奥迪如何应对预测性维修挑战

预防性维修的挑战主要在于获取可以指出缺陷的数据,然后以同样的方式处理它。奥迪展示了如何成功应对这一挑战。

此内容由供应商直接提交至本网站。

对奥迪来说,优质的汽车质量意味着使用高效的生产系统和新的高科技解决方案创造出高质量的车身。越来越多的数字化正在为智能工厂扫清道路。
对奥迪来说,优质的汽车质量意味着使用高效的生产系统和新的高科技解决方案创造出高质量的车身。越来越多的数字化正在为智能工厂扫清道路。

每个人都在谈论预测性维护。然而,在实际实现时,许多用户经常失败,因为他们无法访问正确的数据。奥迪Neckarsulm的Mathias Mayer就遇到过这种情况。他的经验表明,人体构造中90%的数据没有被使用或访问。这通常导致需要一个额外的传感器。

这不是梅耶尔想走的路。相反,他想,“让我们先处理未使用的数据。如果真的需要额外的传感器,我当然愿意讨论这个问题。”

对Mayer来说,更好地利用可用数据是减少停机时间和提高工作效率的最重要要求。随着生产过程的复杂性和自动化程度在不久的将来继续增加,这将变得更加决定性。

然而,为什么数据收集如此困难呢?在Neckarsulm遗址的人体构造揭示了挑战。就是在这里,大约2500个工业机器人在组装A4, A6, A7, A8, R8和A5 Cabrio车型奥迪。每个单独的系统是通过可编程逻辑控制器(PLC)控制的。“我们总是把PLC看作是一个由10个机器人组成的木偶大师,”梅耶尔在描述他的部门的情况时说。实际的价值创造发生在机器人身上,这就是为什么访问机器人数据是如此重要。

除了涉及到大量的工厂,使用的各种不同的生产方法也使数据的获取和评价更加困难。例如,减轻重量的同时保持最大的耐久性只能通过结合不同的材料来实现。这需要使用各种不同的连接技术。大量的连接技术仅用于新型A8,从非常广泛的焊接工艺,胶接到铆接。总共有15个不同的过程需要协调。如果生产出现问题,就需要每一个单独工序的专家。当你考虑到三班倒生产时,这最终是非常昂贵和耗时的,因为大量的员工需要培训和合格。

取得了新突破
对梅耶尔来说,偏离经过考验的流程是不可能的。“我们的认证过程肯定是昂贵和耗时的,但我们的客户期望高质量。”让不同的员工简单地检查一些东西可能会产生不同的结果——与数据相反,数据总是相同的。

梅耶尔坚定地说:“我们必须利用这些数据来优化生产和流程。”为了达到这个目的,工艺数据必须以这样一种方式进行处理,例如,即使一个非专业人士也可以重新启动摩擦焊接工艺。

通过这种方式,可以减少非计划生产系统的停机时间,提高可用性、过程效率和质量,例如通过实时系统监控和过程参数的自动适应。在此必须保留以往基于专家知识的过程监控和优化方法。最终,这将减少维护成本并最小化测试工作。

技术应用
但是,这在实践中是如何工作的呢?在未来的车身建造工艺链中,由于机器人有足够的容量,设备的相应数据将被直接采集、集成、可视化,而不需要额外的网关。最后,会有一名员工了解整个流程,并在必要时进行干预。

在梅耶尔看来,这种分工是成功的关键。只有在此基础上,数据挖掘和机器学习才能成功实施。

在奥迪架构中,采用OPC UA和MQTT作为数据的传输方式,将数据路由到大数据平台所在的边缘层。可以将用于状态监控的诊断分析和用于基于状态维护的预测分析等应用程序置于此之上。

Profinet OPC UA配套规范中也提出了这一路径,其基本内容包括资产管理和诊断数据的收集和表示。为此,目前使用的设备的资产和诊断数据通过Profinet服务在系统控制器中收集,并通过OPC UA传输到更高级别的实例。例如,Profinet的开放性使得添加带有OPC UA接口的传感器成为可能,该接口可以将数据直接发送到相应的云服务或边缘网关,而无需繁琐地重新构建自动化解决方案。这使创新诊断方法的实施成为可能,即使是在现有的系统中。

访问所有数据
这种情况在身体构造中也很常见。“对我们来说,机器人只是PLC的附属设备。我们希望渗透到底层的所有数据,但我们不想把一个单独的网络放在合适的地方,”梅耶尔说,然后立即提供了一个务实的解释。“如果你不得不为2000多个机器人铺设额外的电缆,它就无法工作。不仅如此,我们还不只是使用一个机器人制造商。根据应用的不同,我们依赖于许多不同的制造商。”

此外,并不是所有的制造商都实施了OPC UA。在车身结构的最重要的技术中,如点焊、螺柱焊、粘接、铆接等仍然缺少这种技术。相比之下,机器人制造商已经领先了一步,RFID制造商也是如此。梅耶尔还认为,奥迪还没有要求这样做,这也是他们一直不愿这么做的原因。不过,这将在即将到来的提案呼吁中得到弥补。

实际的实现
在实施这些技术时,有一件事变得清晰起来:在已经引入Profinet和OPC UA组合的应用中,优点很快就开始发挥作用。

奥迪在Neckarsulm的现场有一个很好的例子,那就是通过一根高度灵活的软管将铆钉从填充区域输送到机器人手臂上的铆接工具的在线测量系统。这里的挑战在于铆钉闭合速度,它相对较高,每秒20米。软管必须在第50万个到第100万个铆钉之间的某个时间更换。

现在,软管不再在生产过程中更换,而是在更方便的时间更换,因为每次更换都需要停止生产20到30分钟。该团队创建了一个时间序列分析,用于检测铆钉输送软管的磨损。实施起来相对容易,只要最小的多孔点出现,更多的空气就会通过软管。这些结果被记录下来,同时通过OPC UA转发给Profinet并可视化。现在,即使没有额外的电缆,每个员工都有能力了解最低层发生的事件,并更快地采取行动。

梅耶尔希望未来设备制造商能更快地实施这些规范。他还提醒用户,他们也不应该等待太久。“如果你想在生产中获得收益,你就必须尽早参与这个主题。在我看来,工业4.0早在一段时间前就已经实现了。我们现在要做的就是实施它。”

更多有关设备保养