Fraunhofer-Institut für Verfahrenstechnik und Verpackung IVV
Bildverarbeitende Methoden zur Störungserkennung
Im Projekt opticSAM entsteht eine Software zur Wiedererkennung von Störungen an Verarbeitungsmaschinen. Durch die Verwendung von bildverarbeitenden Methoden werden dabei die Möglichkeiten zur Störungserkennung, im Gegensatz zu sensordatenbasierten Ansätzen, deutlich erweitert. Das System zur optischen Störungserkennung wird an ein Assistenzsystem für Maschinenbediener als zentrale Plattform angeschlossen. Dabei wird nicht in den Produktionsprozess eingegriffen, sondern lediglich der Maschinenbediener bei der Erledigung seiner Arbeit unterstützt.
Effizienzsteigerung durch optische Methoden zur Störungsdiagnose
Die technischen Wirkungsgrade von Verarbeitungsmaschinen und -anlagen erreichen Werte von über 95 %. Im Produktionsalltag tritt bei Verarbeitungsmaschinen allerdings eine Vielzahl von Mikrostörungen (< 2 Min) auf, die den tatsächlichen Wirkungsgrad deutlich senken. Durch diese regelmäßig auftretenden Stillstände kommt es zu hohen Ausschussmengen, einer Ressourcenverschwendung und einer geringeren Produktionseffizienz.
Um die Anzahl und Dauer von Störungen zu minimieren, und damit die Produktionseffizienz zu erhöhen, sowie Ausschussmengen und Ressourcenverschwendung zu reduzieren, können verschiedene Ansätze verfolgt werden. Eine Möglichkeit besteht in der gezielten Unterstützung der Maschinenbediener bei der Störungsdiagnose und -beseitigung. Störungen in Verarbeitungsanlagen zeichnen sich in der Regel durch lange Ursache-Wirkungs-Ketten aus, deren Diagnose fundiertes Fachwissen erfordert, welches jedoch nicht bei allen Maschinenbedienern vorliegt. Dies hat zur Folge, dass eine nachhaltige Beseitigung der Störungsursache häufig nicht erfolgt.
Mit dem selbstlernenden Bediener-Assistenzsystem SAM wird dieser Ansatz aufgegriffen und eine Software bereitgestellt, die Maschinenbedienern bei der Beseitigung von Störungen unterstützt. Zur Störungserkennung werden im Projekt opticSAM Bilddaten der Maschine mittels Kamera aufgenommen und anschließend mittels Verfahren des Maschinellen Lernens so ausgewertet, dass für den Maschinenbediener nützliche Informationen extrahiert werden. Gerade bei Maschinen mit wenigen Sensoren oder Bereiche mit wenigen oder keinen Sensoren in der Maschine können auf diesem Wege umfangreich ausgewertet werden, ohne dass eine Vielzahl von Sensoren nachgerüstet werden muss. Eine Anbindung an die Maschinensteuerung ist damit nicht notwendig.
Praxisnahe Forschung – Anwendung in der Industrie
Bei der Entwicklung der optischen Störungswiedererkennung setzt das Fraunhofer IVV Dresden auf die Zusammenarbeit mit Partnern aus der Praxis, um Wünsche, Ideen und Bedenken frühzeitig bei der Entwicklung des Systems mit zu berücksichtigen.
Zunächst wird das System an einem Demonstrator des Fraunhofer IVV Dresden im Labormaßstab implementiert und getestet. Anschließend wird das System bei interessierten Partnern eingebaut und unter Praxisbedingungen evaluiert. Dafür haben sich bereits einige Praxispartner gefunden. Haben Sie Interesse, an unserem Forschungsprojekt teilzuhaben? Wenden Sie sich gerne an uns!
Projektinformationen opticSAM
| Projektlaufzeit: | 2019 bis 2020 |
| Projektträger: | Sächsische Aufbaubank - Förderbank (SAB) |