Werkstoff-Monitoring in der Produktion

Formen: Das unter den perfekten Bedingungen gelagerte Granulat gelangt in die Spritzgussmaschine.

Der Schlüssel zum Erfolg war künstliche Intelligenz. Doch bis es so weit war, wartete eine Menge Arbeit auf die Projektbeteiligten. Das begann damit, dass die Prozessingenieure in Schwalmstadt und ein IT-Expertenteam von Freudenberg Sealing Technologies lernen mussten, mit einer Sprache zu sprechen. „Man kann sich das überspitzt formuliert so vorstellen, dass Analog 2.0 auf Industrie 4.0 traf“, verdeutlicht Hermann. „Es waren zwei Welten, die sich in unserem Projektteam begegneten.“ Entpuppte sich die Kommunikation anfangs noch als Hemmschuh, so verstanden sich die beiden Gruppen bald immer besser. Um einen Algorithmus zu schreiben, war es für die IT-Fachleute unerlässlich, die Prozesse im Werk nicht nur zu verstehen, sondern inhaltlich komplett zu durchdringen. „Wir haben Fragen über Fragen gestellt, um das Problem und die Verfahren nachzuvollziehen“, berichtet Anna Lüders, Data Scientist aus dem firmeneigenen Advanced Analytics Team. Ihre Aufgabe war es, das Simulationsmodell zu erstellen, das präzise Vorhersagen zur Feuchtigkeit des TPU-Granulats erlaubt.

Die Lösung: ein digitaler Schatten

Um die Restfeuchte im TPU bestimmen zu können, war es elementar, ein maschinelles Lernmodell zu entwickeln. Ihm lag der Aufbau einer strukturierten Datenübertragung und -speicherung zugrunde, den die Fachleute des „MES and IIoT Systems Teams“ von Freudenberg verantworteten. Den Grundstock der Datenbank bildeten die Daten, die bislang manuell erfasst worden waren. Um sie mit aktuellen Daten anzureichern, installierte das Projektteam Sensorik innerhalb wie außerhalb der Silos. Sie erfasst die Temperaturen und die Luftfeuchtigkeit in beiden Umgebungen. Daneben fließen weitere Parameter wie die Lagerdauer in die Datenbank ein. Aus all diesen Merkmalen lässt sich die Materialfeuchte des Granulats ableiten. Die manuellen Messungen wurden reduziert. Sie sind aber weiter notwendig, um die Realität mit den Werten des von IT-Expertin Lüders entwickelten Algorithmus abzugleichen. Rasch wurde klar, die Arbeit des Projektteams hat sich gelohnt. „Unsere Stichproben ergaben, dass die KI-Vorhersagen zum Wassergehalt im Granulat lediglich um 0,005 Prozent von den Ergebnissen der manuellen analytischen Messung abwichen“, weiß Projektleiter Hermann. Eine zu vernachlässigende Differenz.

Bei der in Schwalmstadt etablierten Lösung spricht man in der Fachsprache übrigens von einem digitalen Schatten. Von der Idee bis zur erfolgreichen Implementierung des digitalen Schattens benötigte das Projektteam ein Jahr. Nun wird die Granulatfeuchte automatisiert berechnet und visualisiert. Werden Grenzwerte überschritten, schlägt das System Alarm, sodass die Prozesstechniker vor Ort zeitnah eingreifen können. Damit bleibt sichergestellt, dass das TPU-Granulat in der notwendigen Qualität in den Produktionsprozess gelangt. Eine Tatsache, von der sich ein Großkunde inzwischen mehrfach überzeugen konnte. Er erhält vor jeder Produktion ein Muster der für ihn vorgesehenen Charge. Seit die KI am Monitoring der Silos mitwirkt, hat er sie kein einziges Mal beanstandet. „Sein Vertrauen in uns wächst so noch mehr“, bekräftigt Projektleiter Hermann. „Und das, obwohl wir unsere Werkstoffrezeptur unverändert ließen. Wir optimieren dank der KI lediglich physikalische Werte.“