Daten im IIoT verarbeiten
Im System werden die Sensordaten erfasst, gespeichert und nachvollziehbar aufbereitet. So lassen sich Prozessverläufe über Stunden, Tage oder Wochen analysieren und mit Qualitätsmerkmalen der gefertigten Bauteile korrelieren. Über Dashboards lassen sich Prozesszustände darstellen. Diese Transparenz und die Auswertung der Messwerte zu aussagefähigen Kennzahlen ist ein entscheidender Schritt. Denn dann können Musterveränderungen in Temperatur- oder Durchflusskurven sowie die Analyse der berechneten Wärmemenge beispielsweise schleichende Verschmutzungen von Kühlkanälen sichtbar machen.
Vom Monitoring zur Optimierung
Neben dem Monitoring war die Ableitung von Maßnahmen das Projektziel. So fand der Kunststoffverarbeiter bereits Optimierungspotenzial bei der Kühlwassermenge heraus. Es zeigte sich nämlich, dass statt der angestrebten Temperaturdifferenz von zwei Grad Celsius lediglich 0,8 Grad erreicht wurden – ein Hinweis auf überdimensionierten Durchfluss. Durch die Anpassung des Kühlkreislaufs ließ sich Energie sparen, ohne die Prozessstabilität zu beeinträchtigen. Gleichzeitig eröffnen die Daten die Möglichkeit, Zykluszeiten zu verkürzen. Guido Zoll von RAFI sagt: „Der Grundgedanke war, Ressourcen zu schonen und nur so viel einzusetzen, wie tatsächlich notwendig ist – also Kühlwasser, Strom oder Druckluft gezielt zu nutzen. Außerdem wollten wir Spitzenströme vermeiden. Wenn mehrere Maschinen gleichzeitig ihre Heizelemente einschalten, entstehen hohe Lastspitzen. Mit den erfassten Daten können wir künftig steuern, dass die Maschinen zeitlich versetzt anlaufen. So lassen sich diese Spitzen kappen und Energie einsparen.“ Denn neben der Kostensenkung soll der datenbasierte Ansatz einen Beitrag zur Reduzierung von Energieverbrauch und CO2-Emissionen leisten.
Skalierung und Weiterentwicklung
Das Projekt ist bei RAFI bewusst skalierbar angelegt. „Aktuell planen wir die Erweiterung auf weitere Maschinen. Außerdem wollen wir zusätzliche Sensoren einbinden, etwa zur Messung der Feuchtigkeit im Trockner, der Drücke im Werkzeug, der Hallentemperatur oder der Klimaanlage. Ziel ist, in Moneo alle Parameter zu erfassen, die Einfluss auf die Qualität der Spritzgussteile haben könnten“, so Guido Zoll. Erweiterungen wie zustandsbasierte Wartung, automatische Handlungsempfehlungen oder KI-gestützte Auswertungen sollen den Weg von der reinen Transparenz hin zur selbstoptimierenden Produktion weiter unterstützen.
