Vollmar, Gerhard (Raiffeisenstr. 12 Meckenheim, D-67149, DE)
Szöke, Szaniszlo (Rue de Brionsart 16 Gesues, B-5340, BE)
Kallela, Jari (Avenue Ernes Solvay 24 La Hulpe, B-1310, BE)
Vollmar, Gerhard (Raiffeisenstr. 12 Meckenheim, D-67149, DE)
Szöke, Szaniszlo (Rue de Brionsart 16 Gesues, B-5340, BE)
Das Verfahren ist geeignet zur Verwendung im Rahmen eines Systems zur Ermitt- lung der Effektivität (Overall Equipment Effectiveness OEE) und dabei insbesondere zur Fehlerursachenanalyse.
Unter Effektivität wird hier der Begriff"Overall Equipment Effectiveness, OEE"ver- standen, der beispielsweise beschrieben ist in Robert Hansen : Learning the Power of Overall Equipment Effectivineess, im Konferenzbericht 1999 Machinery Reliability Conference and Exposition,"The Meeting of Machinery Reliability Minds", April 12- 14, Chincinnati, Ohio, Seiten 19 bis 30, herausgegeben von Industrial Communica- tions, Inc., 1704 Natalie Nehs Dr., Knoxville, TN 37931.
OEE ist demnach eine Methode zur Ermittlung einer Prozentzahl die angibt, inwie- weit die jeweils tatsächliche Produktivität an eine geplante, also vorgegebene Pro- duktivität heranreicht. OEE wird auch als Multiplikation synergetischer Parameter bezeichnet, die die"Gesundheit"eines Prozesses definieren, nämlich OEE = Verfüg- barkeit x Verarbeitungsgeschwindigkeit x Qualität.
Betreiber von Produktionsanlagen sind aus wirtschaftlichen Gründen, sowie zur Si- cherung der Produktqualität daran interessiert, eine im ungestörten Betrieb erreich- bare Soll-Effektivität zu ermitteln und die jeweils aktuelle Effektivität damit zu verglei- chen. Weicht die aktuelle Effektivität vom Sollwert ab, so bedeutet dies Produktivi- tätsverluste. Es ist dann zu ermitteln, welche Fehlerereignisse vorliegen und was dafür ursächlich ist. Ursachen können ihre Wurzeln im physikalischen, menschlichen oder organisatorischen Bereich haben.
Für die Analyse von Fehlern, also von Ereignissen, die das jeweilige Produktionsziel negativ beeinflussen, können unterschiedliche Methoden und Techniken eingesetzt werden. Die wichtigsten Vertreter sind FMEA (Failure Modes and Effects Analysis), Fehlerbaumanalyse, oder statistische Auswerteverfahren, wie beispielsweise die Pa- reto-Analyse [John Moubray, RCM2, Butterworth-Heinemann, Second Edition 1997].
Die Fehlerbaumanalyse ist grundsätzlich gut geeignet für einen Einsatz im Rahmen einer Fehlerursachenanalyse. Für eine effektive Fehlerursachenanalyse sollte aller- dings ein Fehlerbaum mit gut an die Produktionsanlage angepa ter Struktur zur Verfügung stehen.
Eine so ! che angepa te Fehierbaumstruktur iä t sich durch Auswertung historischer Daten aus dem Produktionsbetrieb schaffen. In einem automatisierten Produktions- betrieb werden nämlich üblicherweise in Historiendatenbanken Informationen über längere Zeiträume hinweg gespeichert, so da die benötigten Daten zur Verfügung stehen. Daten werden dabei entweder direkt aus der zugehörigen Produktions-und Maschinensteuerung oder aus dem Leitsystem gesammelt. Au erdem ist es möglich, da der Maschinenoperateur Informationen über den Zustand von Produktion oder Maschine mittels eines Datenakquisitionssystems (Terminal, Barcode Reader) ein- gibt. Damit ist es möglich, spezielle Information zu Fehlerfällen in einer Datenbank zu speichern.
Ein Problem besteht allerdings darin, da die Auswertung der gro en Datenmenge sehr aufwendig ist. Einmal mit gro em Auswerteaufwand erstellte Fehlerbäume wer- den deshalb im allgemeinen nicht aktualisiert, so da ein Erfahrungsrückflu aus dem täglichen Betrieb nicht stattfindet.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren anzugeben, das es ermöglicht, ausgehend von einer allgemeinen, nicht angepa ten Fehlerbaumstruktur automatisiert eine erweiterte und an eine bestimmte Produktionsanlage angepa te Struktur zu generieren.
Diese Aufgabe wird durch ein Verfahren zum automatisierten Generieren einer er- weiterten und an einen Produktionsanlagentyp oder an eine spezifische Produktions- anlage angepa ten Fehierbaumstruktur getost, das die im Anspruch 1 angegebenen Merkmale aufweist. Eine vorteilhafte Ausgestaltung ist im Anspruch 2 angegeben.
Bei diesem Verfahren werde auf der Basis vorgegebener Fehlerhypothesen Verifika- tions-Skripts erstellt und gespeichert, gemä deren Anforderungen Daten aus einem Datenserver abgerufen werden, um daraus Fehlerereignisse abzuleiten. Die abge- leitete Fehlerereignisse werden-gegebenenfalls zusammen mit zusätzlich einge- geben Fehlerereignissen in einer Fehlerdatenbank abgelegt. Ein Fehlerdaten- Klassifizierer führt in vorgegebenen Zeitabständen eine statistische Auswertung der gespeicherten Fehlerereignisse durch, und bildet seine Ergebnisse als gewichtete Fehlerursachen auf eine gespeicherte Fehlerbaumstruktur ab.
Ein wesentlicher Vorteil besteht darin, da durch Anwendung des Verfahrens ein lernfähiges System geschaffen wird, das eine kontinuierliche Anpassung einer Feh- lerbaumstruktur an jeweilige Produktionsgegebenheiten bewirkt.
Eine weitere Beschreibung der Erfindung und deren Vorteile erfolgt nachstehend an- hand eines in Zeichnungsfiguren dargestellten Ausführungsbeispiels.
Es zeigen : Fig. 1 ein Blockschema eines Systems zur Durchführung des Verfahrens, Fig. 2 Schritte des Verfahrensablaufs, Fig. 3 ein Skript zum Verifizieren von Fehlerhypothesen, Fig. 4 typische Daten aus einem Steuerungssystem, Fig. 5 Informationen, die in der Fehlerdatenbank gespeichert werden, Fig. 6 eine einfache Grundstruktur eines gewichteten Fehlerbaums, und Fig. 7 einen automatisch erweiterten Fehlerbaum.
Das Blockschema gemä Fig. 1 zeigt Komponenten einer Datenverarbeitungsein- richtung 20, die Teil eines Systems zur Ermittlung der Produktionsaniagen-Effektivität und zur Fehlerursachenanalyse sein kann. Als Software-Komponenten zur Durchfüh- rung von Verarbeitungsfunktionen sind ein Hypothesen-Verifizierer 21, ein Fehler- daten-Klassifizierer 22 und eir Hypothesen-Konfigurierer 23 dargestellt. Als Daten- speicher sind eine Fehlerdate ibank 31, ein Fehlerbaumspeicher 32, und ein Verifi- kations-Skript-Speicher 33 vothanden. Über eine Dateneingabe 11 sind Fehlerereig- nis-Daten eingebbar. Eine An : : eigeeinrichtung 12 ermöglicht die Darstellung von Er- gebnissen. Eine Ausgabe 40 errnöglicht die Ausgabe oder Weiterleitung der gene- rierten Fehlerbaumstruktur. Mittels eines Hypotheseneditors 13 sind Fehlerhypothe- sen eingebbar.
Im Fehlerbaumspeicher 32 ist vorab ein gewichteter Fehlerbaum mit einer einfachen Grundstruktur gespeichert. Die Struktur des Fehlerbaums und die Gewichtung der einzelnen Fehlerursachen werden jeweils automatisiert durch das Ergebnis der Pro- grammabläufe verändert.
Der Hypothesen-Konfigurierer 23 ist dafür eingerichtet, aufgrund eingegebener Feh- lerhypothesen ein Verifikations-Skript zu erstellen und im Verifikations-Skript- Speicher 33 zu speichern.
Der Hypothesen-Verifizierer 21 ist dafür eingerichtet, gemä Anforderungen des Ve- rifikations-Skripts auf Daten eines Datenservers 30 des Leitsystems der Produktions- anlage zuzugreifen und daraus Fehlerereignisse abzuleiten, wobei über die Daten- eingabe 11 eingebbare Zusatzinformationen zu Fehlerereignissen berücksichtigt werden. Er legt ermittelte Fehlerereignisse in der Fehlerdatenbank 31 ab.
Der Fehlerdaten-Klassifizierer 22 ist dafür eingerichtet, in vorgebbaren Zeitabständen die Fehlerereignisse aus der Fehlerdatenbank 31 abzurufen, zu klassifizieren und als gewichtete Fehlerursachen auf die Fehlerbaumstruktur abzubilden.
Fig. 2 zeigt die einzelnen Schritte des Verfahren zum automatisierten Generieren einer erweiterten Fehlerbaumstruktur.
In Schritt 100 werden die Kriterien zum Verifizieren von Fehlerhypothesen eingege- ben. Anhand der Kriterien wird ein ausführbares Skript erzeugt. Fig. 3 zeigt beispiel- haft für drei Fehlerhypothesen ein Skript.
In Schritt 200 wird das Skript zyklisch auf Daten aus dem Steuerungssystem bzw.
Leitsystem angewandt. Fig. 4 zeigt dazu einen typischen Datensatz. Diese Daten werden entsprechend der Kriterien des Verifikations-Skriptes überprüft. Erkannte Fehlerereignisse werden-gegebenenfalls neben zusätzlich eingegebenen Fehle- rereignissen-in der Fehlerdatenbank 31 gespeichert.
Schritt 300 führt eine Klassifikation der Fehlerereignisse durch. Dies geschieht ent- weder automatisch in festen Zeitintervallen, beispielsweise einmal im Monat, oder der Benutzer initiiert die Klassifizierung. Die Fehlerereignisse werden hinsichtlich der Häufigkeit des Auftretens klassifiziert.
Schritt 400 bildet die Fehlerereignisse auf eine logische Baumstruktur ab. Die Fig. 6 zeigt eine Grundstruktur eines Fehlerbaumes und Fig. 7 einen erweiterten Fehler- baum.
Fig. 3 zeigt ein Skript zum Verifizieren von Fehlerhypothesen einer Papiermaschine.
Es handelt sich hierbei um die Fehlerhypothesen für einen Pumpenfehler, Faser- bruch und Kriechgeschwindigkeit. Wird ein Fehler erkannt, dann schreibt das Skript eine Status-Information in die Fehlerdatenbank 31.
Fig. 4 zeigt typische Daten aus einem Steuerungssystem. Ein Datensatz besteht im einfachsten Fall aus einem Identifikator (ID) für das Signal und seinem Wert. Je nach System können zusätzliche Informationen wie Datentyp, Beschreibungsdaten und Systemzeit zugreifbar sein. Zum Verifizieren von Fehlerhypothesen werden häufig Signale zum Status der Maschine, Zählerstände und Motordrehzahlen abgefragt. Zur Dokumentation von Störungen sind zusätzlich Me werte von physikalischen Gr6Ben und Fehlerzustands-Signale hilfreich.
Fig. 5 zeigt beispielhaft Informationen, die in der Fehlerdatenbank gespeichert wer- den. Die Datensätze werden chronologisch als Historien abgelegt. Ein Datensatz be- steht aus einem sog. Zeitstempel (Datum und Uhrzeit), dem Produktionsbereich, wo das Fehlerereignis aufgetreten ist, der Beschreibung des Fehlerereignisses und der entsprechenden Ereigniskategorie sowie der Dauer des Ereignisses. Zusätzlich kann vom Operateur eine Fehlerursache zum Fehlerereignis angegeben werden.
Fig. 6 zeigt die einfache Grundstruktur des gewichteten Fehlerbaums für eine Pa- piermaschine. Der Papiermaschinenfehler hat die Ursachen Faserbruch, Stillstand und Kriechen. Die Ursache Stillstand hat wiederum die Fehlerursachen Waschen und Instandhalten. Nach einer Klassifikation kann die Häufigkeit des Auftretens einer Fehlerursache als Gewichtung mit ausgegeben werden.
Fig. 7 zeigt den automatisch erweiterten Fehlerbaum. Die Grundstruktur liefert der Fehlerbaum aus Fig. 6. Für die Fehlerursache Faserbruch wurde ein eigenes Verifi- kations-Skript erzeugt. Die in diesem Skript erkannten Fehlerereignisse werden au- tomatisch als Fehlerursachen für Faserbruch in die Fehlerbaumstruktur eingefügt.