Retrofit-Lösungen für die smarte Fabrik

„Von reaktiver zu vorausschauender Wartung“

Nicht weniger als eine grundlegende Änderung der Herangehensweise an Condition Monitoring will Weidmüller mit seinen smarten U-Sense-Komponenten bei den Anwendern hervorrufen. Wie diese bis dato reagieren, wie attraktiv die Anbindung ans IoT wirklich ist und mehr erläutert Michael Piekarzewitz, Leiter Energy Management Solutions bei Weidmüller.

Welche Erfahrungen haben Sie bislang mit dem U-Sense-Angebot gemacht, Herr Piekarzewitz? Was sagt der Anwender? @Interview_Grundschrift:Michael Piekarzewitz: In vielen Fabriken sind Anlagen und Maschinen ganz unterschiedlicher Generationen im Einsatz. Mit unseren smarten Sensoren haben wir für unsere Kunden eine Retrofit-fähige Lösung geschaffen, um z.B. eine Motorüberwachung schnell und direkt ins IIoT zu integrieren. Erste Applikationen zeigen, dass mit dem Einsatz von U-Sense beim Kunden eine Umstellung von einer reaktiven hin zu einer vorausschauenden Wartung erfolgt. Das positive Feedback zeigt uns, dass wir damit auf dem richtigen Weg sind. Gerade die smarten Sensoren entlasten den Datentransfer vom Sensor zur Cloud, da sie bereits im Sensor ein geeignetes Daten-Preprocessing durchführen. Diesen Vorteil, neben der einfachen Handhabung, schätzen unsere Kunden besonders. @Interview_Grundschrift: Setzt Weidmüller U-Sense auch in den

eigenen Werken ein? @Interview_Grundschrift:Piekarzewitz: Unsere U-Sense-Komponenten kommen bei uns u.a. in der Belüftungsanlage der Galvanik zum Einsatz. Bisher wurden dort die Daten bzw. der Zustand der Lüfterantriebe nicht digital erfasst. Um die Ventilatoren in den digitalen Prozess einzubinden, wurden sie mit dem Stromsensor U-Sense Energy Drives und dem Vibrationssensor U-Sense Vibration nachgerüstet. Der Stromsensor wurde beispielsweise in der Zuleitung montiert und erfasst alle relevanten elektrischen Zustände des Motors. Die Methoden und Werkzeuge des Machine Learning ermöglichen uns nicht nur einen digitalen Zugang zu den Daten des Lüftungssystems, sondern unterstützen auch dabei, relevante Zusammenhänge zu identifizieren. Mit dem Einbinden der Daten in die Industrial-AutoML-Software von Weidmüller können wir nun Serviceeinsätze gezielter planen. @Interview_Grundschrift: Welches Angebot hat Weidmüller für die Analyse der von U-Sense erfassten Antriebs- bzw. Prozessdaten? @Interview_Grundschrift:Piekarzewitz: Wir wollen unseren Kunden die bestmögliche Lösung für ihre Automatisierungs- und Digitalisierungsaufgaben bieten. Dabei setzen wir konsequent auf die Anwendung der Datendynamik: von Datenerfassung, -vorverarbeitung und -kommunikation als Basis, bis – darauf aufbauend – zur Datenanalyse. Über diesen durchgängigen Lösungsansatz können wir mit unserem Analyse-Tool Industrial AutoML eine Software anbieten, mit dem Kunden Machine Learning ganz einfach selbst anwenden können. Um das Potenzial von Machine Learning zu nutzen, muss der Anwender also kein Data Scientist sein, sondern kann allein mit seinem Prozess-Knowhow die Daten seiner Maschine oder seines Prozesses auswerten. @Interview_Grundschrift: Wie schnell steigt der Wunsch nach Anbindung

Das könnte Sie auch Interessieren

Bild: Gorodenkoff - stock.adobe.com
Bild: Gorodenkoff - stock.adobe.com
Konkrete Vorteile durch TSN für die Industrie

Konkrete Vorteile durch TSN für die Industrie

Das Potenzial von transformativen Digitaltechnologien gemäß Industrie 4.0 ist in der Industrie unumstritten. Allerdings ist das damit verbundene große Datenaufkommen ein zweischneidiges Schwert: Einerseits bergen diese Datenmengen ein Potenzial, das in Form wertvoller Informationen zur Prozessoptimierung verwendet werden kann. Andererseits drohen diese Datenmengen, sofern sie nicht gut gehandhabt werden, zu einer Datenflut anzuwachsen, die Unternehmen überfordert und somit mehr Probleme schafft, als sie löst.

Bild: ©jamesteohart/shutterstock.com / Softing Industrial Automation GmbH
Bild: ©jamesteohart/shutterstock.com / Softing Industrial Automation GmbH
Maschinenkonnektivität – als Teil von Edge Computing

Maschinenkonnektivität – als Teil von Edge Computing

Edge Computing ist ein Trendthema in der industriellen Produktion. Ausgehend von einer Definition des Begriffs Edge beschreibt dieser Artikel den aktuellen Stand der Technologie- und Marktentwicklung rund um Industrial Edge Computing. Besondere Berücksichtigung finden der Zusammenhang von Maschinenkonnektivität und Edge, sowie Fragen nach Betriebskonzepten und Skalierbarkeit von Industrial-IoT-Lösungen.

Bild: VDMA e.V.
Bild: VDMA e.V.
Von der Datatur 
zur Datokratie

Von der Datatur zur Datokratie

Maschinenbau und Elektrotechnik bilden die zwei Standbeine der industriellen Produktion. Zusammen stehen beide Branchen hierzulande für über 10.000 Unternehmen und über zwei Millionen Beschäftigte. Deutschland bildet folglich bislang das Gravitationszentrum und die Innovationsquelle der industriellen Automatisierung. Dass das in Zeiten der smarten Fabrik so bleibt, dafür soll das Datenökosystem Manufacturing-X sorgen.

Bild: TeDo Verlag GmbH
Bild: TeDo Verlag GmbH
Der Digital Twin 
im Mittelpunkt

Der Digital Twin im Mittelpunkt

Die sechste Ausgabe der Stuttgarter Innovationstage am 28. Februar und 1. März stand ganz unter dem Leitthema des digitalen Zwillings. Weil der Begriff so vielschichtig ist und oft unterschiedlich interpretiert wird, ging der
Kongress sowohl auf Grundlagen zur Definition ein als auch auf konkrete Einsatzmöglichkeiten in der Produktion. Anwendungsbeispiele und Referenzen wurden ergänzt um aktuelle Projekte aus der Forschung. Kernbestandteil war in diesem Jahr ebenfalls wieder die ausgiebige Möglichkeit für Diskussion und Networking sowie ein Blick hinter die Kulissen des Veranstalters – in die Maschinenhalle des Instituts für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen der Universität Stuttgart (ISW).

Bild: ©Enrique del Barrio/stock.adobe.com
Bild: ©Enrique del Barrio/stock.adobe.com
Erschwerte Bedingungen

Erschwerte Bedingungen

Es sind eigentlich einfache Gesetze der Mechanik. Die falsche Kombination der wichtigen Parameter – Last, Hebel und Neigungswinkel – die dazu führen können, dass es zu Unfällen mit mobilen Arbeitsmaschinen kommt. Hohe Kosten und im schlimmsten Fall Personenschäden können die Folge sein. Der Einsatz von Sensoren und messtechnischen Lösungen integriert in die mobilen Maschinen kann dazu beitragen, Unfälle zu verhindern.