Die Lösung trägt dazu bei, ungeplante Ausfallzeiten um zehn Prozent zu reduzieren, indem sie Unregelmäßigleiten in technologischen Prozessen erkennt und Ausfälle von Anlagen prognostiziert. Zyfra gehört zu den Vorreitern, die auf dem Markt eine Predictive-Maintenance-Lösung anbieten, die im Gegensatz zu anderen Lösungen dieser Art keine Installation zusätzlicher Sensoren erfordert.

ANZEIGE

»Stillstandszeiten sind sehr kostspielig, da ein Ausfall funktionaler Anlagen zu Produktivitäts- und Effizienzverlusten führen kann. Die PM-Lösung hilft, Fehler zu identifizieren oder Ausfälle wie zum Beispiel eine verschlissene Spindel vorherzusagen und so fehlerhafte Produkte zu beseitigen und finanzielle Verluste zu vermeiden«, sagt Ilkka Saarinen, Sales Director of Nordic Markets bei Zyfra.

Die Basis der Software bildet Künstliche Intelligenz (KI). ML-Modelle (Machine-Learning-Modelle) verwenden Daten aus der CNC, finden Zusammenhänge zwischen verschiedenen Parametern und geben eine Prognose der Werkzeugstandzeit ab. Der Kern dieser Lösung sind Daten. Es muss geschichtsträchtig sein, damit die Algorithmen den gesamten Werkzeuglebenszyklus erkennen und auch vollständig sind, das heißt es sollten wichtige Parameter enthalten sein (wenigstens Schnittparameter, Spindellast, Spindel und Vorschubgeschwindigkeit). Basierend auf historischen Daten für einen bestimmten Monat kann das Modell beispielsweise eine Prognose der Werkzeugstandzeit über einen Zeitraum von 15 Minuten mit einer Vorhersagegenauigkeit von 85 Prozentliefern.

Echtzeit-Maschinenüberwachung

ANZEIGE

Die wesentliche Plattform für die Erfassung und Speicherung dieser Daten ist Zyfras IIoT-basiertes MDCplus, ein Echtzeit-Maschinenüberwachungs- und Betriebsdatenerfassungssystem. Der entscheidende Vorteil der Lösung besteht darin, dass sie nicht nur oberflächliche Betriebsparameter wie Temperatur oder Leistungsaufnahme misst, sondern auch tiefgründigere wie die Spindeldrehzahl innerhalb eines bestimmten Arbeitsschichtzeitraums.

Andrey Lovygin, International Business Development Director von Zyfra, präsentierte auf der EMO 2019 das Modul ›Predictive Maintenance‹ im ›Forum New Technologies – Future Opportunities‹. In seinem Vortrag sprach er über die industrielle KI als Entwicklung der industriellen IoT-Ideologie und erklärte, wie sie einen Mehrwert für produzierende Unternehmen bieten kann.

»IoT Analytics prognostiziert, dass der Markt für präventive Instandhaltung von 1,49 Milliarden US-Dollar im Jahr 2016 auf 10,9 Milliarden US-Dollar im Jahr 2022 wachsen wird. Derzeit haben die Lösungen für die vorausschauende Instandhaltung jedoch keine signifikante Präsenz in der diskreten Fertigung. Obwohl sie eine führende Position in der IIoT-Implementierung einnimmt (laut IoT Analytics werden die Ausgaben für IIoT-Plattformen für diskrete Fertigung 53 Prozent der Gesamtausgaben ausmachen), hinkt die diskrete Fertigung bei der KI-Anwendung hinterher. KI-basierte Lösungen in der Branche sind eher Forschungsprojekte als Arbeitsprodukte. Zyfra hat über 8.000 Werkzeugmaschinen angeschlossen. Als Ergebnis unserer Arbeit sind wir in der Lage, auf dem Markt unsere neue Predictive Maintenance-Lösung anzubieten«, sagte Andrey Lovygin.

Auf den internationalen Märkten

Auf der EMO Hannover gab Zyfra auch offiziell seine Expansion in der Türkei bekannt, nachdem es einen Vertrag mit Tanden Takim Tezgahlari, einem großen türkischen Händler von CNC-Maschinen, unterzeichnet hatte. In diesem Jahr hat das Unternehmen bereits die Märkte Peru, Chile, Malaysia und Frankreich erschlossen und ist derzeit in über zehn Ländern der Welt tätig.