OT Observability mit Splunk im Smart Production Lab der FH Joanneum

Vom ‚Luftschnitt‘ zur intelligenten Produktion: Eine Success Story von NTS und der FH Joanneum

In der modernen Fertigung zählt jedes Detail. Stillstandzeiten sind teuer, Ineffizienzen bremsen die Produktivität und unerkannte Probleme können zu Qualitätseinbußen oder Maschinenschäden führen. Die Lösung liegt darin, traditioneller Anlagentechnik durch modernste Datenanalyse und Machine Learning eine Stimme zu geben – und ihr so umfassende Einblicke in die eigenen Betriebsparameter zu entlocken.

Genau dieser Herausforderung haben sich NTS und die FH Joanneum im Smart Production Lab in Kapfenberg gestellt. In einem Demoprojekt wurde eine Bandsäge, die Stahl und Aluminium bearbeitet, in ein smartes, datengesteuertes Produktionssystem transformiert. Das Ziel: durch die Überwachung der OT Effizienz zu steigern, Risiken zu minimieren und die Produktionsprozesse für die Zukunft zu rüsten.

Foto: (c) Fabian Hasler

Die Lösung in Aktion: Einblicke in den smarten Sägebetrieb

Die entwickelte Plattform bietet eine umfassende Übersicht über die entscheidenden Betriebsparameter der Bandsäge – von Stromaufnahme und Vibration bis hin zu Vorschub und Bandgeschwindigkeit. Doch die wahre Stärke liegt in der intelligenten Analyse dieser Daten.

Dem „Luftschnitt“ auf der Spur: Ineffizienzen sichtbar machen

Ein Paradebeispiel für ungenutztes Potenzial ist der sogenannte „Luftschnitt“ – die Zeit, in der die Säge läuft, aber kein Material bearbeitet. Unsere Lösung visualisiert dies in einem zentralen Dashboard und zeigt klar auf, wie viele Minuten und Prozent der Betriebszeit auf tatsächliches Schneiden, Luftschnitt oder Stillstand entfallen. Diese Transparenz ermöglicht es den Bediener:innen, ineffiziente Abläufe sofort zu erkennen und Prozesse gezielt zu optimieren.

Dashboard Übersicht Luftschnitt

Im Dashboard erkennt man die Effizienz der Säge in Bezug auf die Betriebszeiten mit einer Gesamtbetriebszeit von 6 Minuten und einer Luftschnittzeit von 12 Minuten, was 14 % der Gesamtzeit ausmacht. Der Stillstand der Säge wird mit 61 Minuten und 75 % Anteil angezeigt.

Das Gehirn der Operation: Intelligente Alerts durch Machine Learning

Um proaktiv statt nur reaktiv zu handeln, wurde ein leistungsstarkes System zur Anomalieerkennung implementiert. Dieses System agiert wie ein wachsamer Experte, der die Maschine rund um die Uhr überwacht.

• Analyse der Stromaufnahme: Weicht der Stromverbrauch von den erwarteten Werten ab, wird ein Alarm ausgelöst. Das System berücksichtigt dabei intelligent, welches Material in welcher Dicke gerade bearbeitet wird, um Fehlalarme zu vermeiden.

Dashboard Übersicht Sägebetrieb

Dieses Dashboard bietet Echtzeitdaten zur Säge, einschließlich der Bandgeschwindigkeit und dem Vorschub. Es zeigt auch die Stromaufnahme und Vibrationen der Säge sowie eine Übersicht über generierte Alerts, die auf Anomalien hinweisen.

• Materialverifikation per KI: Der spannendste Teil ist die Materialerkennung. Wählt ein:e Bediener:in ein Material aus, analysiert ein Machine-Learning-Modell die Signatur der Stromaufnahme mittels Fast Fourier Transformation (FFT). Erkennt das Modell eine Abweichung – zum Beispiel, weil versehentlich das falsche Material eingelegt wurde – wird sofort ein Alert generiert. Dies verhindert nicht nur Ausschuss, sondern schützt auch das Sägeband vor Beschädigung.

Dieses Dashboard bietet eine Übersicht über die Anteile verschiedener klassifizierter Materialien auf Basis des Stromverlaufes. Zudem zeigt es eine zeitliche Analyse der Schnittaktivitäten und die Klassifikationen der Materialien in einem bestimmten Zeitraum.

Die technische Umsetzung: Eine Brücke zwischen den Welten

Eine der größten Hürden in Industrie-4.0-Projekten ist die Verbindung von traditioneller Anlagentechnik (OT) mit moderner IT-Infrastruktur. Wie wurde diese Herausforderung gelöst?

Die Lösung liegt in einer eleganten und flexiblen Architektur:

1. Node-RED als Vermittler: Die Daten von der Säge und den Sensoren werden über Node-RED erfasst. Diese visuelle Programmierumgebung agiert als flexible Datendrehscheibe, die die OT-Signale sammelt, aufbereitet und für die IT-Welt verständlich macht.
2. Splunk als Analyse-Plattform: Die aufbereiteten Daten fließen in Echtzeit in Splunk. Hier findet die eigentliche Magie statt: die Speicherung, Analyse, Visualisierung und die Ausführung der Machine-Learning-Modelle.
3. NTS Bot Framework & Webex für sofortige Reaktion: Erkennt Splunk eine Anomalie, wird der Alert nicht einfach nur in einem Dashboard angezeigt. Über das NTS Bot Framework wird eine automatische Nachricht an einen definierten Webex Space gesendet. Das zuständige Team wird so unmittelbar informiert und kann sofort reagieren.

Architektur

Ihre Vorteile im Überblick: Messbarer Erfolg

Die Ergebnisse des Projekts zeigen klar die Vorteile einer datengesteuerten Produktionsüberwachung:

• Maximale Effizienz: Steigerung der Produktionsleistung durch proaktive Echtzeit-Analysen
• Kostensenkung: Reduktion der Wartungskosten und Vermeidung teurer Ausfallzeiten
• Datengetriebene Entscheidungen: Treffen fundierter Entscheidungen basierend auf aktuellen und historischen Daten
• Zukunftssichere Technologie: Skalierbare Lösung, die sich nahtlos in bestehenden Systeme integriert und mit Unternehmen wächst

Fazit: Ein Blueprint für die smarte Fertigung

Das Projekt im Smart Production Lab der FH Joanneum ist mehr als nur ein technisches Demo. Es ist ein eindrucksvoller Beweis dafür, wie durch die exzellente Kooperation von NTS und der FH Joanneum traditionelle Fertigungsprozesse intelligent, transparent und zukunftssicher gestaltet werden können. Es zeigt einen klaren Weg auf, wie Unternehmen die verborgenen Potenziale in ihrer Produktion heben und sich so einen entscheidenden Wettbewerbsvorteil sichern können.

Wenn Sie Interesse haben, kontaktieren Sie uns und vereinbaren Sie einen Termin mit unseren Expert:innen: sales@nts.eu.