Smart Data Analytics: Die BMW Group setzt auf intelligente Nutzung von Produktionsdaten für effiziente Prozesse und Premiumqualität

By   /  August 31, 2017  /  Comments Off on Smart Data Analytics: Die BMW Group setzt auf intelligente Nutzung von Produktionsdaten für effiziente Prozesse und Premiumqualität

    Print       Email

MIL OSI – Source: BMW Group –

Headline: Smart Data Analytics: Die BMW Group setzt auf intelligente Nutzung von Produktionsdaten für effiziente Prozesse und Premiumqualität

München. Bei der Produktion eines Automobils
entstehen entlang der gesamten Wertschöpfungskette erhebliche Mengen
an Daten. Die BMW Group analysiert in ihrem Digitalisierungsfeld Smart
Data Analytics diese Daten zielgerichtet zur Weiterentwicklung ihres
Produktionssystems. In allen Fertigungsbereichen und der Logistik
leisten die Erkenntnisse aus intelligenten Datenanalysen einen
wirksamen Beitrag zur Verbesserung der Qualität.
Datengetriebene Verbesserungen der Prozesse und Anlagen helfen,
Durchlaufzeiten zu reduzieren und Kosten zu senken. Neue Lösungen
entstehen in einer standortübergreifenden, zentralen Planung; viele
Impulse kommen aber auch aus dem internationalen Produktionsnetzwerk.
So kann die BMW Group auf eine Vielzahl von Innovationen
zurückgreifen, die zusätzliche Spielräume eröffnen, die Produktion
noch flexibler zu gestalten. Für die schnelle und einfache Anbindung
der Vielzahl von Sensor- und Prozessdaten aus Produktion und Logistik
setzt das Unternehmen auf eine zugriffsgeschützte
Intranet-of-Things-Plattform. Smart Data Analytics bietet daher völlig
neue Chancen, die weit über bisherige Analysemöglichkeiten
hinausgehen. Die Geschwindigkeit, mit der sich neue Lösungen umsetzen
lassen, erhöht sich deutlich. Gleichzeitig verringern sich der
technische Aufwand und die Umsetzungskosten dank neuer IoT-Sensorik
und Cloud- sowie Big-Data-Technologien.
Christian Patron, Leiter Innovationen und Digitalisierung im
Produktionssystem: „Mit Smart Data Analytics setzen wir neue Maßstäbe
in unserem Produktionssystem. Die Erfahrung unserer Mitarbeiter
kombinieren wir mit den neuen Möglichkeiten, große Datenmengen
effizient zu verarbeiten, um daraus präzise Prognosen abzuleiten und
vorausschauend Prozesse zu optimieren. Dies beschleunigt die
kontinuierliche Verbesserung des Produktionssystems nach den
Grundprinzipien einer schlanken Produktion.“
Zahlreiche Anwendungsbeispiele aus verschiedenen Fertigungsbereichen
belegen den Nutzen von Smart Data Analytics.

 

Lasermarkierte Karosserieteile: Feinsteuerung der Pressen,
jederzeit verfolgbare KarosserieteileBis zu 40 Tonnen
schwere und rund drei Kilometer lange Stahlrollen, so genannte Coils, 
werden im Presswerk zu Platinen zugeschnitten und anschließend zu
Karosserieteilen umgeformt. Doch nicht an jeder Stelle des Coils sind
Blechstärke, Blechfestigkeit, Beschaffenheit der Oberfläche oder der
Grad der Beölung gleich. Abweichungen vom Soll könnten bei besonders
belasteten Karosserieteilen zu Rissen während des Umformens führen.
Hier setzt eine Smart Data Analytics Anwendung im BMW Group Werk
Regensburg an. Sie markiert jede Platine per Laser mit einem
mehrstelligen Code, ihrer eigenen ID. Künftig ermöglicht diese ID eine
Feinjustierung der Pressen auf die Eigenschaften der Platine hin: Bei
Bedarf könnte die ID einen Steuerbefehl enthalten, der in der Presse
beispielsweise eine zusätzliche Beölung der Platine vor dem Umformen auslöst.
Dank eindeutiger Markierung ist die Platine jederzeit
identifizierbar. Jedem Karosserieteil sind somit Informationen
zugeordnet, die über alle folgenden Fertigungsschritte hinweg
verfügbar bleiben. Für die Markierung bleibt die Platine in ihrer
Fertigungsstraße, sie erhält ihre ID ohne jeglichen Taktzeitverlust.
Die ID ist so gestaltet, dass sie im Karosseriebau sichtbar bleibt.
Die Planungsspezialisten der BMW Group nutzen bereits die
Weiterverfolgbarkeit aller Teile für die Optimierung mittels
zusätzlicher Algorithmen. Beispielsweise können durch die
Berücksichtigung der gemessenen Eigenschaften jedes einzelnen
Karosserieteils die Spaltmaße der fertigen Karosserie weiter
optimiert, oder der Lackauftrag noch besser auf die Oberfläche der
einzelnen Karosserie abgestimmt werden. Schon heute zeigt die
Feinjustierung der Pressenparameter auf die Eigenschaften der Platine
hin deutlich Wirkung: Die Zahl der Ausschussteile sinkt deutlich, der
Materialnutzungsgrad eines Coils steigt weiter. Für Fehleranalysen
erforderliche Anlagenstillstände können reduziert werden.

Vorausschauende Instandhaltung von Robotern, Schweißwerkzeugen
und Antrieben im KarosseriebauBesonders großes
Potential bieten Smart Data Analytics Anwendungen für die Erhöhung der
Verfügbarkeit von Produktionsanlagen und -maschinen in den
hochautomatisierten Fertigungsbereichen. Eine möglichst präzise
Vorhersage, wann ein Ausfall droht, hilft ungeplante
Anlagenstillstände weitgehend zu vermeiden. Auf Grundlage dieser
Prognose können die Mitarbeiter der Instandhaltung einen
Wartungseingriff gezielt planen, um dadurch Zeiten des
Anlagenstillstands auf ein absolutes Minimum zu begrenzen. Diese
sogenannte prädiktive Instandhaltung wird erst durch die intelligente
Analyse einer großen Zahl realer Produktionsdaten, Sensordaten oder
Prozessdaten möglich: Deren zielgerichtete Analyse erlaubt es, den
optimalen Zeitpunkt für den Wechsel von Verschleißteilen in der
Produktion zu bestimmen. Erfolgt dieser Wechsel zu spät, könnte ein
Produktionsstillstand drohen, erfolgt er zu früh, werden wertvolle
Ressourcen verschwendet. Die früher übliche, rein vorbeugende
Instandhaltung konnte sich mangels Datenbasis nicht am tatsächlichen
Verschleiß orientieren. Diese Methode erforderte eine Art
Sicherheitspolster für den Wechselzeitpunkt und konnte doch
unerwartete Ausfälle nicht erkennen.
Datenbasierte Lösungen zur prädiktiven Instandhaltung kommen an
verschiedenen Stellen im Karosseriebau zum Einsatz. Sie ermöglichen
die Vorhersage von entstehendem Getriebe- oder Bremsverschleiß von
Robotern. An den Schweißzangen signalisieren Sensoren rechtzeitig,
wann Fehler oder Qualitätsprobleme auftreten würden. Auch die
Zuverlässigkeit elektrischer Antriebe verschiedenster Anlagen wie
Lifts und Drehtische profitiert von einer engmaschigen
Sensorüberwachung. Roboter und Steuerungstechnik sind von Haus aus mit
der erforderlichen Sensorik ausgerüstet. Mitarbeiter der
Instandhaltung ziehen aus diesen Daten Rückschlüsse zu
Wartungsbedarfen. Bisherige Auswertungen zur prädiktiven
Instandhaltung belegen klar ihren Nutzen für einen zuverlässigen Betrieb.

Online Prozessregelung: Noch stabilere Prozesse bürgen für
bestmögliche QualitätAuf dem renommierten
Surcar-Kongress in Cannes erhielt die BMW Group den Prix de la
Technique 2017 für ihr Konzept zur umfassenden Digitalisierung ihrer
Lackiererei im neuen Werk San Luis Potosí. Dieses Werk wird 2019 die
Serienproduktion aufnehmen. Bereits heute überwachen in den
Lackierereien der BMW Group Sensoren permanent die automatisierten
Fertigungsprozesse. Intelligent vernetzte Systeme erhöhen die
Stabilität in den Prozessabläufen, ermöglichen eine prädiktive
(vorausschauende) Instandhaltung und sichern ein Höchstmaß an Qualität
für unsere Kunden. Die Online Prozessregelung kombiniert die Stärken
einer Algorithmen basierten Analyse großer Datenmengen mit der
Erfahrung der Mitarbeiter: Der Mensch kann seine Rolle als Gestalter
der Fertigungsprozesse noch besser ausfüllen, da die Technik reale
Produktionsdaten sortiert und bestmöglich vorstrukturiert.
Fehlerpotenziale können rechtzeitig erkannt und Nacharbeit vermieden werden.
Seit Mai 2017 setzt die BMW Group erstmalig eine vollautomatisierte
Qualitätskontrolle im Werk München ein. Roboter scannen dabei die
komplette äußere Fahrzeugoberfläche. Das System ist in der Lage,
Fehler zu erkennen, die das menschliche Auge nicht wahrnehmen kann.
Die so gewonnenen Daten liefern außerdem wertvolle Rückschlüsse auf
die Präzision vorgelagerter Lackierprozesse. Diese können somit
laufend optimiert, Fehlerpotentiale rechtzeitig erkannt werden.

Schraubdatenanalyse: Hilft, noch zuverlässiger Fehler zu
vermeiden, bevor sie auftreten. Tausende Schraubverbindungen
profitierenSchraubverbindungen sind in der
Automobilproduktion elementar. Jedes Fahrzeug hat mehrere hundert
Schraubverbindungen. Die BMW Group überwacht und analysiert sämtliche
Verschraubungen, die für die Sicherheit des Fahrzeugs von Bedeutung
sind. Grundsätzlich gilt: Schraubverbindungen, die den Sollvorgaben
nicht oder nur zum Teil entsprechen, können Nacharbeit verursachen. Im
Rahmen ihrer präventiven Qualitätsstrategie hat die BMW Group
Algorithmen entwickelt, die seit Juli 2017 in den Montagebereichen
aller Fahrzeugwerke Schraubverbindungen an über 3200 Anlagen
analysieren. Die Aufzeichnung der Schraubprozesskurven erfolgt während
des Verschraubens. Eine anschließende Analyse erlaubt präzise
Rückschlüsse auf die Qualität der Schraubverbindung. Das Programm kann
Fehlerarten erkennen und in einem Ursache-Wirkungs-Diagramm mögliche
Fehlerquellen aufzeigen. Diese Erkenntnisse setzt die BMW Group im
Sinne präventiver Qualitätsarbeit bei der Schulung und Qualifizierung
von Mitarbeitern um – ein Fehler, der nicht gemacht wurde, muss auch
nicht korrigiert werden. Zusätzlich kann ein Trainer an einer mobilen
Trainingsstation oder direkt am Arbeitsplatz Tipps zur
Fehlervermeidung geben.
Die Analyse der Schraubprozesskurven liefert auch wichtige
Erkenntnisse für die systematische Überwachung von Schraubanlagen und
Schraubparametern wie zum Beispiel den Anzugsdrehmomenten. Schnell
umgesetzt, schaffen diese Erkenntnisse einen geschlossenen Regelkreis
zur ständigen Verbesserung.
Eine rein manuelle Analyse von Schraubprozesskurven käme in vielen
Fällen nur zu dem Ergebnis – ‚in Ordnung‘ oder ‚nicht in Ordnung‘,
ohne Ursachen für Fehler zu erkennen oder Verbesserungspotentiale aufzuzeigen.

Prädiktive Instandhaltung für die Fördertechnik in der
MontageDas Produktionssystem der BMW Group zeichnet
sich durch höchste Flexibilität aus: Auf seinen Montagelinien hat das
Unternehmen eine besonders hohe Vielfalt an Modellen und Varianten und
ist dennoch wettbewerbsfähig, wie unabhängige Benchmarks belegen. Im
Fertigungsbereich Montage kommt es daher ganz besonders auf eine
zuverlässige Fördertechnik an. Der Ausfall an einer Stelle könnte
einen Stillstand des gesamten Fertigungsbereichs verursachen.
In der Montage sind zahlreiche Förderanlagen nun mit einer Vielzahl
von Sensoren ausgestattet, die insbesondere Temperatur, Vibrationen
und die elektrische Leistung überwachen. Zum Einsatz kommen Sensoren,
deren günstiges Preis-Leistungs-Verhältnis einen großflächigen Einsatz
erlaubt. Die Daten dieser Sensorkits und weitere Prozessdaten
übermitteln die Anlagen per Live-Stream in die
BMW-Intranet-of-Things-Plattform, wo sie in Echtzeit visualisiert und
analysiert werden. Lassen die Daten einen Trend zu Abweichungen oder
Mustern aus vergangenen Ausfällen erkennen, meldet die Plattform dies
den Mitarbeitern der Instandhaltung. Die Mitarbeiter können nun
entscheiden, ob eines der  Gehänge zur Wartung ausgeschleust werden
sollte. Ein jahrelanger, zuverlässiger Betrieb der Fördertechnik ist
somit gewährleistet.

Jede gewonnene Minute bedeutet ein zusätzliches
FahrzeugChristian Patron: „In der Automobilproduktion
zählt jede Sekunde. Ist ein Teil nicht rechtzeitig verfügbar oder hat
eine Anlage einen Defekt, führt dies schnell zu einer Verzögerung im
Produktionsprozess und die Wertschöpfungskette ist gestört. Der
intelligente Umgang mit Produktionsdaten sorgt für einen stabilen und
effizienten Prozess. Mit Smart Data Analytics sehen wir großes
Potenzial, Rückmeldungen unserer Kunden noch schneller in Entwicklung
und Produktion einfließen zu lassen.“

Bei der BMW Group unterstützt die Technik den Menschen. Das
wird auch in Zukunft so bleiben.  Hier finden Sie die YouTube Playlist.

    Print       Email

You might also like...

Wittmann feiert dritten DTM-Saisonsieg im Regen von Assen – Insgesamt vier BMW Fahrer sammeln Punkte.

Read More →