MathWorks MATLAB-Code: Prädiktiver Stillstands-Killer

Eine der Kunststoff-Produktionsmaschinen von Mondi Gronau, die pro Jahr ca. 18 Mio. Tonnen Kunststoff- und Folienprodukte erzeugen

Die Maschinen in der Kunststoff-Produktionsanlage von Mondi sind bis zu 50 m lang und 15 m hoch. Gesteuert werden sie von bis zu fünf speicherprogrammierbaren Steuerungen (SPS). Diese protokollieren Temperatur, Druck, Geschwindigkeit und andere Leistungsparameter von den Sensoren der Maschine. Jede Maschine zeichnet 300 bis 400 Parameterwerte pro Minute auf und erzeugt so sieben Gigabyte Daten pro Tag.

Die auf MATLAB basierende Mensch-Maschine-Schnittstelle (HMI) warnt Maschinenbediener vor potenziellen Ausfällen, bevor diese auftreten.

Infos zum Anwender

Mondi Gronau ist ein internationaler Hersteller von Verpackungs- und Papierprodukten. Die Kunststoff-Produktionsanlage des Unternehmens erzeugt pro Jahr ca. 18 Mio. Tonnen Kunststoff- und Folienprodukte. Die 900 Mitarbeiter der Anlage betreiben rund um die Uhr ca. 60 Extrusions-, Druck-, Klebe- und Wickelmaschinen.

www.mondigroup.com

Herausforderung Datenmanagement

Mondi wollte diese Daten für die vorausschauende Instandhaltung nutzen. Die Anlagenmitarbeiter hatten jedoch kaum Erfahrung mit statistischen Analysen und maschinellem Lernen. Das Unternehmen musste eine Reihe von Ansätzen für das maschinelle Lernen evaluieren, um zu identifizieren, welcher für seine Daten die präzisesten Ergebnisse ermöglichte. Außerdem musste es eine Anwendung entwickeln, die den Maschinenbedienern die Ergebnisse klar und sofort präsentiert. Und schließlich musste diese Anwendung so gestaltet werden, dass sie in einer Produktionsumgebung kontinuierlich verwendet werden kann.

Entwickelt hat Mondi die Software für die Zustandsüberwachung und vorausschauende Instandhaltung in MATLAB. Unterstützung kam von MathWorks Consulting Services und von Prof. Dr.-Ing. Andreas König, Inhaber des Lehrstuhls Integrierte Sensorsysteme im Fachbereich Elektro- und Informationstechnik der TU Kaiserslautern. „MathWorks stellte die Tools und das technische Know-how bereit, mit denen wir innerhalb weniger Monate ein System für die vorbeugende Instandhaltung in der Fertigung entwickeln konnten”, berichtet Dr. Michael Kohlert, Leiter Informationsmanagement und Prozessautomatisierung bei Mondi.

Vorhersage-Lösung mit Entscheidungsbäumen

Um die Daten von allen Maschinen in der Anlage über ein Ethernet-Netzwerk zu sammeln, richtete das Mondi-Team zunächst eine zentrale Datenbank ein. Für die Zugriffe auf diese von MATLAB aus, nutzten die Ingenieure die Database Toolbox. Sie entwickelten MATLAB-Skripte zur Bereinigung der Daten durch Entfernen von Ausreißern und ungültigen Werten. Eine in MATLAB entwickelte Anwendung fragt die Datenbank ab und stellt die Ergebnisse grafisch dar. So kann ein Mitarbeiter über die Benutzeroberfläche der Anwendung z. B. den Druck darstellen, den ein bestimmter Sensor über einen Zeitraum von einigen Minuten, Stunden oder Wochen gemessen hat.

Um die Anwendung zu erweitern, wurden Funktionen der statistischen Prozesskontrolle (SPC) hinzugefügt, die Mitarbeiter benachrichtigen, wenn Sensorwerte außerhalb der normalen Betriebsbereiche liegen. Mit der Statistics and Machine Learning Toolbox und der Neural Network Toolbox evaluierten Mondi und seine MathWorks-Berater mehrere Techniken für das maschinelle Lernen, darunter neuronale Netze, k-Nearest-Neighbor, bagged decisions trees und Support Vector Machines (SVMs). Für jede Technik trainierten sie mithilfe gesammelter Maschinendaten ein Klassifizierungsmodell und testeten dann, wie gut mit diesem Maschinenprobleme vorhergesagt werden konnten. Die Tests zeigten, dass ein Ensemble von bagged decision trees das genaueste Modell für die Daten ergab.

Das Team erweiterte die MATLAB-Anwendung zusätzlich, indem es in die Benutzeroberfläche Vorhersagen vom Modell für das maschinelle Lernen aufnahm. Mithilfe dieser Vorhersagen können Maschinenbediener Warnungen zu potenziellen Ausfällen erhalten, bevor sie auftreten. Mit MATLAB Compiler erstellten die Mondi-Techniker eine eigenständige ausführbare Version der Anwendung.

Sofort Ersparnisse erzielt

Bis zur Fertigstellung des Prototyps vergingen nur knapp sechs Monate. „Die Consultants von MathWorks hingegen gingen sofort an die Arbeit”, berichtet Dr. Kohlert. „Innerhalb von zwei Monaten hatten wir die ersten Tests und nach sechs Monaten einen funktionierenden Prototyp. Der MATLAB-Code ist leicht zu verstehen, sodass wir ihn bei Bedarf schnell verändern können.”

Mondi beweist, dass MATLAB nicht nur für die Forschung und Entwicklung geeignet ist, indem das Unternehmen seine MATLAB-basierende Software rund um die Uhr für die Überwachung und die vorausschauende Instandhaltung der nonstop laufenden Maschinen nutzt. Durch das Ergebnis einer unterbrechungsfreien und zuverlässigen Produktion, konnte Mondi bedeutende Einsparungen erzielen. „Unser Controlling stellte fest, dass wir jährlich mehr als EUR 50.000,- einsparen, wenn wir MATLAB für die vorausschauende Instandhaltung verwenden”, berichtet Dr. Kohlert. „Dieses Gesamtergebnis basiert auf nur acht Maschinen. Wir erwartet mindestens das Vierfache, wenn wir Daten von weiteren Maschinen analysieren.”

Es geht weiter

„Der Support durch MathWorks Consulting Services ist einer der besten, die ich je erlebt habe, die Berater sind schnell und äußerst kompetent”, blickt Dr. Kohlert auf die erfolgreiche Zusanmmenarbeit zurück. „Da wir durch die Kosteneinsparungen bereits früh einen Return-on-Investment erzielt haben, verfügen wir nun über ein höheres Budget und über mehr Zeit, um mehr Projekte mit maschinellem Lernen durchzuführen, die uns ähnliche Vorteile bringen werden.”