Ein Prototyp zur zustandsorientierten Ein Prototyp zur zustandsorientierten Instandhaltung kb b h Jakob Krause, Sebastian Cech TU Dresden - Fakultät Informatik
Ein Prototyp zur zustandsorientierten Ein Prototyp zur zustandsorientierten Instandhaltung
k b b hJakob Krause, Sebastian Cech
TU Dresden - Fakultät Informatik
GliederungFakultät Informatik, PreCon Projekt Gruppe
1 Motivation1. Motivation
2. Der Prognoseprozessg p
3. Die Frameworkarchitektur
4. Implementierung des Prototypen
5. Zusammenfassung und Ausblick
2/23
MotivationFakultät Informatik, PreCon Projekt Gruppe
Maschine
Beanspruchungen: Wirkungen:
•Verschleiß•Verformung
•Biologisch•Chemisch•Physikalisch
Ve o u g•Ermüdung•Korrosion•BrüchePhysikalisch
•Mechanisch•Brüche•Verschmutzung•usw.
Maschinenausfälle
3/23
Maschinenausfälle
MotivationFakultät Informatik, PreCon Projekt Gruppe
Folgen von Maschinenausfällen:
• Stillstandzeiten in der Produktion• Überschreitung von Lieferfristen• Entstehung von Kosten
Konventioneller Lösungsansatz:Konventioneller Lösungsansatz:
• Präventive Instandhaltung unabhängig vom realen Zustand der Maschinen (periodische Wartung)Maschinen (periodische Wartung)
Probleme:
• Unnötige Instandsetzung (zu früh)• Maschinenausfälle (zu spät)
4/23
• Daraus resultierende Kosten
MotivationFakultät Informatik, PreCon Projekt Gruppe
Lösungsansatz: Zustandsorientierte Instandhaltung
Maschinen/Prozess
Modellierung und Prognose des Maschinen Verhaltens Planung von des Maschinen-Verhaltens
Prozessdaten ErwarteteAusfallzeit
Planung von Wartungsarbeiten
Ausfallzeit
5/23
Wartung
GliederungFakultät Informatik, PreCon Projekt Gruppe
1 Motivation1. Motivation
2. Der Prognoseprozessg p
3. Die Frameworkarchitektur
4. Implementierung des Prototypen
5. Zusammenfassung und Ausblick
6/23
Der PrognoseprozessFakultät Informatik, PreCon Projekt Gruppe
Prozessanalyse AusfallzeitbestimmungProzessdaten Ausfallzeitpunkt
Indikatoren Prog. Modelle
Statische und dynamische
Prognose Modellierung
Modelle
ModellierungModellierung
7/23
Der PrognoseprozessFakultät Informatik, PreCon Projekt Gruppe
1. Prozessanalyse
• Analyse des Maschinenprozesses durch Spezialisten• Aufdeckung von Zusammenhängen in den Prozessgrößen• Identifizierung von Zuverlässigkeits-Indikatoren*• Bestimmung von Grenzwerten für Zuverlässigkeits-Indikatoren
2. Statische und dynamische Modellierung
• Erstellung von statischen Modellen (Zusammenhang zwischen Ein-• Erstellung von statischen Modellen (Zusammenhang zwischen Einund Ausgangsgrößen eines Systems)
• Erstellung von dynamischen Modellen (Verhalten eines Indikators über die Zeit)über die Zeit)
• Validierung der Modelle
8/23
*Indikatoren: Prozessdaten die den Alterungsprozess (Zuverlässigkeit) von Maschinen widerspiegeln
Der PrognoseprozessFakultät Informatik, PreCon Projekt Gruppe
3. Prognose Modellierung
• Erstellung von Prognosemodellen basierend auf dynamischen Modellen
• Erstellung der Prognose • Validierung der Prognosemodelle
4. Ausfallzeitbestimmung
• Identifizierung von Zustandswechseln (Bereichen in denen die Prognose festgelegte Zuverlässigkeits- Grenzwerte überschreitet)
9/23
Der PrognoseprozessFakultät Informatik, PreCon Projekt Gruppe
Probleme:
• Starke Unterschiede in den Eigenschaften der Prozessdaten • Dynamische Änderung der Prozessdaten-Eigenschaften • Stetig zunehmende Datenmenge
Zusammengefasst: g
• Forderung nach flexibler Anpassung des Modellierungsprozesses an die Prozessdaten-Charakteristikadie Prozessdaten Charakteristika
Lösung:
Framework für zustandsorientierte Instandhaltung
10/23
GliederungFakultät Informatik, PreCon Projekt Gruppe
1 Motivation1. Motivation
2. Der Prognoseprozessg p
3. Die Frameworkarchitektur
4. Implementierung des Prototypen
5. Zusammenfassung und Ausblick
11/23
Die FrameworkarchitekturFakultät Informatik, PreCon Projekt Gruppe
Aufbau:
• Realisierung des Model-Frameworks in Schichten:
• Statische Modellierung• Dynamische Modellierung• Prognose Modellierungg g• Konsolidierung
• Anbindungsmöglichkeit auf jeder Schicht zur Datenakquise (DA)• Anbindungsmöglichkeit auf jeder Schicht zur Datenakquise (DA)• Persistierung relevanter Daten im Analytic Warehouse
(operationale Datenbank)• Anbindung an ERP Systeme zur bedarfsorientierten Wartung• Anbindung an ERP – Systeme zur bedarfsorientierten Wartung• Service Orientierte Architektur (Heterogenität unterschiedlicher
Systeme)
12/23
Die FrameworkarchitekturFakultät Informatik, PreCon Projekt Gruppe
13/23
Die Frameworkarchitektur
GliederungFakultät Informatik, PreCon Projekt Gruppe
1 Motivation1. Motivation
2. Der Prognoseprozessg p
3. Die Frameworkarchitektur
4. Implementierung des Prototypen
5. Zusammenfassung und Ausblick
14/23
Implementierung des PrototypenFakultät Informatik, PreCon Projekt Gruppe
Technische Basis:
SPS OPC Server SAP PostgreSQLSPSSIMATIC S7
OPC ServerSIMATIC NET
SAPxMII
PostgreSQL
DatenbankProzessdaten
Steuerinformationen
Drehmaschine Applikations-S ( )
Benutzeroberfläche
15/23
Modellfabrik (Fischertechnik) Server (Tomcat)
Implementierung des PrototypenFakultät Informatik, PreCon Projekt Gruppe
Modellbildungs- und Prognose- Algorithmen im Modelframework:(A M d ll Z it ih d d P )(Anpassung von Modellen an Zeitreihen und deren Prognose)
• Repräsentation als WebServices mit einheitlicher Schnittstelle Vorteile:
• Flexible Erweiterung des Frameworks um neue Algorithmen und externe Werkzeuge (z.B.: X12-ARIMA)g ( )
• Verteilte Bearbeitung und Verwaltung des Prognosevorgangs
• Derzeitiger Vorrat:
ARIMA Polynom Prognose
Maximum-Likelihood Variate Differenzen Lineare Kalman Prog.
Yule-Walker Methode kl. Quadrate
16/23
Kalman Filter
Implementierung des PrototypenFakultät Informatik, PreCon Projekt Gruppe
17/23
Einbettung des Prototypes in die Frameworkarchitektur
Implementierung des PrototypenFakultät Informatik, PreCon Projekt Gruppe
Benutzeroberfläche:
• Modulare Eclipse RCP Anwendung
• Realisierung von:• Mechanismen zum Datenzugriff• Mechanismen zur Visualisierungg• Unterstützende Modellbildungsalgorithmen
• Zwei Sichten• Zwei Sichten• System Integrator• Operator
18/23
Implementierung des PrototypenFakultät Informatik, PreCon Projekt Gruppe
19/23
Die Benutzeroberfläche
GliederungFakultät Informatik, PreCon Projekt Gruppe
1 Motivation1. Motivation
2. Der Prognoseprozessg p
3. Die Frameworkarchitektur
4. Implementierung des Prototypen
5. Zusammenfassung und Ausblick
20/23
Zusammenfassung und AusblickFakultät Informatik, PreCon Projekt Gruppe
Zustandsorientierte Instandhaltung:
• Kostengünstigere und effizientere Instandhaltung möglich
• Unterstützung der allwissenden Fabrik
Prototyp:yp
• Modellierung von ausgewählten Indikatoren (z.B. Leistungsverbrauch)Leistungsverbrauch)
• Prognostizieren des Ausfallzeitpunktes
• Periodische Modellaktualisierung
21/23
Zusammenfassung und AusblickFakultät Informatik, PreCon Projekt Gruppe
Ausblick:
• Flexible Anbindung an ERP-Systeme
• Technische Anbindung sowie Modellierung weiterer Indikatoren
• Integration weiterer angepasster Modellierungsalgorithmeng g p g g
• Test der Architektur in realer Produktionsumgebung
22/23
ENDE
Vielen Dank für Ihre Aufmerksamkeit!Vielen Dank für Ihre Aufmerksamkeit!
Jakob Krause: [email protected]
Sebastian Cech: sebastian cech@inf tu-dresden deSebastian Cech: [email protected] dresden.de
Das zu Grunde liegende Projekt wird finanziert von SAP Research