OLIVER FLASCH, SOURCEWERK GMBH
OWL TECH INNOVATION DAY, 26. SEPTEMBER 2019
P r e d i c t i v e Q u a l i t y M a n a g e m e n t
i n d e r S t a h l i n d u s t r i e
2
© 2019 sourceWERK GmbH
ÜBER SOURCEWERK
2015
GRÜNDUNG
Dortmund
STANDORT9
MITARBEITER
480.000 € (2017)
UMSATZ
SOFTWARE UND BERATUNG FÜR STAHLINDUSTRIE 4.0
Mission: 2021: führender
Industrie 4.0-Dienstleister für
den deutschen Mittelstand
größter Informatik-
Ausbildungsstandort
Deutschlands, mehr als
1000 IT-Unternehmen vor
Ort
Interdisziplinäres Team:
Informatiker, Physiker,
Mathematikerin,
Betriebswirtin, Stahlmanager
Inhabergeführt
100% selbstfinanziert
3
© 2019 sourceWERK GmbH
REFERENZEN
4
© 2019 sourceWERK GmbH
Datenstrom-Integration als
Schlüssel für Industrie 4.0
5
© 2019 sourceWERK GmbH
ACATECH
REIFEGRANDMODELL
INDUSTRIE 4.0
6
© 2019 sourceWERK GmbH
DATENINTEGRATIONIST-ZUSTAND
DATENQUELLEN
DATENINTEGRATION
ANWENDUNGEN
…ERPQualitäts-
daten SCADAMES
⨝
Assistenz-
Systemepredictive
Maintenance
⨝
…
⨝
predictive
Quality
⨝
7
© 2019 sourceWERK GmbH
DATENINTEGRATIONDATA WAREHOUSING
DATENQUELLEN
DATENINTEGRATION
ANWENDUNGEN
…ERPQualitäts-
daten SCADAMES
Assistenz-
Systemepredictive
Qualitypredictive
Maintenance…
Data Warehouse
8
© 2019 sourceWERK GmbH
DATENINTEGRATIONDATENSTRÖME
DATENQUELLEN
DATENINTEGRATION
ANWENDUNGEN
…ERPQualitäts-
daten SCADAMES
Assistenz-
Systemepredictive
Qualitypredictive
Maintenance…
sourceWERK Stream (Kafka + OPC UA)
Data-Driven
Planning
Data Warehouse
BI Tools
CMSE-Mail
9
© 2019 sourceWERK GmbH
DATENSTROMVERARBEITUNGNACHRICHTENFLUSS
DATENSTROMVERARBEITUNG
sourc
eW
ER
KS
tream
ECHTZEIT-EREIGNISDATENSTRÖME
ERP/MES:
Auftragsdaten
gemessene
Prozessparameter
QA:
Prüfergebnisse
optimierte
Prozessparameter
10
© 2019 sourceWERK GmbH
DATENSTROMVERARBEITUNGDATENSTROM-TABELLEN-DUALITÄT
TABELLE:
FERTIGUNGSAUFTRAG
FANR KUNDNR LIEFDAT CHARGE BLOCK ISTABM ISTSTK
TABELLE:
TERMINTREUE
DATENSTROM:
FERTIGUNGSAUFTRAGSÄNDERUNGEN
ZEITSTEMPEL TYP INHALT
CHANGE DATA CAPTURE
FANR KUNDNR LIEFDAT STARTDAT ENDDAT ZEITBEDARF
DATENSTROMVERARBEITUNG
FANR KUNDNR LIEFDAT CHARGE BLOCK ISTABM ISTSTK
1001 25812 02.10.2019
ZEITSTEMPEL TYP INHALT
20.09.2019 08:03 INSERT {"FANR": 1001, "KUNDNR": 25812, "LIEFDAT": ...}}
FANR KUNDNR LIEFDAT STARTDAT ENDDAT ZEITBEDARF
1001 25812 02.10.2019
FANR KUNDNR LIEFDAT CHARGE BLOCK ISTABM ISTSTK
1001 25812 02.10.2019 SG505612
ZEITSTEMPEL TYP INHALT
20.09.2019 08:03 INSERT {"FANR": 1001, "KUNDNR": 25812, "LIEFDAT": ...}}
21.09.2019 12:05 UPDATE {"FANR": 1001, "CHARGE": "SG505612"}
FANR KUNDNR LIEFDAT STARTDAT ENDDAT ZEITBEDARF
1001 25812 02.10.2019 21.09.2019
FANR KUNDNR LIEFDAT CHARGE BLOCK ISTABM ISTSTK
1001 25812 02.10.2019 SG505612 V50810119
ZEITSTEMPEL TYP INHALT
20.09.2019 08:03 INSERT {"FANR": 1001, "KUNDNR": 25812, "LIEFDAT": ...}}
21.09.2019 12:05 UPDATE {"FANR": 1001, "CHARGE": "SG505612"}
21.09.2019 16:45 UPDATE {"FANR": 1001, "BLOCK": "V50810119"}
FANR KUNDNR LIEFDAT CHARGE BLOCK ISTABM ISTSTK
1001 25812 02.10.2019 SG505612 V50810119 V40 16
ZEITSTEMPEL TYP INHALT
20.09.2019 08:03 INSERT {"FANR": 1001, "KUNDNR": 25812, "LIEFDAT": ...}}
21.09.2019 12:05 UPDATE {"FANR": 1001, "CHARGE": "SG505612"}
21.09.2019 16:45 UPDATE {"FANR": 1001, "BLOCK": "V50810119"}
24.09.2019 11:25 UPDATE {"FANR": 1001, "ISTABM": "V40", "ISTSTK": 16}
FANR KUNDNR LIEFDAT STARTDAT ENDDAT ZEITBEDARF
1001 25812 02.10.2019 21.09.2019 24.09.2019 4280 min
FANR KUNDNR LIEFDAT CHARGE BLOCK ISTABM ISTSTK
1001 25812 02.10.2019 SG505612 V50810119 V40 16
1002 16389 03.10.2019
ZEITSTEMPEL TYP INHALT
20.09.2019 08:03 INSERT {"FANR": 1001, "KUNDNR": 25812, "LIEFDAT": ...}}
21.09.2019 12:05 UPDATE {"FANR": 1001, "CHARGE": "SG505612"}
21.09.2019 16:45 UPDATE {"FANR": 1001, "BLOCK": "V50810119"}
24.09.2019 11:25 UPDATE {"FANR": 1001, "ISTABM": "V40", "ISTSTK": 16}
24.09.2019 14:02 INSERT {"FANR": 1001, "KUNDNR": 16389, "LIEFDAT": ...}
FANR KUNDNR LIEFDAT STARTDAT ENDDAT ZEITBEDARF
1001 25812 02.10.2019 21.09.2019 24.09.2019 4280 min
1002 16389 03.10.2019
11
© 2019 sourceWERK GmbH
SOURCEWERK STREAMPLATTFORMKOMPONENTEN
Kubernetes
SWS-FLOWStreaming ETL,
Streaming Analytics (Python / R)
SWS-ADMAsset Data Management
SWS-DBAnalytics DB, Datamarts, Metadata, Search Index
SWS-OPS
LoggingElasticsearch, Fluentd, Kibana
MonitoringGrafana
AlertingGrafana
SWS-KAFKAApache Kafka, Apache Zookeeper
SecurityIstio, Keycloak
12
© 2019 sourceWERK GmbH
Praxisbeispiele
13
© 2019 sourceWERK GmbH
PREDICTIVE MAINTENANCEANOMALIEERKENNUNG KAROSSIERIEPRESSE
er
ge
bn
isse
de
rd
ate
na
na
ylse
zu
mu
ng
epla
nte
na
usfa
ll
ein
er
ka
ro
sse
rie
pr
esse
3
Abbil
du
ng
1:H
eatm
ap
der
Date
nbasi
s
HEATMAP
MASCHINENDATEN
14
© 2019 sourceWERK GmbH
PREDICTIVE MAINTENANCEANOMALIEERKENNUNG KAROSSIERIEPRESSE
RELEVANTE SIGNALE
UND ANOMALIESCORE:
AUSFALLZEITEN SIND GRAU HINTERLEGT.
1) WARTUNG
2) UNENTDECKTES SCHADENSEREIGNIS
3) WERKZEUGWECHSEL
4) MEHRSTÜNDER AUSFALL
15
© 2019 sourceWERK GmbH
PREDICTIVE MAINTENANCEDATENINTEGRATION PDA / MES
16
© 2019 sourceWERK GmbH
PREDICTIVE QUALITYVERKETTETER PRODUKTIONSPROZESS
17
© 2019 sourceWERK GmbH
PREDICTIVE QUALITYMODELLBASIERTE QUALITÄTS- UND LIEFERZEITPROGNOSE
18
© 2019 sourceWERK GmbH
PREDICTIVE QUALITY
datengetriebener Prozessregler Feinschneiden
datengetriebenes
Prozessmodell Feinschneiden
berechnet Vorhersage der Qualitäts-
und Effizienzkenngrößen für gegebene
Steuergrößen und nicht-beeinflussbare
Prozessparameter
robuster multikriterieller
Black-Box Optimierer
berechnet online-optimierte
Steuergrößen durch Nutzung des
datengetriebenen Prozessmodells
Feinschneiden
nicht-beeinflussbare
Prozessparameter
Materialeigenschaften,
Umgebungstemperatur,
Tribologie
(Schmiermittel-Eigenschaften),
Werkzeuggeometrie,
Werkzeug-Verschleißgrad
Qualitätskenngrößen
Kanteneinzugstiefe,
Schnittflächen-Rauheit,
Risstiefen
Effizienzkenngrößen
Hubfrequenz,
Energieverbrauch,
Werkzeugverschleiß
Steuergrößen
zeitabhängige Schittkraft,
Schnittgeschwindigkeit,
Werkzeugschrägstellung
optimierte Steuergrößen
zeitabhängige Schittkraft,
Schnittgeschwindigkeit,
Werkzeugschrägstellung
DATENGETRIEBENE PROZESSREGELUNG
© 2019 sourceWERK GmbH
DISKUSSION
20
© 2019 sourceWERK GmbH
SOURCEWERK STREAMZUSAMMENFASSUNG
SOURCEWERK STREAM DATA WAREHOUSE DATA LAKE
DATENFORMATE tabellarisch, hierarchisch, frei tabellarisch tabellarisch, hierarchisch, frei
MODELL IERUNG flexibel aufwändig keine
ABFRAGESPRACHE flexibel(SQL) flexibel(SQL) starr(Map-Reduce)
DATENQUALITÄT flexibel hoch fragwürdig
DATENVOLUMEN hoch(Petabytes) mittel(Terabytes) hoch(Petabytes)
GESCHWINDIGKE IThoch
(Echtzeit)
gering
(tägliches Batch-ETL)
gering
(tägliches Batch-ETL)
TECHNISCHE B AS ISApache Kafka
OPC UA
relationale Datenbanken
(Oracle, SAP BW, …)
noSQL
(Hadoop, MongoDB, …)
21
© 2019 sourceWERK GmbH
SOURCEWERK STREAMEREIGNISDATEN
ZEITSTEMPEL DATENSCHLÜSSEL
• Ereigniszeitpunkt
• Erfassungszeitpunkt
• Verarbeitungszeitpunkt
• Chargennummer
• Block- / Riegelnummer
• Walzadernummer
• Stabnummer
• Fertigungsauftragsnummer
• Anlagennummer
• ...
• Produktionsparameter
• Qualitäts-Prüfergebnisse
• chemische Analysen
• Energieverbräuche
• Auftragsdaten
• KPIs
• ...