Suchen

Digitalisierung Prozessüberwachung macht Presshärten produktiver

Autor / Redakteur: Robert Vollmer / Stéphane Itasse

Mithilfe von Daten aus Presse, Werkzeug, Ofen und Kühlaggregaten gelingt es Schuler, in Echtzeit einen Überblick über den Presshärteprozess zu erhalten. Das System ist bereits ein einer Anlage im Einsatz.

Firmen zum Thema

Das Prozessüberwachungssystem für die Presshärteanlage bei Schuler erlaubt eine exakte Kontrolle der Produktion.
Das Prozessüberwachungssystem für die Presshärteanlage bei Schuler erlaubt eine exakte Kontrolle der Produktion.
(Bild: Schuler)

Mit seiner Presshärtelinie im Hot Stamping Tech Center hat Schuler an seinem Hauptsitz in Göppingen ein durchgängiges Prozessüberwachungssystem entwickelt. Video- und Wärmebildkameras geben in Echtzeit einen Überblick von Platinenzuführung, Transfer und Teileauslauf, während das System kontinuierlich Prozessdaten aufzeichnet und speichert. Die Informationen stammen aus Sensoren in Presse, Werkzeug, Ofen und Kühlaggregaten.

Bildergalerie
Bildergalerie mit 6 Bildern

Schon geringe Abweichungen bei Temperatur, Druck, Schwingungsverhalten oder Durchflussgeschwindigkeit können in Sekundenbruchteilen ermittelt werden. Das Prozessüberwachungssystem schafft es dabei, enorme Datenmengen zusammenzuführen. Die Produktionsbedingungen jedes einzelnen umgeformten Bauteils lassen sich genau zurückverfolgen („Track & Trace“): ob die Platinen ausreichend hoch erhitzt wurden, lange genug in der Presse lagen und in der richtigen Zeit abgekühlt sind. Das versetzt den Anlagenbetreiber in die Lage, die Prozesssicherheit zu steigern und einen durchgängigen Qualitätsstandard zu garantieren.

Fehler im Presshärteprozess sind schnell zu erkennen

Das Prozessüberwachungssystem fasst die Maschinen- und Sensordaten von Linienkomponenten wie Presse, Ofen, Roboter, Feeder, Kühlaggregat, Thermografiesystem und Kameras zusammen. Die Samplingrate beträgt dabei typischerweise 10 ms und minimal 0,025 ms bei Vibrationsanalysen. Mögliche Fehlerquellen für eine Unterbrechung der Produktion sind auf einen Blick zu erkennen – egal, ob von einer Minute auf die andere ein Brenner im Ofen ausgefallen ist oder das Werkzeug im Laufe der Zeit langsam verschleißt.

Die gesamten Rohdaten werden nach einem Big-Data-Konzept ohne Vorverarbeitung in einem Speicher zwischengepuffert. Bei mehr als 1000 Eingangswerten bedeutet das einen historischen Speicher von etwa zwei Monaten. In diesem Zeitfenster lässt sich stets eine vollständige Analyse ohne Datenverlust durchführen, bei Fehlerereignissen ist so eine sehr schnelle Analyse und Ursachenfindung möglich. Des Weiteren helfen die Daten dabei, sofort das Ergebnis von Gegenmaßnahmen zu beurteilen.

Damit zu jedem Zeitpunkt die richtigen und notwendigen Informationen vorliegen, werten Algorithmen die Daten aus und verringern den Speicherbedarf zu einer zweckmäßigen Größe. Dadurch ist es möglich, die Entwicklung verschiedener Prozessdaten auch im Langzeittrend über viele Jahre hinweg darzustellen. Neben den kinematischen Daten des Umformvorgangs (wie Geschwindigkeit und Kraft) spielt beim Presshärten vor allem der Zeit- und Temperaturverlauf des produzierten Bauteils eine wichtige Rolle. Hierbei sind vor allem folgende Informationen wichtig:

  • Temperaturen des Ofens oder der Ofenzonen,
  • Taupunkt in der Ofenatmosphäre,
  • Austenitisierungszeit,
  • Zeit an Luft (beim Transfer vom Ofen in die Presse),
  • Start Umformtemperatur,
  • Umformzeit und Geschwindigkeit,
  • Zuhaltekraft im unteren Totpunkt,
  • Zuhaltezeit und
  • Entnahmetemperatur des Bauteils.

Diese Prozesswerte verknüpft das System auch mit einer eindeutigen Bauteilnummer. Das garantiert eine lückenlose Rückverfolgbarkeit aller Bauteile.

Gleichzeitig wertet das System die errechneten und erfassten Werte aus und kennzeichnet Teile beispielsweise bei Grenzwertüberschreitungen gegebenenfalls als Ausschuss. Zusätzlich sind diese Daten ebenfalls zur Analyse von Langzeittrends verwendbar, um rechtzeitig Gegenmaßnahmen einleiten zu können. Diese Funktion steigert die Prozesssicherheit von Presshärtebauteilen.

Des Weiteren können alle Sensorsignale und Anlagenwerte dafür genutzt werden, um die Produktivität und die Gesamtanlageneffektivität (OEE) zu erhöhen. So lässt sich durch eine intelligente Priorisierung und Bewertung von Ereignissen die Schrottrate deutlich senken.

Erhöhung der Gesamtanlageneffektivität

Das System arbeitet dabei mit unterschiedlichen Prioritätsstufen von Ereignissen: Die Prioritätsstufe 1 ist notwendig, um eine Beschädigung oder einen Ausfall von Maschine beziehungsweise Werkzeug oder anderer Komponenten zu verhindern. Hierzu zählen beispielsweise die Erkennung eines Fremdkörpers im Werkzeug und das vorzeitige Anhalten der Maschine vor der Kollision. Andere Ereignisse sind ebenfalls von hoher Priorität (Stufe 2), lassen sich aber durch ein geregeltes Anhalten oder eine Reaktion vor dem nächsten Zyklus beheben. Ereignisse der Stufe 3 sind weniger kritisch, erfordern jedoch ein Eingreifen des Bedieners. In diesem Fall sind weiter Gutteile produzierbar, nur die Beschickung des Ofens stoppt sofort, um Schrottteile zu vermeiden. Die letzte Prioritätsstufe bezieht sich auf langfristige Indikationen oder Handlungsempfehlungen, der Produktionsbetrieb läuft bis zur Gegenmaßnahme weiter. Ein Beispiel ist die empfohlene Werkzeugnacharbeit nach einem Werkzeugwechsel.

Bildergalerie
Bildergalerie mit 6 Bildern

In seltenen Fällen kann es passieren, dass Stanzabfälle zwischen den gestapelten Platinen liegen bleiben. Die üblicherweise eingesetzte Doppelblechkontrolle versagt hier meist. Fahren diese Teilchen durch den Produktionsprozess durch, ist ein schlechtes Umformergebnis die Folge. Die thermografische Kontrolle kann eine solche Anomalie sofort erkennen, jedoch die Ursache nicht deuten. Die Herangehensweise erfolgt bei solchen komplexen Aufgabenstellungen und Problemen immer durch Überlagerung beziehungsweise Korrelation mehrerer Faktoren. In diesem Fall werden zusätzlich die Stößelkippungswerte beziehungsweise die Kühlungswerte der einzelnen Werkzeugkavitäten betrachtet. Im Histogramm (Bild 2) ist der Stanzabfall hier schon eindeutig zu erkennen.

Zusätzlich zu klassischen Sensordaten verarbeitet das System auch Bilddaten mit dem gleichen Zeitstempel. Dadurch sind Ereignisse durch eine manuelle Playback-Analyse rückverfolgbar. Die Bilddaten sind jedoch auch für automatisierte Aufgaben des maschinellen Sehens einsetzbar, um Problemfälle wie den Bruch eines Zentrierstiftes schnell zu erkennen und Maßnahmen zur Schadensvermeidung zu trainieren. Ein einfacher Bildvergleich ist in diesem Beispiel ausreichend, um schwerwiegende Werkzeugbeschädigungen zu vermeiden. Das Potenzial des Systems ist noch längst nicht ausgeschöpft. Um komplexere Aufgabenstellungen mit hoher Treffsicherheit zu lösen, wird zukünftig zum Beispiel auch maschinelles Lernen zum Einsatz kommen.

* Dr. Robert Vollmer ist Prozessingenieur Presshärten, Division Hydraulik, bei der Schuler Pressen GmbH in 73033 Göppingen

(ID:45830109)