausforderung: Großes Datenaufkommen bei geringer Frequenz

• Datenarten:

  • Numerisch diskret: Anzahl monatlicher Geschäftsabschlüsse, Anzahl Mitarbeiter

  • Numerisch kontinuierlich: Jahresumsatz, durchschnittliche Dauer von Vorstandssitzungen

  • Textuell: Meeting-Protokolle, strategische Dokumente

  • Kategorisch nominal: Abteilungsnamen, Produktkategorie

  • Kategorisch ordinal: Prioritätenliste

  • Kardinal: Hierarchiestufen im Management

• MES (Manufacturing Execution System): IT-System zur Sammlung operativ anfallender Daten aus der Produktion, schafft ein digitales Abbild der Produktion und verbindet Planungs- und Produktionsebene.

• KPIs:

  • OEE (Overall Equipment Effectiveness)

  • Ausschussquote

  • Rüstgrad

• Aufgabenbereiche:

  • Fertigung: Betriebsdaten, Material, Energie, etc.

  • Personal: Zeiterfassung, Einsatzplanung, etc.

  • Qualitätssicherung: Fertigungsprüfung, Reklamationen, Wareneingang, etc.

• Einsatzfelder von KI:

  • Erkennung der Auswirkungen von Abweichungen im Produktionsprozess auf nachgelagerte Prozesse

  • Warnung vor Störungen durch Anomalieerkennung

  • Bedarfsorientierte Personalplanung

  • Merkmal: Weniger abstrakte Daten, aber höhere Frequenz

• Datenarten:

  • Numerisch diskret: Anzahl produzierter Einheiten pro Stunde, Maschinenstillstände

  • Numerisch kontinuierlich: Produktionsgeschwindigkeit

  • Textuell: Maschinenlogs, Fehlermeldungen

  • Kategorisch nominal: Maschinentypen, Produktlinien

  • Kategorisch ordinal: Qualitätsstufen

  • Kardinal: Hierarchiestufen, Maschinen IDs, Schichtnummern

• SCADA (Supervisory Control and Data Acquisition):

  • Vorteile:

    • Benutzerfreundlich durch HMI-Schnittstellen.

    • Risikominimierung durch rechtzeitige Benachrichtigungen.

    • Zugriffsmöglichkeiten durch Fernsteuerung von Anlagen.

• Einsatz von KI:

  • Anomalieerkennung.

  • Entscheidung über Fehlerannahme.

  • Predictive Maintenance.

  • Merkmal: Übergang zu strukturierten und hochfrequenten Daten.

• Datenarten:

  • Numerisch diskret: Anzahl der Prozessinterruptionen, Schaltzyklen.

  • Numerisch kontinuierlich: Druckwerte, Durchflussraten.

  • Textuell: Systemwarnungen, automatisierte Prozessnotizen.

  • Kategorisch nominal: Prozessstatus.

  • Kategorisch ordinal: Alarmstufen.

  • Kardinal: Prozess-IDs, Rezeptnummern.

• SPS (Speicherprogrammierbare Steuerung):

  • Funktion: Steuert automatisierte Prozesse.

  • Bedeutung: Ermöglicht flexible Anpassungen von Prozessen und bietet eine robuste Steuerungslösung.

  • Aufgaben: Informationsverarbeitung, Benutzerschnittstelle, Kommunikation, Überwachung, Diagnose, Funktionsabläufe, Steuerung der Funktionseinheiten.

• CNC (Computerized Numerical Control):

  • Funktion: Steuerung für Arbeitsmaschinen, bei der Daten für geometrische (Verfahrwege der Achsen) und technologische Funktionen (Werkzeugabruf, Kühlschmierstoff, Werkstücke (ent)spannen) als G-Code eingegeben werden.

  • Bedeutung: Bietet hohe Präzision und Wiederholgenauigkeit. Generiert hochfrequente Daten, die häufig in Echtzeit analysiert werden müssen.

• Datenarten:

  • Numerisch diskret: Maschinenzyklen, Teilezähler.

  • Numerisch kontinuierlich: Drehzahl, Spannungswerte.

  • Textuell: Maschinenstatusmeldungen, G-Code.

  • Kategorisch nominal: Betriebsmodus.

  • Kategorisch ordinal: Nicht spezifiziert.

  • Kardinal: Maschinen-IDs, Werkzeug-IDs.

• Sensoren sammeln benötigte Daten, die nicht in Informationssystemen vorliegen.

• Erfassen zeitvariable physikalische Größen und wandeln diese in elektrische Signale um.

• Sensoren: Wandeln physikalische Größen (akustisch, mechanisch, chemisch, magnetisch, etc.) in elektrische Signale um.

• Aufgaben von Sensoren:

  • Qualitätsdatenerfassung: Material-, Dimensions- und Funktionsprüfung.

  • Zustandsgrößenerfassung: Anlagensteuerung und -überwachung.

  • Identitätserfassung: Teileerkennung, Prozessmittelerfassung.

• Unterscheidung:

  • Aktiver Sensor: Wandelt physikalische Größen direkt in elektrische Signale um (z.B. piezoelektrische Sensoren, Fotoelemente).

  • Passiver Sensor: Benötigt Hilfsenergie; die elektrische Eigenschaft (Widerstand, Induktivität, Kapazität) des Sensors wird durch die zu messende Größe verändert.

Messumformer: notwendig, da oft geringe Spannungen/ströme, die oft Störungen ausgesetzt sind —> Erzeugung robuster Signale durch z.B. OPVs; Vorteil: günstig

A/D-Wandler:

• Analog/Digital-Wandler: wandelt analoge Signale in digitale Signale um

• Abtastrate: Anzahl der Wandlungen pro Zeiteinheit, basiert auf dem Nyquist-Shannon-Abtasttheorem, welches besagt, dass ein Signal mit Frequenz f mindestens mit Frequenz 2f abgetastet werden muss.

• Bit-Anzahl: Entscheidet darüber, wie viele verschiedene Werte der A/D Wandler ausgeben kann.

• Abtasten: Zeitdiskretisierung des kontinuierlichen Signals.

• Quantisieren: Wertdiskretisierung des abgetasteten Signals durch Rundung auf die nächste Stufe, wobei die maximale Abweichung eine halbe Stufe beträgt.

Busankopplung: digitales Signal wird an Computer/ Steuerungseinheit übergeben (Aktuator-Sensor-Interface)

• Funktion: Digitale Datenverarbeitung; Auswertung von Sensordaten nach programmierbaren Regeln und Steuerung von Aktoren.

• Vorteile: günstig, analogen & digitale Eingänge, viele Sensoren nutzbar

Kommunikation mit PC über USB

• Nutzung:

1. Sensoren an Maschine anbringen, mit MC verbinden

2. Code schreiben

3. Sensordaten an PC senden, dort aufbereiten

4. Verarbeitung der Daten

• Auflösung: kleinstm.gliche Ver.nderung, die messbare Änderung amAusgangssignal bewirkt

• Wiederholgenauigkeit: Differenz von Messwerten aufeinanderfolgender Messungen innerhalb einer bestimmten Zeit und Umgebungstemperatur

• Linearität: Maß für Abweichung der Kennlinie der Ausgangssignals von Gerade

• Ansprechzeit: Zeit, die Signalausgang braucht um max. Signalpegel zu erreichen

1. Liste mit Messgrößen erstellen, über die Effekt potentiell gemessen werden kann (Motorstrom, Bilder, …)

2. Bei welcher Methode ist Sensor am „nächsten“ am Effekt? Je weniger Maschinenteile dazwischen, desto besser

3. Bewertung der Umgebungsbedingungen auf das Signal (Temperatur, Licht, …)

4. Berücksichtigung weiter Fragen: Unstimmigkeiten bei Prozess? Welche Art der Informationen sollen übertragen werden? Welche Hilfsenergie ist notwendig?

5. Wenn notwendig, Konzepte zur Eliminierung .u.erer Einflüsse erarbeiten

• Zusatzsysteme: Beleuchtung, Reinigung, Filterung

• Schutzsysteme: Schutz gegen Staub, Dichtung, Umhausung, …

6. Auswahl treffen

Hauptklassen der industriellen Bildverarbeitung:

1.     Objekterkennung: z.B. durch Kodierung oder Objektmerkmale

2.     Lageerkennung: Position und Orientierung

3.     Vollständigkeitsprüfung: Sonderfall der Objekterkennung, Ergebnis: ja/Nein Aussage

4.     Form- und Maßprüfung: messtechnisches Erfassen geometrischer Größen

5.     Oberflächeninspektion: Welligkeit, Rauigkeit, Farbe, Oberflächenfehler, Textur, etc.

·       Kamera mit geeignetem Sensor

·       Optik in Form eines Objektivs

·       Auswertungshardware (PC, alternativ SmartCams mit integrierter Elektronik)

·       Auswertungssoftware

Vorteile:

·       Automatisierung der visuellen Intelligenz des Menschen

·       Durchführung berührungsloser Mess- und Steuerungsaufgaben

Menschliches Wissen

Öffentlich zugängliche Daten

·       SORDI Datensatz von BMW

·       Cityscapes Datensatz

·       ABC-Datensatz (CAD-Modelle)