Intel­li­gente Versor­gung von Maschinen mit Kühl­schmier­stoff

Digital in NRW arbeitet mit der grindaix GmbH an einem KI-basierten Produk­ti­ons­system

Die Opti­mie­rung und der Umbau von Kühl­schmier­stoff­ver­sor­gungs­sys­temen für Werk­zeug­ma­schinen ist das Spezi­al­ge­biet der grindaix GmbH. Das Unter­nehmen aus Kerpen erkennt die hohe Nachfrage nach einer digi­ta­li­sierten und vernetzten Lösung für eine optimale Versor­gung von Maschinen mit Kühl­schmier­stoff – und reagiert darauf: In einem Trans­fer­pro­jekt mit Digital in NRW erar­beitet grindaix Bauteine für ein Produk­ti­ons­ver­sor­gungs­system, das künst­liche Intel­li­genz verwendet.

Eine nutz­brin­gende, kunden­ori­en­tierte Produk­tion ist das Ziel eines jeden Unter­neh­mens – und eine große Heraus­for­de­rung zugleich: Die Anfor­de­rungen an Qualität, Kosten und Ferti­gungs­zeit müssen erfüllt und gleich­zeitig mit dem Thema Nach­hal­tig­keit in Einklang gebracht werden. In der Seri­en­fer­ti­gung hat die Kühl­schmier­stoff­ver­sor­gung wesent­li­chen Einfluss auf das Prozes­s­er­gebnis und gilt oftmals als Ursache für Quali­täts­schwan­kungen.

Prozess­fak­toren erfassen und analy­sieren

Dennoch wird selten unter­sucht, von welchen Prozess­fak­toren diese quali­ta­tiven Diffe­renzen abhängen. „Viele Unter­nehmen beschäf­tigen sich mit dieser Frage gar nicht“, weiß Tobias Kaufmann, wissen­schaft­li­cher Mitar­beiter am Werk­zeug­ma­schi­nen­labor der RWTH Aachen und Leiter des Trans­fer­pro­jekts von Digital in NRW. „Aber je größer die Versor­gungs­kette wird, je mehr Maschinen anein­an­der­hängen, desto wichtiger ist es zu wissen, wie jede einzelne Anlage mit Betriebs­mit­teln wie Druckluft, Wasser, Strom oder eben Kühl­schmier­stoff versorgt wird, wo welcher Druck anliegt und welche Tempe­ratur oder Keim­be­las­tung vorliegt. Nur mit Hilfe der quan­ti­ta­tiven Erfassung dieser Zustands­größen in einem vernetzten System können Diffe­renzen und Fehler im Prozess erkannt und ausge­gli­chen werden“, so Dr.-Ing. Dirk Friedrich, Geschäfts­führer der grindaix GmbH. „Viele Unter­nehmen erfassen diese Kenn­größen trotz der tech­ni­schen Mach­bar­keit jedoch bislang nicht.“

Entwick­lung einer digitalen Prozess­über­wa­chung

Um klare Vorher­sagen zur Betriebs­mit­tel­ver­sor­gung in der Produk­tion zu erreichen, arbeiten Digital in NRW und grindaix an der „Resi­li­enten Prozess­füh­rung durch KI-basierte Kühl­schmier­stoff­zu­fuhr beim Schleifen“, so der offi­zi­elle Titel des Trans­fer­pro­jekts. Dahinter steckt die Entwick­lung einer digitalen Prozess­über­wa­chung. Mit Hilfe Künst­li­cher Intel­li­genz sollen zukünftig Fehler und Abwei­chungen in der Versor­gung der Maschinen erkannt, erfasst und Hand­lungs­emp­feh­lungen entwi­ckelt werden. Das Trans­fer­pro­jekt mit Digital in NRW stellt dazu die Weichen für eine nach­hal­tige Kühl­schmier­stoff­ver­sor­gung mit hohen Quali­täts­stan­dards. „Ausfälle in der Versor­gungs­kette vorher­zu­sagen und direkte Maßnahmen zu ergreifen, um den Produk­ti­ons­pro­zess nicht zu unter­bre­chen, wird immer wichtiger“, so Kaufmann.

Von der IST-Analyse zur Erprobung

Die Experten von Digital in NRW haben zunächst im Rahmen einer IST-Analyse die Möglich­keiten einer zentralen oder dezen­tralen Kühl­schmier­stoff­ver­sor­gung (KSS) einer Werk­zeug­ma­schine aufge­nommen und Kommu­ni­ka­ti­ons­schnitt­stellen iden­ti­fi­ziert. Es folgte die Entwick­lung eines Soll-Konzepts: In enger Zusam­men­ar­beit mit dem Unter­nehmen wurde eine geeignete Sensorik zur Erfassung rele­vanter KSS-Versor­gungs­pa­ra­meter erar­beitet, sowie ein tech­ni­sches Lösungs­kon­zept zur digitalen Vernet­zung der einzelnen Schnitt­stellen entwi­ckelt. „Aktuell erproben wir die KSS-Über­wa­chung mit modernster Fluid-Sensorik im Forschungs­um­feld, um Daten zu gene­rieren und zu analy­sieren“, erläutert Tobias Kaufmann.

Simu­la­tion am Demons­trator

Im Werk­zeug­ma­schi­nen­labor in Aachen wird an Analogie-Prüf­ständen gear­beitet und ein Demons­trator mit Rohr­lei­tung, Pumpe und Sensorik aufgebaut, an dem die verschie­denen Prozess­ab­läufe und Fehler­ur­sa­chen simuliert werden: Was passiert, wenn sich eine Leitung zusetzt? Was, wenn der Druck zu gering ist? „Die Heraus­for­de­rung ist, eine Daten­basis zu schaffen, mit der die Algo­rithmen arbeiten können“, erklärt Tobias Kaufmann. Die Zusam­men­hänge von Ursache und Wirkung müssen erforscht, Hand­lungs­emp­feh­lungen entwi­ckelt werden. „Dafür müssen wir Szenarien aus dem Real­be­trieb erfassen und in den Prüfstand über­führen, um deren Auswir­kungen auf die Daten zu erfassen.“, so der Projekt­leiter. Kern des Trans­fer­pro­jekts ist es, eine Methodik für Plau­si­bi­li­täts­prü­fungen zu entwi­ckeln, welche später auf diverse Anwen­dungen über­tragen werden kann. Hoch­qua­li­ta­tive Plau­si­bi­li­täts­prü­fungen stellen „die Grund­vor­aus­set­zungen für später abge­lei­tete Hand­lungs­emp­feh­lungen, die die Prozess­füh­rung schließ­lich verbes­sern und nicht einen Maschi­nen­crash verur­sa­chen sollen.“ Je mehr Daten vorliegen, desto größer ist das spätere Bestimmt­heitsmaß der Algo­rithmen.

Mehr Effizienz, weniger Ausschuss

Anschlie­ßend sollen drei reprä­sen­ta­tive Fälle vom Demons­trator ins reale Umfeld überführt, die Erkennt­nisse in der realen Fertigung einge­bracht werden. Geplant ist, das erar­bei­tete Konzept in ein Assis­tenz­system an einer Seri­en­ma­schine einzu­setzen und für die Praxis aufzu­be­reiten. „Kleine und mittlere produ­zie­rende Unter­nehmen können von der Entwick­lung sicher­lich profi­tieren“, betont Tobias Kaufmann. „Der Einsatz dieses Systems schafft Ressour­cen­ef­fi­zienz, mehr Prozess­si­cher­heit und die Reduktion von Ausschuss­teilen, wodurch wiederum Kosten einge­spart werden können.“