Mit Big Data zu besseren Bordnetzen

In der Fahrzeugtechnik ist die Digitalisierung längst Alltag, und nicht nur das: Von Modellgeneration zu Modellgeneration wird sogar immer mehr IT implementiert. Das Bordnetz ist dabei ein Kernelement. Als eine Art Rückgrat verbindet es die digitalen Komponenten untereinander und mit anderen klassischen Komponenten wie Motor oder Fahrwerk. Zudem versorgt es die diversen Geräte mit Strom und ist somit entscheidend für die Effizienz und Sicherheit eines Fahrzeugs. Fehlfunktionen oder gar Ausfälle sind bei einer Stereoanlage ärgerlich, bei Assistenzsystemen lassen sie sich durch einen aufmerksamen Fahrer noch ausgleichen, aber spätestens bei autonomen Fahrzeugen sind Fehler nicht mehr hinnehmbar – weder in den einzelnen Komponenten, noch in den Bordnetzen.

Das elektrifizierte, selbstfahrende und vernetzte Auto führt somit zu einer massiven Aufwertung der Bordnetze. Über sie laufen künftig sämtliche Energie-, Signal- und Kommunikationsflüsse, die die neuen Funktionen überhaupt erst ermöglichen. Auf die Hersteller der Bordnetze kommen dadurch ganz neue Anforderungen von Seiten der OEM zu. Für die Automobilhersteller wandeln sich die Bordnetze nämlich von einem rein preisgetriebenen Commodity-Produkt zu einem sicherheitskritischen und qualitätsgetriebenen strategischen Einkaufteil.

Diese Entwicklung erfordert von den Bordnetzproduzenten ein ganz neues Niveau in der Qualitätssicherung. Und die Voraussetzungen dafür müssen auf den Maschinen geschaffen werden. Viele von ihnen erfassen zwar bereits heute relevante Qualitäts- und Betriebsparameter. So überwachen beispielsweise Crimpmaschinen jeden einzelnen Crimpvorgang, erzeugen dafür Gut/Schlecht-Meldungen und geben sie an die übergeordneten Manufacturing-Execution-Systeme (MES) weiter. Oder sie messen die Temperatur ihrer Motoren und stellen dadurch sicher, dass keiner davon wegen Überhitzung ausfällt.

Für die künftigen Anforderungen reichen diese Parameter aber nicht mehr aus. Die Maschinenhersteller werden sie deshalb umfangreich erweitern, und die Sensorik spielt dabei eine wichtige Rolle. Als eines der Kernelemente des Internet der Dinge (IoT) übernimmt sie die Messung und Kontrolle von Veränderungen der jeweiligen Objekte, also Temperatur, Ultraschall, Feuchtigkeit, Vibration, Bewegung, Geräusche, aber auch chemische Zustände wie den CO2- oder Sauerstoffgehalt einer Entität. Die Sensoren kommunizieren über Kommunikationseinrichtungen mit IoT-Plattformen, auf diese Weise können die Daten in Echtzeit verarbeitet werden.

Diese Daten sind besonders wichtig in Bezug auf die Qualitätssicherung: Eine Qualitätsprüfung kann mit diesem Verfahren während der laufenden Produktion durchgeführt werden. Voraussetzung ist natürlich, dass die Maschinen über die entsprechenden Sensoren verfügen und sämtliche Systeme ohne Medienbruch miteinander vernetzt sind. Viele Maschinen bringen bereits von Haus aus Online-Schnittstellen mit, über die sie auch qualitätsrelevante Daten an übergeordnete Systeme kommunizieren können. Ältere Maschinen, die diese Fähigkeit nicht haben, können heute meist mit entsprechenden Sensoren nachgerüstet werden. Da die Sensoren in den letzten Jahren massiv billiger geworden sind, ist diese Nachrüstung inzwischen auch betriebswirtschaftlich darstellbar.

Diese zusätzliche Sensorik wird die Messung zahlreicher weiterer Betriebsparameter ermöglichen. Aber auch die qualitätsbildenden Parameter werden die Maschinenhersteller ausbauen. Die Zahl der Parameter, die die Maschinen künftig erfassen, wird jedenfalls deutlich steigen. Darüber hinaus bietet sich Fertigungsunternehmen somit auch die große Chance, den Automatisierungsrückstand in der Qualitätssicherung aufzuholen.

„Big Data“ als Basis für qualitätssichernde Analyse

Durch das Einspielen dieser Parameter in einen gemeinsamen Datenpool werden „Big Data“ entstehen, auf deren Basis die Bordnetzhersteller mit Hilfe von Machine-Learning-Algorithmen umfassende qualitätssichernde Analysen implementieren können. Dazu zählen beispielsweise Predictive-Maintenance- und Predictive-Quality-Anwendungen. So könnten intelligente Algorithmen etwa ermitteln, dass beim Auftreten einer bestimmten Kombination von Parametern im Zeitraum X mit einer Störung des Typus Y zu rechnen ist. Einbußen an der Qualität lassen sich dann von vornherein vermeiden, etwa indem man die Wartung der Maschine vorzieht. Mit Hilfe prädiktiver Analytik könnten sie außerdem feststellen, dass es bei bestimmten Parametern oder einer bestimmten Kombination verschiedener Parameter immer zu Fehlern in den Bordnetzen kommt.

Mit einem MES können auch Chargen rückverfolgt werden. Fertig produzierte Kabelsätze beispielsweise bestehen oft aus tausenden Komponenten – und ein geeignetes MES kann zu jeder Komponente eine vollständige Historie führen. Es weiß, auf welcher Maschine durch welchen Mitarbeiter und mit welchen Werkzeugen die Komponenten produziert wurden. Damit kann nachträglich sehr leicht überprüft werden, in welchen Endprodukten – seien es Autos, Waschmaschinen oder Kühlschränke – Kabelsätze mit einem Kabel einer bestimmten Charge verbaut wurden. Etwaige Reparaturmaßnahmen oder gar Rückrufaktionen lassen sich auf diese Weise dann ganz eng eingrenzen. So können Qualitätsmängel von vornherein vermieden werden, die Qualität der Produkte erhöht sich kontinuierlich und die Wettbewerbsfähigkeit steigt.

Aber nicht nur die Qualität, sondern auch Rentabilität lässt sich mit Hilfe dieser Parameter erhöhen. Die Hersteller der Bordnetze könnten sie etwa dazu nutzen, ihre Maschinen zu „tunen“, sprich: sie ohne Qualitätseinbußen schneller laufen zu lassen und damit ihren Output zu erhöhen. Nicht zuletzt lassen sich die Parameter außerdem für das Produktionspersonal und das Management in Echtzeit analysieren und visualisieren, sodass sie die Produktion überwachen und notfalls gezielt eingreifen können, um Business Excellence und hohe Rentabilität sicherzustellen. ■

DiIT GmbH
Justus-von-Liebig-Ring 11a
82152 Krailling
Tel. +49898932500
www.diit.de

Schleuniger GmbH
Raiffeisenstraße 14
42477 Radevormwald
Tel. +4921959290

www.schleuniger.com

• Schleuniger AG