Betreiber moderner Werkzeugmaschinen stellen höchste Anforderungen an die Maschinenverfügbarkeit und -zuverlässigkeit. Qualitätsabweichungen im Fertigungsprozess durch beginnenden Verschleiß oder eine Fehlfunktion lassen sich mit bestehenden Ansätzen zur vorbeugenden und prädiktiven Wartung nicht zweifelsfrei einem Bauteil oder einer Komponente zuordnen. Daher besteht bei Herstellern, Betreibern und Bedienern moderner Werkzeugmaschinen der Bedarf, das qualitätsbestimmende Zusammenwirken einer Vielzahl von verbauten Komponenten und der Werkzeugmaschine selbst zu verstehen, Zustandsveränderungen frühzeitig zu erkennen und Produktionsausfälle proaktiv zu vermeiden.

Die Herausforderungen zur Verbesserung einer automatisierten Zustandsüberwachung und damit zur Erhöhung der Zuverlässigkeit und Maschinenverfügbarkeit, liegen in der Steigerung der Kooperationen zwischen Komponenten- und Maschinenherstellern. Im Betrieb generierte Daten stehen oftmals jeweils nur einer Partei zur Analyse des Maschinen- und Komponentenverhaltens zur Verfügung. Der Einsatz KI-basierter Methoden zur Zustandsüberwachung erfordert zudem u. U. das Training mit großen Datenmengen. Hierzu gilt es, die technischen Voraussetzungen zum KI-Training, zum Datenaustausch und zur Aggregation von Daten über die verschiedenen Hierarchieebenen und Kommunikationsprotokolle der Produktionsmaschine zu schaffen. Gleichzeitig bedarf es einer sicheren Datenspeicherung, gemeinsamen Datenräumen und Zugriffsberechtigung, um sensible Daten zu schützen und zu nutzen. Komponenten- und Maschinenhersteller müssen unter Wahrung der Datensouveränität befähigt werden, individuell zu entscheiden, in welcher Weise proprietäre Daten von anderen Akteuren verwendet und wie Daten genutzt werden können.

Weiterführende Informationen & Quellenangabe (Stand: 07/2024):
Fraunhofer - ProKInect Homepage