Maximilian Beinhofer

Wer seine Anlagen nicht permanent im Auge hat, gerät bei unerwartetem Stillstand ins Hintertreffen. Besser ist die fortlaufende Überwachung wichtiger Komponenten. Maximilian Beinhofer rät zum «Monitoring». Auszüge aus einem Interview mit dem Chef der Abteilung für «Cognitive Systeme» bei TGW.

Herr Beinhofer, kann man Verschleissteile nicht einfach regelmässig austauschen?
Ja, das nennt man präventive Instandhaltung. Dabei geht es darum, dass aufgrund von Erfahrungswerten bestimmte Wartungs- oder Austauschzyklen festgelegt werden. Das garantiert eine sehr hohe Anlagenverfügbarkeit. Der Nachteil: Die Kosten sind höher, weil auch Teile getauscht werden, die noch einen Abnutzungsvorrat haben.

Wie funktioniert vorausschauende Instandhaltung?
Mithilfe der Zustandsüberwachung von Komponenten über Sensoren kann man in der Software frühzeitig absehen, ob sich ein Problem anbahnt. (…) Mit smarter Algorithmik, also Methoden aus dem Bereich Machine Learning und Data Science, vernetzen wir bereits vorhandene Daten aus den Sensoren so, dass wir sehr exakte Aussagen über den Zustand bzw. den Verschleiss von Komponenten treffen können.

Fotos: TGW

Haben Sie ein Praxisbeispiel?
In unserem preisgekrönten Pickroboter Rovolution messen wir den Zustand des Vakuums in der Greifvorrichtung. Kommt es etwa aufgrund von Staubbelastung der Umgebung zu einem Druckverlust, sehen wir das sofort und können reagieren.

Wie geht man mit älteren Anlagen um, die nicht über die nötigen Sensoren verfügen?
Man kann zusätzliche Sensoren, zum Beispiel für die Messung von Vibrationen, anbringen. Je nach Grösse der Anlage können dabei von einigen wenigen bis mehr als hundert Sensoren benötigt werden. (…) Grundsätzlich gilt, dass auch bestehende Intralogistikanlagen nachrüstbar sind.

In welchen Bereichen ist prädiktive Instandhaltung sinnvoll?
Im Prinzip überall in einer Anlage. Am interessantesten sind jedoch die verbindenden Elemente. Wenn beispielsweise einer von zehn Kommissionier-Arbeitsplätzen ausfällt, sind noch 90 Prozent der Pick-Leistung verfügbar. Fällt aber ein Sortersystem aus, über das sämtliche Waren laufen, dann bedeutet der Ausfall sofortigen Stillstand.

Was sind die Herausforderungen?
Um die Algorithmen trainieren zu können, muss man genau wissen, wann eine Wartung erfolgte und was exakt gemacht wurde. Sonst glaubt das System, dass sich von selbst eine Verbesserung eingestellt hat. Man braucht maschinenlesbare Daten, um das Machine Learning-System trainieren zu können. Gleichzeitig muss die Feedback-Schleife schnell und einfach zu bedienen sein, damit der Wartungstechniker das Feedback rasch geben kann.

Wie wird sich die Nachfrage entwickeln?
Das Thema ist derzeit populär. Ich gehe davon aus, dass in fünf bis zehn Jahren nur noch Anlagen verkauft werden, die diesen Service bieten. Bei grossen Einzelmaschinen ist es bereits jetzt üblich, dass ein Vibrationssensor zum Einsatz kommt. Bei grossflächig vernetzten Anlagen gibt es momentan noch verschiedene Strategien.

www.tgw-group.com