Ein Roboter in der Produktion ist plötzlich ausgefallen. Hätte sich der Ausfall vorhersagen oder sogar verhindern lassen? Eine Antwort auf diese Frage suchten 20 Studierende der Hochschule Albstadt-Sigmaringen in der einwöchigen Data Science Summer School 2018.

Leadec hat ihnen zusammen mit dem Partner DATATRONIQ alle notwendigen Daten mitgebracht für eine eingehende Analyse. Dazu gehören 36 verschiedene Werte wie z.B. Temperatur, Drehmoment und Motorströme, die jede Sekunde erfasst werden. Aus einer Woche ergaben sich so 580.000 Datensätze.

Die Analyse der Teilnehmer aus dem Studiengang Data Science ergibt eindeutig: der Roboter-Crash hätte vorhergesehen werden können. Bereits Stunden vor dem Ausfall konnten um den Faktor 10 oder 20 erhöhte Werte gemessen werden. In dem von den Studierenden entwickelten Prognosemodell ließen sich die Anomalien frühzeitig erkennen.

Wissenschaft und Praxis

„Gefordert ist heutzutage eine permanente Echtzeitanalyse und Verarbeitung von Daten zu nutzbaren Informationen, um vorausschauende Erkenntnisse zu erlangen. Die Summer School bietet unserer Studierenden die Möglichkeit, an echten Fällen zu arbeiten und in engem Austauschen mit Industriepartnern wie Leadec neue Lösungen zu entwickeln“, erklärt Prof. Stefan Ruf von der Hochschule Albstadt-Sigmaringen.

Nicht nur für die Teilnehmer der Summer School ist das Projekt eine spannende Erfahrung. Auch Leadec profitiert von der Zusammenarbeit. „Für uns ist es wichtig, unseren Kunden einen klaren Mehrwert mit unseren Services zu bieten. Die Analyse der Studierenden hat unsere eigenen Erkenntnisse bestätigt und wir werden diese in die Weiterentwicklung einfließen lassen,“ sagt Michael Wojtas, Senior Project Manager bei Leadec im Product Excellence Cluster für Maintain.

Robotik-Zentrum von Leadec

Das Leadec-Team und sein Partner DATATRONIQ kooperieren beim Thema Robotik mit dem Education Center von Leadec in Chemnitz. Dort sollen künftig Ausfälle und andere untypische Bewegungsabläufe simuliert werden, um den Algorithmus der Roboter darauf zu trainieren. Auf Basis dieser Modelle soll eine Skalierung auf Roboter und ähnliche Systeme erfolgen.

Alexander Döbelin, Head of Global Product Excellence Cluster für Maintain & Support Services bei Leadec, erläutert: “Bei Leadec sammeln und verarbeiten wir digitale Daten aus den Produktionsprozessen unserer Kunden und erstellen digitale Businessmodelle. Dadurch werden die Prozesse nicht nur papierlos, sondern auch effizienter und transparenter. Ungenutztes Potenzial kann somit schneller gehoben werden.“

Predictive Analytics in Echtzeit

Warum erst eingreifen, wenn es schon zu spät ist? Idealerweise sollte es gar nicht erst so weit kommen, um den Kunden Kosten und Zeit zu sparen. Durch Predictive Maintenance (vorausschauende Instandhaltung) lassen sich die Verfügbarkeit und Zuverlässigkeit in der Produktion erhöhen sowie die Ressourcen für die Wartung optimal einsetzen.