Abstract
Fallen Produktionsmaschinen durch Fehler ungeplant aus, entstehen häufig lange
Stillstandszeiten und damit verbunden hohe Kosten für den Betreiber. Daher ist es wichtig, Stillstandszeiten durch eine schnelle Erkennung von Fehlerursachen und der Identifizierung von Reparaturmöglichkeiten möglichst gering zu halten. Das Fraunhofer IOSB-INA hat ein Verfahren zur distanzbasierten Fehlererkennung und Identifizierung von Fehlerursachen für die kunststoffproduzierende Industrie entwickelt. Das Verfahren lernt in einer Trainingsphase den Normalzustand der Produktionsanlage. Anschließend kann das Verfahren im Betrieb eingesetzt werden und vergleicht dann jedes Signal der Anlage mit dem gelernten Normal. Werden Abweichungen erkannt, die außerhalb einer gelernten Toleranz liegen, meldet das Verfahren einen Fehler. Außerdem wird eine
Empfehlung ausgeben, welche Signale den Fehler auslösen und wie hoch die Amplitude der Abweichung ist. Mithilfe von Anwendungsfällen der zwei Projektpartner Plastikpack GmbH und Häfner & Krullmann GmbH wurde das Verfahren validiert. Dabei konnten alle der im Produktionsverlauf annotierten Fehler vom Algorithmus identifiziert werden.