ZUR MAXIMALEN PRODUKTIVITÄT MIT DEM TEPCON‘S PREDICTIVE MAINTENANCE MODELL

Pionier-Projekt beim Anlagenhersteller AP&S in Kooperation mit dem Messtechnik-Experten Kistler

Schnell, effizient, smart – so sollen die Produktionsprozesse heute ablaufen. Das setzt einen hohen Grad an Automatisierung, maximale Maschinenverfügbarkeit, optimale Verkettung und perfekte Abstimmung der einzelnen Fertigungskomponenten untereinander voraus.

Fällt eine Anlage aus, hat es enorme Auswirkungen auf den gesamten Produktionsplan: Schäden am Material, Senkung der Produktivität und der Kapazitätsauslastung, erhöhte Durchlaufzeit und die Nicht-Einhaltung der Liefertermine sind die Folgen. Ein Horrorszenario, welches leider noch viel zu oft zum betrieblichen Alltag gehört. Die Lösung, um diesen Schaden zu vermeiden, steckt im Predictive Maintenance (= Vorausschauende Wartung) Ansatz. Und hier kommt tepcon ins Spiel. Am aktuellen Projekt, welches der Digitalisierungsexperte aus Donaueschingen für den internationalen Anlagenhersteller AP&S umsetzt, lassen sich die Vorteile und der Weg zur Umsetzung von Predictive Maintenance in der Praxis transparent darstellen.

AP&S International GmbH entwickelt und fertigt Nassprozessanlagen, die zur Oberflächenbehandlung von Wafern und Substraten in der Halbleiterbranche zur Fertigung von Mikrochips eingesetzt werden. Für einen einzelnen Chip fallen bis zu 1000 Einzelschritte in der Fertigung an – entsprechend komplex ist die Wertschöpfungskette und hoch die Ansprüche an die Anlagen, die hierbei zum Einsatz kommen. Um den hohen Marktanforderungen zu begegnen, setzt AP&S auf innovative IoT-Lösungen vom Partnerunternehmen tepcon. Im hauseigenen Labor, wo eine Vielzahl von AP&S Anlagen zu Forschungs- und Entwicklungszwecken aber auch für Kundendemonstrationen stehen, wurde Anfang 2019 das Projekt Predictive Maintenance gestartet.

Die festgesetzten Ziele dabei:

  • Maschinenausfallzeiten zuverlässig vorhersagen zu können;
  • Erforderliche vorbeugende Wartungsarbeiten in einem Shopfloor zu visualisieren;
  • Optimalen Wartungsplan für eine Produktionsprozesskette zu bestimmen;

Abhängig von der Prozessstufe und den Substrattypen erreichen die Wafer-Lose (Ausgangsstoff für Mikrochips) in den Anlagen Werte im sechsstelligen Bereich. „Allerdings ist das Zusammenwirken unterschiedlicher Komponenten in den Anlagen so komplex, dass bei einem Maschinenausfall die Ursache oft nicht sofort klar ist und es gilt, sie zu lokalisieren“, sagt Stefan Wolf, Softwareentwickler von tepcon. „Wir mussten also einen Weg finden, aussagekräftiges Feedback von der Maschine zu erhalten, es entsprechend auszuwerten um daraus Vorhersagen (predictions) abzuleiten.“

Dafür wurden insgesamt vier Maschinen von AP&S im eigenen Labor und bei Kunden - an kritischen Komponenten wie Pumpen, Drehtellern und FFUs (Filter Fan Units) mit Distanzsensoren sowie Beschleunigungssensoren von Kistler, einem Weltmarktführer im Bereich der dynamischen Messtechnik zur Erfassung von Druck, Kraft, Drehmoment und Beschleunigung, ausgerüstet. Mit diesen werden pro Tag und Anlage etwa 120 Gigabyte an Daten aufgezeichnet. Diese Körperschall- und Positionsdaten geben Aufschluss darüber, wann die Anlage in den abnormen Bereich gerät und wahrscheinlich demnächst ausfällt“, erklärt Wolf.

„Das Digital Solutions Lab von Kistler ist in diesem langfristigen, offenen Entwicklungsprozess ein sehr wertvoller Partner“, betont Wolf. „Denn jeder Anlagentyp ist anders und muss entsprechend individuell mit Messtechnik ausgestattet werden. Das neue KIDAQ Datenerfassungssystem von Kistler kommt uns dabei sehr entgegen – es ist flexibel, kann mit vielen verschiedenen Sensoren operieren und lässt sich effizient einrichten und konfigurieren. Auch die Möglichkeit, einfach Rohdaten aufzuzeichnen ohne direkte Auswertung, ist sehr hilfreich.“ KiDAQ ist eines der Elemente im umfangreichen Technologie-Baukasten des Kistler Digital Solutions Lab, um Kunden effiziente und maßgeschneiderte Lösungen anbieten zu können.

Die Herausforderung aller Beteiligten liegt nun darin, eine Intelligenz zu entwickeln, die Ausfälle mit einer gewissen Wahrscheinlichkeit voraussagt, ohne auf einen bestimmten Anlagentyp beschränkt zu sein. Dafür nutzt tepcon das maschinelle Lernen: Die riesigen Datenmengen werden auf einem Industrie-PC (IPC) lokal gespeichert und später an ein Rechenzentrum übermittelt, wo das Training der künstlichen Intelligenz (KI) stattfindet. Diese KI, basierend auf dem Konzept des maschinellen Lernens, wird mit den laufend aufgezeichneten Daten von verschiedenen Anlagen trainiert und versteht dadurch immer besser, worin sich normale Betriebszustände von kritischen unterscheiden. Dieser Prozess ist nun im Gange und alle am Projekt beteiligten Unternehmen freuen sich darauf, schon bald potenzielle Ausfälle zuverlässig und rechtzeitig vorhersagen zu können und die daraus resultierenden Vorteile an ihre Kunden weitergeben zu können.

Auch unser Partner Kistler berichtet auf seiner Website über das Projekt. Die Success Story hierzu finden Sie hier: „Kistler unterstützt tepcon bei der Modellentwicklung für Predictive Maintenance

Diese Website speichert Cookies auf Ihrem Computer. Diese ermöglichen eine bessere Bedienbarkeit unserer Webseite. Mehr Infos über die von uns eingesetzten Cookies finden Sie in unserer Datenschutzerklärung.

Bitte füllen Sie das Formular aus