VERFAHREN ZUR ÜBERWACHUNG DES ZUSTANDS EINER WERKZEUGMASCHINE

TECHNISCHES GEBIET

Die vorliegende Erfindung betrifft ein Verfahren zur Überwachung des Zustands einer Werkzeugmaschine mit einer Mehrzahl von Maschinenachsen. Bei der Werkzeugmaschine kann es sich um eine Verzahnmaschine zur spanenden Bearbeitung von verzahnten Werkstücken handeln, insbesondere um eine Verzahnungsschleifmaschine.

STAND DER TECHNIK

Bei der Bearbeitung von Werkstücken in einer Werkzeugmaschine treten naturgemäss Fertigungsabweichungen auf, die sich in Abweichungen der tatsächlich gefertigten Ist- Geometrie der Werkstücke von einer vorgegebenen Soll-Geometrie äussern. Die Fertigungsabweichungen können unter anderem durch Fehlfunktionen oder Verschleiss der unterschiedlichen Komponenten der Werkzeugmaschine oder durch eine ungeeignete Montage der Komponenten bedingt sein. Beispielsweise kann eine Fertigungsabweichung dadurch verursacht werden, dass ein Antrieb einen Schlitten der Werkzeugmaschine zu einer anderen Position als der durch die Maschinensteuerung vorgegebenen Soll-Position bewegt, dass ein Lager einer Spindel verschlissen ist, oder dass Maschinenteile auf eine ungeeignete Weise miteinander verbunden sind, so dass Vibrationen nicht genügend gedämpft werden.

Es ist daher erwünscht, Fehlfunktionen und Verschleiss der Maschinenkomponenten, Montagefehler und andere Fehler der Werkzeugmaschine, die zu Fertigungsabweichungen führen können, möglichst frühzeitig zu erkennen, um rechtzeitig Wartungsmassnahmen ergreifen zu können. Dazu ist es bekannt, dass die Werkzeugmaschine vor der Bearbeitung von Werkstücken oder in Bearbeitungspausen einen Prüfzyklus durchläuft, bei dem einige oder alle Maschinenachsen systematisch bewegt werden und zugeordnete Messungen durchgeführt werden. Dabei können z.B. Lageabweichungen der jeweiligen Maschinenachse von einer vorgegebenen Soll-Lage oder Schwingungsdaten erfasst werden. Anhand der Messergebnisse wird dann der Zustand der Maschine oder einzelner Maschinenachsen bewertet. Die Messergebnisse können dazu z.B. mit vorgegebenen Toleranzgrenzen verglichen werden. Wenn der durch die Toleranzgrenzen begrenzte Toleranzbereich verlassen wird, deutet das auf ein Versagen der entsprechenden Maschinenachse hin, und es können Wartungsmassnahmen eingeleitet werden.

Die Festlegung der Toleranzgrenzen ist eine sehr anspruchsvolle Aufgabe, die viel Fachwissen erfordert. Die Festlegung der Toleranzgrenzen ist ein iterativer Prozess, der fehleranfällig ist. Da in der Regel Signale von einigen Dutzend Sensoren bis hin zu mehr als hundert Sensoren erfasst werden, kann diese Aufgabe zudem sehr zeitaufwändig sein.

EP3229088A1 offenbart ein Verfahren zum Überwachen der Maschinengeometrie einer verzahnungsbearbeitenden Maschine, bei dem Werkstücke in einer Messeinrichtung vermessen werden, um Istdaten zu ermitteln. Die Istdaten werden mit Vorgabedaten in Bezug gesetzt, um so die Abweichung eines geometrischen Einstellwerts einer Achse der Maschine zu ermitteln. Die Abweichungen des geometrischen Einstellwerts werden für eine Vielzahl von Werkstücken gespeichert, und es wird eine statistische Auswertung der gespeicherten Abweichungen durchgeführt, um eine geometrische Veränderung der Achse der Maschine zu ermitteln. Die statistische Auswertung umfasst eine Kurzzeitauswertung und eine Langzeitauswertung. Diese Auswertungen werden miteinander in Beziehung gesetzt, um Prozessabweichungen automatisch zu erkennen. Das Verfahren stützt sich auf Messwerte, die an Werkstücken gewonnen wurden, die mit der überwachten Maschine bearbeitet wurden.

W02021048027A1 offenbart ein Verfahren zum Überwachen eines Feinbearbeitungsprozesses, bei dem während der Bearbeitung von Werkzeugen Messwerte erfasst werden. Die Messwerte werden normiert, und aus den normierten Werten werden Kenngrössen des Bearbeitungsprozesses berechnet, die in bekannter Weise mit Bearbeitungsfehlern der Werkstücke korrelieren. Auf diese Weise können Prozessabweichungen erkannt werden. Das Dokument macht keine Aussagen zur Überwachung des Zustands von Maschinenkomponenten .

DARSTELLUNG DER ERFINDUNG

In einem ersten Aspekt ist es eine Aufgabe der vorliegenden Erfindung, ein Verfahren zur Überwachung des Zustands einer Werkzeugmaschine anzugeben, bei dem die Bewertung des Zustands der Werkzeugmaschine auf eine objektive Weise erfolgt, die kein besonderes Fachwissen erfordert.

Diese Aufgabe wird durch ein Verfahren nach Anspruch 1 gelöst. Weitere Ausführungsformen sind in den abhängigen Ansprüchen angegeben.

Es wird also ein Verfahren zur Überwachung eines Zustands einer Werkzeugmaschine mit einer Mehrzahl von Maschinenachsen angegeben, das die folgenden Schritte aufweist:

Durchführen eines Prüfzyklus, bei dem mindestens ein Teil der Maschinenachsen systematisch betätigt wird und zugeordnete Zustandsdaten durch Messungen ermittelt werden; und

Durchführen einer Zustandsdiagnose, bei der die Zustandsdaten mit mindestens einer Referenzgrösse verglichen werden.

Das Verfahren zeichnet sich dadurch aus, dass die mindestens eine Referenzgrösse aus Referenz-Zustandsdaten ermittelt wird, wobei die Referenz-Zustandsdaten durch eine Vielzahl von Referenz-Prüfzyklen an einer Vielzahl von Referenzmaschinen gewonnen wurden.

In dem vorgeschlagenen Verfahren liegen also Zustandsdaten in Form von Messdaten oder daraus abgeleiteten Grössen vor, die eine grosse Zahl von Zuständen einer Vielzahl von Maschinen abbilden. Diese Maschinen werden hier als "Referenzmaschinen" bezeichnet, und die entsprechenden Zustandsdaten werden als "Referenz-Zustandsdaten" bezeichnet. Die Referenz-Zustandsdaten können in einer Datenbank abgelegt sein. Die Referenz- Zustandsdaten wurden durch eine Vielzahl von Prüfzyklen an den Referenzmaschinen gewonnen, insbesondere in Bearbeitungspausen der Referenzmaschinen. Diese Prüfzyklen werden als "Referenz-Prüfzyklen" bezeichnet. Die Begriffe "Referenzmaschine", "Referenz-Prüfzyklus" und "Referenz-Zustandsdaten" sollen nicht etwa suggerieren, dass es sich bei einer Referenzmaschine um eine besonders zuverlässige Maschine, bei den Referenz-Prüfzyklen um besonders sorgfältig ausgeführte Prüfzyklen oder bei den Referenz-Zustandsdaten um besonders zuverlässige Daten handelt. Vielmehr werden diese Begriffe lediglich dazu gebraucht, die zu beurteilende Maschine logisch von den Maschinen, deren Zustände als Vergleichsbasis verwendet werden, zu unterscheiden. Die Referenz-Zustandsdaten können dabei durchaus auch Zustandsdaten umfassen, die an der zu beurteilenden Maschine in früheren Prüfzyklen gewonnen wurden. Insofern kann auch die zu beurteilende Maschine selbst als eine der Referenzmaschinen dienen. Wesentlich ist aber, dass die Referenz-Zustandsdaten nicht auf Zustandsdaten beschränkt sind, die ausschliesslich mit der zu beurteilenden Maschine selbst gewonnen wurden. Vielmehr besteht ein wesentlicher Aspekt der vorliegenden Erfindung darin, Zustandsdaten einer Vielzahl von Maschinen für die Beurteilung einer anderen Maschine nutzbar zu machen.

Dem liegt die Annahme zugrunde, dass in der Praxis der allergrösste Teil der Referenz- Prüfzyklen in Bearbeitungspausen der Referenzmaschinen durchgeführt wurde, während sich die entsprechenden Referenzmaschinen in einem "guten" Zustand befanden, d.h. in einem Zustand, in dem die Referenzmaschinen in der Lage waren, einwandfreie Werkstücke zu fertigen. Nur wenige Prüfzyklen werden in der Praxis "schlechte" Zustände betreffen, da solche "schlechten" Zustände in der Regel bald anhand von Fertigungsabweichungen erkannt und beseitigt werden. Im statistischen Mittel über viele Referenzmaschinen und viele Referenz-Prüfzyklen hinweg repräsentieren die Referenz- Zustandsdaten daher im Wesentlichen einen "guten" Zustand der Referenzmaschinen. Diese Erkenntnis wird ausgenutzt, um eine automatische Zustandsdiagnose der zu beurteilenden Maschine durchzuführen. Hierfür sind keine Vorkenntnisse über die zu beurteilende Maschine selbst erforderlich.

Dabei genügt es nicht, nur historische Zustandsdaten aus früheren Prüfzyklen der zu beurteilenden Maschine selbst zu betrachten. Beispielsweise kann bei der zu beurteilenden Maschine von Anfang an ein fehlerhaftes Lager verbaut gewesen sein, so dass die an dieser Maschine gewonnenen Zustandsdaten über die gesamte Lebensdauer der Maschine wesentlich schlechter sind, als wenn ein einwandfreies Lager verbaut wäre. Dennoch mag es knapp möglich sein, trotz des fehlerhaften Lagers einwandfreie Werkstücke zu fertigen. Erst durch einen Vergleich der Zustandsdaten der zu beurteilenden Maschine mit Referenz-Zustandsdaten, die durch Messungen an anderen Maschinen gewonnen wurden, bzw. mit daraus abgeleiteten Referenzgrössen wird es möglich zu erkennen, dass die zu beurteilende Maschine ein Problem aufweist, und dieses Problem so einzugrenzen, dass das fehlerhafte Lager erkannt werden kann.

Die Referenzmaschinen sind bevorzugt zur zu beurteilenden Werkzeugmaschine gleichartig. Die Referenzmaschinen brauchen dabei nicht identisch zur zu beurteilenden Maschine zu sein. Eine Maschine wird im vorliegenden Kontext vielmehr dann als "gleichartig" zur zu beurteilenden Maschine bezeichnet, wenn sie mit dieser in Grösse, Aufbau und Achsanordnung weitgehend übereinstimmt. In der Praxis sind beispielsweise Maschinen desselben Typs eines Herstellers als gleichartig anzusehen. Die Maschinen können sich aber z.B. in ihrer Zusatzausstattung unterscheiden.

Die Referenz-Zustandsdaten können insbesondere gewonnen werden, indem mit den Referenzmaschinen Prüfzyklen derselben Art wie bei der zu beurteilenden Maschine durchgeführt werden, d.h. Prüfzyklen, bei denen Maschinenachsen der Referenzmaschinen systematisch bewegt werden und Referenzmessungen durchgeführt werden. Auch die Zustandsdaten, die in den Prüfzyklen der zu beurteilenden Maschine ermittelt wurden, können selbst wieder in die Datenbank eingespeichert werden, so dass sie für zukünftige Prüfzyklen derselben Maschine oder einer anderen Maschine selbst wiederum als Referenz-Zustandsdaten dienen können.

Die Messdaten, die in einem Prüfzyklus ermittelt werden, können Lageabweichungsdaten, die Lageabweichungen mindestens eines Teil der beweglichen Komponenten von einer durch die Maschinensteuerung vorgegebenen Soll-Lage charakterisieren, und/oder Schwingungsdaten, die einen Schwingungszustand mindestens eines Teil der beweglichen Komponenten charakterisieren, umfassen. Lageabweichungsdaten können mit Positionssensoren, wie sie aus dem Stand der Technik hinlänglich bekannt sind, ermittelt werden. Schwingungsdaten können mit Bewegungssensoren, z.B. Beschleunigungssensoren, wie sie ebenfalls aus dem Stand der Technik hinlänglich bekannt sind, erfasst werden. Die Messdaten können auch Leistungsdaten umfassen, die eine Stromaufnahme in einem Antriebsmotor mindestens einer beweglichen Komponente charakterisieren. Eine Vielzahl von weiteren Arten von Daten sind denkbar. Solche Daten können durch separate Sensoren gewonnen werden oder direkt aus der Maschinensteuerung ausgelesen werden.

Die Zustandsdaten, die aus den Messgrössen abgeleitet werden, können Daten verschiedenster Art umfassen. Beispielsweise können die Zustandsdaten unmittelbare Messdaten umfassen, beispielsweise einzelne Lageabweichungen oder momentane Schwingungsamplituden. Die Zustandsdaten können aber auch Grössen umfassen, die aus Messdaten durch mathematische oder algorithmische Bearbeitung gebildet werden. Derartige Zustandsdaten können beispielsweise Mittelwerte von Messdaten, andere statistische Grössen, die aus Messdaten abgeleitet wurden, oder aus solchen statistischen Grössen abgeleitete Grössen sein. Die Berechnung von Zustandsdaten aus den Messdaten kann eine Spektralanalyse (insbesondere eine Ordnungsanalyse) von Messdaten umfassen, insbesondere von Lageabweichungsdaten, Schwingungsdaten und/oder Leistungsdaten. Mit der Spektralanalyse werden spektrale Intensitätswerte der Messdaten über einen bestimmten Frequenz- bzw. Ordnungsbereich hinweg ermittelt, und die Zustandsdaten können spektrale Intensitätswerte bei ausgewählten diskreten Frequenzwerten bzw. Ordnungen oder daraus abgeleitete Grössen, z.B. eine Summe aus solchen Intensitätswerten über einen bestimmten Frequenz- oder Ordnungsbereich hinweg oder die Ergebnisse einer Peakfitting-Routine, die auf das Spektrum angewendet wurde, umfassen. Die Zustandsdaten können auch komplette Zeitreihen einer Messgrösse und/oder komplette Spektren umfassen.

Die Zustandsdaten können spezifische Indikatoren umfassen, die aus Messdaten aus mehr als einer Quelle (insbesondere von mehr als einem Sensor) und/oder aus Messdaten, die sich auf die Betätigung von mehr als einer Maschinenachse beziehen, abgeleitet sind. Solche spezifischen Indikatoren können Rückschlüsse auf ganz spezifische Fehlerquellen erlauben.

Wenn es sich bei der Werkzeugmaschine um eine Verzahnmaschine, insbesondere eine Verzahnmaschine zur Wälzbearbeitung von Verzahnungen handelt, können die Zustandsdaten auch prognostizierte EOL-Daten umfassen, die angeben, bei welchen Ordnungen Anregungen in einem EOL-Spektrum auf einem EOL-Prüfstand (EOL = End of Line) zu erwarten sind, wenn ein mit der Verzahnmaschine bearbeitetes verzahntes Werkstück in ein Getriebe eingebaut wird und im Getriebe auf einer Gegenverzahnung abwälzt. Das vorgeschlagene Verfahren erlaubt dann eine automatische Vorhersage, bei welchen Ordnungen Geräuschprobleme mit Werkstücken, die mit der zu beurteilenden Maschine gefertigt wurden, zu erwarten sind. Bezüglich der diesem Vorgehen zugrundeliegenden Überlegungen und weiterer Ausführungsmöglichkeiten wird auf die am selben Tag wie die vorliegende Anmeldung eingereichte Patentanmeldung desselben Anmelders mit dem Titel "Verfahren zur Überwachung des Zustands einer Verzahnmaschine" verwiesen, deren Inhalt durch Verweis vollständig in die vorliegende Offenbarung einbezogen wird.

Auch die Referenzgrössen können Grössen verschiedenster Art sein. Allgemein ausgedrückt kann es sich bei den Referenzgrössen direkt um Referenz-Zustandsdaten handeln, die in derselben Weise wie die vorstehend diskutierten Zustandsdaten bestimmt wurden, oder es handelt sich um Grössen, die durch mathematische oder algorithmische Bearbeitung aus Referenz-Zustandsdaten gebildet wurden, insbesondere durch statistische Analyse der Referenz-Zustandsdaten. Die Referenzgrössen können insbesondere mindestens eine Toleranzgrenze für mindestens eine Art von Zustandsdaten umfassen. Die Festlegung der Toleranzgrenze erfolgt dabei automatisiert durch einen Rechner anhand von mindestens einem statistischen Referenzkennwert, der durch eine statistische Analyse von Referenz- Zustandsdaten der betreffenden Art ermittelt wird. Auf diese Weise brauchen die Toleranzgrenzen nicht mehr mühsam manuell festgelegt zu werden, und für die Festlegung der Toleranzgrenzen wird kein Fachwissen benötigt.

Die Festlegung der Toleranzgrenzen der zu beurteilenden Maschine erfolgt hier also durch eine statistische Analyse von Referenz-Zustandsdaten. Dabei wird das Wissen über die statistische Verteilung der Referenz-Zustandsdaten während einer Vielzahl früherer Prüfzyklen auf einer Vielzahl von gleichartigen Maschinen dazu nutzbar gemacht, die Toleranzgrenzen der zu beurteilenden Maschine automatisiert festzulegen. Dem liegt die Annahme zugrunde, dass die Referenz-Zustandsdaten nicht nur im Mittel einen "guten" Zustand charakterisieren, sondern darüber hinaus auch in einer Weise statistisch fluktuieren, die für die betrachtete Komponente bzw. die betrachtete Art von Maschine typisch ist, so dass Fluktuationen mit ähnlichen statistischen Eigenschaften auch auf der zu beurteilenden Maschine zu erwarten sind.

Als statistische Referenzkennwerte können insbesondere ein Erwartungswert von Referenz-Zustandsdaten und ein Indikator für eine Varianz (oder, äquivalent dazu, eine Standardabweichung) der betreffenden Referenz-Zustandsdaten berechnet werden. Die Toleranzgrenzen der entsprechenden Zustandsdaten der zu überwachenden Maschine können dann z.B. symmetrisch um den Erwartungswert in einem Abstand, der einem vorbestimmten Vielfachen der Standardabweichung entspricht, gesetzt werden.

Der Prüfzyklus kann zu unterschiedlichen Zeitpunkten mehrfach wiederholt werden, wobei zwischen den Prüfzyklen mit der Werkzeugmaschine Werkstücke bearbeitet werden und die Prüfzyklen in Bearbeitungspausen durchgeführt werden, in denen sich das Bearbeitungswerkzeug nicht in einem Bearbeitungseingriff mit einem Werkstück befindet. Während der Bearbeitung kann es z.B. zu Verschleiss oder Versagen von Komponenten der Werkzeugmaschine kommen. Um dies besser zu erkennen, kann die Zustandsdiagnose eine vergleichende Auswertung von Zustandsdaten aus mehreren Prüfzyklen mit der mindestens einen Referenzgrösse umfassen. Die vergleichende Auswertung kann insbesondere eine vergleichende statistische Auswertung umfassen, die die folgenden Schritte aufweist:

Ermitteln mindestens eines statistischen Kennwerts der aus den in mehreren Prüfzyklen gewonnenen Zustandsdaten; und

Durchführen eines Vergleichs des statistischen Kennwerts mit der mindestens einen Referenzgrösse.

Dadurch können statistische Schwankungen der Zustandsdaten von Prüfzyklus zu Prüfzyklus gezielt für die Analyse nutzbar gemacht werden. Beispielsweise kann eine starke Schwankung eines Zustandsdatenwerts selbst dann auf ein Versagen einer Komponente hinweisen, wenn der Mittelwert dieses Zustandsdatenwerts über mehrere Prüfzyklen hinweg keine Auffälligkeiten zeigt. Als statistischer Kennwert kann insofern insbesondere ein Mass für die Varianz der Werte mindestens einer Art von Zustandsdaten aus mehreren Prüfzyklen dienen.

In vorteilhaften Ausführungsformen wird im Rahmen der Zustandsdiagnose eine zeitliche Entwicklung des Zustands der Maschine in Abhängigkeit von der Zeit oder der Zahl der bearbeiteten Werkstücke analysiert, um rechtzeitig bevorstehendes Versagen von Maschinenkomponenten zu erkennen. Dazu kann die Entwicklung der aus den mehreren Prüfzyklen gewonnenen Zustandsdaten als Funktion der Zeit bzw. der bearbeiteten Werkstücke analysiert werden, und das Ergebnis dieser Analyse kann mit der mindestens einen Referenzgrösse verglichen werden. Die Analyse dieser Entwicklung kann insbesondere eine Extrapolation zukünftiger Werte von Zustandsdaten umfassen. Für die Extrapolation kann beispielsweise eine Regressionsanalyse der Zustandsdaten mit einer Polynomfunktion, insbesondere einer quadratischen Funktion, durchgeführt werden, und ein Ergebnis der Regressionsanalyse kann mit der mindestens einen Referenzgrösse verglichen werden, beispielsweise um einen erwarteten Versagenszeitpunkt einer Komponente vorherzusagen. Dieses Vorgehen ist vor allem dann besonders wertvoll, wenn es sich bei den extrapolierten Zustandsdaten um Zustandsdaten handelt, die direkt mit der Qualität einer bestimmten Komponente korrelieren. Auf diese Weise kann ein bevorstehendes Versagen einer Komponente frühzeitig vorhergesagt werden, und es können entsprechende Massnahmen ergriffen werden, bevor es zum Versagen kommt ("Predictive Maintenance").

In einigen Ausführungsformen können für die Zustandsdiagnose die in der Datenbank gespeicherten Referenz-Zustandsdaten in mindestens zwei Zustandsklassen (z.B. "gut" und "schlecht" oder, in einer verfeinerten Variante, "Neuzustand", "mittlerer Zustand", "kritischer Zustand" und "defekter Zustand") eingeteilt werden. Für jede der Zustandsklassen wird dann jeweils mindestens ein statistischer Referenzkennwert aus den Referenz-Zustandsdaten berechnet, und für die Zustandsdiagnose werden die Zustandsdaten mit den statistischen Referenzkennwerten der mindestens zwei Zustandsklassen verglichen. Auf diese Weise kann eine Bewertungsgrösse ermittelt werden, die eine differenzierte Bewertung des Zustands der Maschine oder ihrer Komponenten erlaubt.

Abhängig von einem Ergebnis der Zustandsdiagnose kann eine Aktion ausgelöst werden. Beispielsweise kann eine Diagnosemitteilung an einen Benutzer (z.B. einen Wartungsspezialisten) ausgegeben werden. Die Diagnosemitteilung kann dabei über ein Netzwerk an ein Endgerät, das räumlich von der Werkzeugmaschine getrennt ist, übertragen und dort ausgegeben werden. Das kann z.B. durch einen Messaging-Dienst wie SMS oder WhatsApp, als Push-Mitteilung oder per E-Mail erfolgen. Beispielsweise kann die Diagnosemitteilung für ausgewählte Komponenten und/oder für den Gesamtzustand der überwachten Maschine eine Bewertungsgrösse enthalten, die zwei, drei, vier oder mehr diskrete Werte annehmen kann, z.B. "gut" und "schlecht" oder in einer differenzierteren Ausgestaltung "gut", "mittel", "kritisch" und "defekt". Die Ergebnisse der Zustandsdiagnose können mit dem Endgerät in geeigneterWeise visualisiert werden. Bei dem Endgerät kann es sich z.B. um einen Desktop- oder Notebook-Computer, um einen Tablet-Computer oder um ein Smartphone handeln. Dadurch kann der Zustand einer oder mehrerer Maschinen von einem beliebigen Ort aus überwacht werden.

Zusätzlich oder alternativ kann abhängig vom Ergebnis der Zustandsdiagnose automatisch mindestens ein Prozessparameter bei der Bearbeitung der Werkstücke in der Werkzeugmaschine verändert werden, z.B. eine Spindeldrehzahl, oder es können automatisch Prozessempfehlungen an einen Nutzer der Werkzeugmaschine ausgegeben werden. Im Extremfall kann eine weitere Bearbeitung auch automatisch gestoppt werden.

Die Zustandsdiagnose kann eine vergleichende statistische Analyse von Zustandsdaten und Referenz-Zustandsdaten für mindestens zwei verschiedene Arten von Zustandsdaten umfassen, um zwischen den Zuständen unterschiedlicher Komponenten zu diskriminieren. Beispielsweise können mehrere Arten von Zustandsdaten, z.B. spektrale Intensitäten von Schwingungssignalen bei unterschiedlichen Frequenzen, durch den Verschleiss von zwei Komponenten beeinflusst sein, jedoch in unterschiedlicher Weise. Indem eine vergleichende statistische Analyse von Zustandsdaten und Referenz-Zustandsdaten n für diese zwei Arten von Zustandsdaten durchgeführt wird, können Rückschlüsse auf diejenige Komponente gezogen werden, deren Verschleisszustand für die ermittelten Zustandsindikatoren verantwortlich ist.

Wie schon erwähnt, sind die Referenz-Zustandsdaten vorzugsweise in einer Datenbank gespeichert. Die Datenbank kann sich entfernt von der zu überwachenden Maschine befinden. Sie kann auch in der Cloud implementiert sein, d.h. in Form von durch mehrere Anwender geteilten Computerressourcen als Dienstleistung. Für die Durchführung der Zustandsanalyse kann ein Auswertungsrechner auf die Datenbank zugreifen. Auch der Auswertungsrechner ist vorzugsweise räumlich getrennt von der Werkzeugmaschine angeordnet. Er ist mit der Werkzeugmaschine durch eine Netzwerkverbindung verbunden. Auch der Auswertungsrechner braucht nicht eine einzelne physische Einheit zu sein, sondern kann in der Cloud implementiert sein. Das Endgerät kommuniziert mit dem Auswertungsrechner über ein Netzwerk, insbesondere über das Internet.

Die Erfindung stellt zudem eine Vorrichtung zur Überwachung eines Zustands einer Werkzeugmaschine mit einer Mehrzahl von Maschinenachsen zur Verfügung, die zur Ausführung der vorgenannten Verfahren hergerichtet ist. Die Vorrichtung weist einen Prozessor und ein Speichermedium auf, auf dem ein Computerprogramm gespeichert ist, das bei seiner Ausführung auf dem Prozessor die Ausführung der folgenden Schritte bewirkt:

Empfangen von Zustandsdaten, die in einem Prüfzyklus der Werkzeugmaschine ermittelt wurden, wobei in dem Prüfzyklus mindestens ein Teil der Maschinenachsen betätigt wurde, wobei zugeordnete Messungen durchgeführt wurden und wobei die Zustandsdaten durch die Messungen ermittelt wurden; und

Durchführen einer Zustandsdiagnose, bei der die Zustandsdaten mit mindestens einer Referenzgrösse verglichen werden, wobei die mindestens eine Referenzgrösse aus Referenz-Zustandsdaten ermittelt wird, wobei die Referenz-Zustandsdaten in einer Vielzahl von Referenz-Prüfzyklen an einer Vielzahl von Referenzmaschinen gewonnen wurden.

Die vorstehenden Ausführungen zu den erfindungsgemässen Verfahren gelten sinngemäss auch für die erfindungsgemässe Vorrichtung.

Die Erfindung stellt ausserdem ein entsprechendes Computerprogramm zur Verfügung. Das Computerprogramm kann auf einem nichtflüchtigen Speichermedium gespeichert sein.

KURZE BESCHREIBUNG DER ZEICHNUNGEN

Bevorzugte Ausführungsformen der Erfindung werden im Folgenden anhand der Zeichnungen beschrieben, die lediglich zur Erläuterung dienen und nicht einschränkend auszulegen sind. In den Zeichnungen zeigen:

Fig. 1 eine schematische Ansicht einer Wälzschleifmaschine;

Fig. 2 ein Diagramm zur Erläuterung einer Analyse von Messdaten;

Fig. 3 eine Skizze eines Netzwerks mit mehreren gleichartigen Wälzschleifmaschinen, die über einen Diensteserver mit einer Datenbank kommunizieren;

Fig. 4 ein Diagramm zur Erläuterung einer statistischen Verteilung von Werten eines Referenz-Zustandsindikators;

Fig. 5 ein Diagramm zur Erläuterung einer Zustandsdiagose gemäss einem ersten Beispiel;

Fig. 6 ein Diagramm zur Erläuterung einer Zustandsdiagose gemäss einem zweiten Beispiel; und

Fig. 7 ein Flussdiagramm eines Verfahrens zur Überwachung einer Wälzschleifmaschine.

BESCHREIBUNG BEVORZUGTER AUSFÜHRUNGSFORMEN

Beispielhafter Aufbau einer Wälzschleifmaschine

In der Fig. 1 ist als Beispiel für eine Werkzeugmaschine beispielhaft eine Wälzschleifmaschine 1 dargestellt, die im Folgenden auch verkürzt als "Maschine" bezeichnet wird. Die Maschine 1 weist ein Maschinenbett 11 auf, auf dem ein Werkzeugträger 12 entlang einer radialen Zustellrichtung X verschiebbar geführt ist. Der Werkzeugträger 12 trägt einen Axialschlitten 13, der entlang einer Vorschubrichtung Z gegenüber dem Werkzeugträger 12 verschiebbar geführt ist. Auf dem Axialschlitten 13 ist ein Schleifkopf 14 montiert, der zur Anpassung an den Schrägungswinkel der zu bearbeitenden Verzahnung um eine parallel zur X-Richtung verlaufende Schwenkachse (die sogenannte A-Achse) verschwenkbar ist. Der Schleifkopf 14 wiederum trägt einen Shiftschlitten, auf dem eine Werkzeugspindel 15 entlang einer Shiftrichtung Y gegenüber dem Schleifkopf 14 verschiebbar ist. Auf der Werkzeugspindel 15 ist eine schneckenförmig profilierte Schleifscheibe (Schleifschnecke) 16 aufgespannt. Die Schleifschnecke 16 wird von der Werkzeugspindel 15 zu einer Drehung um eine Werkzeugachse B angetrieben.

Das Maschinenbett 11 trägt des Weiteren einen schwenkbaren Werkstückträger 20 in Form eines Drehturms, der um eine Schwenkachse C3 zwischen mindestens drei Stellungen verschwenkbar ist. Auf dem Werkstückträger 20 sind einander diametral gegenüberliegend zwei identische Werkstückspindeln montiert, von denen in der Fig. 1 nur eine Werkstückspindel 21 mit zugehörigem Reitstock 22 sichtbar ist. Auf jeder der Werkstückspindeln ist jeweils ein Werkstück aufspannbar und zu einer Rotation um eine Werkstückachse C1 bzw. C2 antreibbar. Die in der Fig. 1 sichtbare Werkstückspindel 21 befindet sich in einer Bearbeitungsposition, in der ein auf ihr aufgespanntes Werkstück 23 mit der Schleifschnecke 16 bearbeitet werden kann. Die andere, um 180° versetzt angeordnete und in der Fig.1 nicht sichtbare Werkstückspindel befindet sich in einer Werkstückwechselposition, in der ein fertig bearbeitetes Werkstück von dieser Spindel entnommen und ein neues Rohteil aufgespannt werden kann. Um 90° zu den Werkstückspindeln versetzt ist eine Abrichteinrichtung 30 montiert.

Die Maschine 1 weist somit eine Vielzahl beweglicher Komponenten wie Schlitten oder Spindeln auf, die durch entsprechende Antriebe gesteuert bewegbar sind. Diese Antriebe werden in der Fachwelt häufig als "NC-Achsen", "Maschinenachsen" oder verkürzt als "Achsen" bezeichnet. Teilweise schliesst diese Bezeichnung auch für die von den Antrieben angetriebenen Komponenten wie Schlitten oder Spindeln ein.

Die Maschine 1 weist des Weiteren eine Vielzahl von Sensoren auf. Beispielhaft sind in der Fig. 1 nur zwei Sensoren 18 und 19 schematisch angedeutet. Beim Sensor 18 handelt es sich um einen Schwingungssensor zur Erfassung von Schwingungen des Gehäuses der Schleifspindel 15. Der Sensor 19 ist ein Positionssensor zur Erfassung der Position des Axialschlittens 13 relativ zum Werkzeugträger 12 entlang der Z-Richtung. Darüber hinaus umfasst die Maschine 1 aber noch eine Vielzahl weiterer Sensoren. Unter diesen Sensoren befinden sich insbesondere weitere Positionssensoren zur Erfassung einer Ist-Position von jeweils einer Linearachse, Drehwinkelsensoren zur Erfassung einer Drehposition von jeweils einer Drehachse, Stromaufnehmer zur Erfassung eines Antriebsstroms von jeweils einer Achse und weitere Schwingungssensoren zur Erfassung von Schwingungen von jeweils einer angetriebenen Komponente. Alle angetriebenen Achsen der Maschine 1 werden durch eine Maschinensteuerung 40 digital gesteuert. Die Maschinensteuerung 40 umfasst mehrere Achsmodule 41 , einen Steuerrechner 42 und eine Bedientafel 43. Der Steuerrechner 42 empfängt Bedienerbefehle von der Bedientafel 43 sowie Sensorsignale von verschiedenen Sensoren der Maschine 1 und errechnet daraus Steuerbefehle für die Achsmodule 41. Er gibt des Weiteren Betriebsparameter an die Bedientafel 43 zur Anzeige aus. Die Achsmodule 41 stellen an ihren Ausgängen Steuersignale für jeweils eine Maschinenachse bereit.

Mit dem Steuerrechner 42 ist eine Überwachungseinrichtung 44 verbunden.

Die Überwachungseinrichtung 44 kann eine separate Hardware-Einheit sein, die der Maschine 1 zugordnet ist. Sie kann über eine an sich bekannte Schnittstelle mit dem Steuerrechner 42 verbunden sein, z.B. über den bekannten Profinet-Standard, oder über ein Netzwerk, z.B. über das Internet. Sie kann räumlich Teil der Maschine 1 sein, oder sie kann räumlich entfernt von der Maschine 1 angeordnet sein.

Die Überwachungseinrichtung 44 empfängt im Betrieb der Maschine eine Vielzahl unterschiedlicher Messdaten vom Steuerrechner 42. Unter den vom Steuerrechner empfangenen Messdaten befinden sich Sensordaten, die direkt vom Steuerrechner 42 erfasst wurden, und Daten, die der Steuerrechner 42 aus den Achsmodulen 41 ausliest, z.B. Daten, die die Sollpositionen der verschiedenen Maschinenachsen und die Soll- Stromaufnahmen in den Achsmodulen beschreiben.

Die Überwachungseinrichtung 44 kann optional eigene analoge und/oder digitale Sensoreingänge aufweisen, um direkt Sensordaten von weiteren Sensoren als Messdaten zu empfangen. Bei den weiteren Sensoren handelt es sich typischerweise um Sensoren, die nicht direkt für die Steuerung des eigentlichen Bearbeitungsprozesses benötigt werden, z.B. Beschleunigungssensoren, um Vibrationen zu erfassen, oder Temperatursensoren.

Die Überwachungseinrichtung 44 kann alternativ auch als Softwarekomponente der Maschinensteuerung 40 implementiert sein, die z.B. auf einem Prozessor des Steuerrechners 42 ausgeführt wird, oder sie kann als Softwarekomponente des nachstehend näher beschriebenen Diensteservers 45 ausgebildet sein. In der Fig. 1 sind entsprechend ein Prozessor 451 und eine Speichereinrichtung 452 des Diensteservers 45 angedeutet. Die Überwachungseinrichtung 44 kommuniziert direkt oder über das Internet und einen Webserver 47 mit dem Diensteserver 45. Der Diensteserver 45 wiederum kommuniziert mit einem Datenbankserver 46 mit Datenbank DB. Diese Server können entfernt von der Maschine 1 angeordnet sein. Bei den Servern braucht es sich nicht um eine einzige physische Einheit zu handeln. Insbesondere können die Server als virtuelle Einheiten in der sogenannten "Cloud" realisiert sein.

Der Diensteserver 45 kommuniziert via den Webserver 47 mit einem Endgerät 48. Das Endgerät 48 kann insbesondere einen Webbrowser ausführen, mit dem die empfangenen Daten und ihre Auswertung visualisiert werden. Das Endgerät braucht keine besonderen Anforderungen an die Rechenleistung zu erfüllen. Beispielsweise kann es sich bei dem Endgerät um einen Desktopcomputer, einen Notebookcomputer, einen Tabletcomputer, ein Mobiltelefon usw. handeln.

Bearbeitung eines Werkstückloses

Der Vollständigkeit halber wird im Folgenden beschrieben, wie mit der Maschine 1 Werkstücke bearbeitet werden.

Um ein noch unbearbeitetes Werkstück (Rohteil) zu bearbeiten, wird das Werkstück durch einen automatischen Werkstückwechsler auf derjenigen Werkstückspindel aufgespannt, die sich in der Werkstückwechselposition befindet. Der Werkstückwechsel erfolgt zeitparallel zur Bearbeitung eines anderen Werkstücks auf der anderen Werkstückspindel, die sich in der Bearbeitungsposition befindet. Wenn das neu zu bearbeitende Werkstück aufgespannt ist und die Bearbeitung des anderen Werkstücks abgeschlossen ist, wird der Werkstückträger 20 um 180° um die C3-Achse geschwenkt, so dass die Spindel mit dem neu zu bearbeitenden Werkstück in die Bearbeitungsposition gelangt. Vor und/oder während des Schwenkvorgangs wird mit Hilfe der zugeordneten Einzentriersonde eine Einzentrieroperation durchgeführt. Dazu wird die Werkstückspindel 21 in Drehung versetzt, und die Lage der Zahnlücken des Werkstücks 23 wird mit Hilfe der Einzentriersonde 24 vermessen. Auf dieser Basis wird der Wälzwinkel festgelegt.

Wenn die Werkstückspindel, die das zu bearbeitende Werkstück 23 trägt, die Bearbeitungsposition erreicht hat, wird das Werkstück 23 durch Verschiebung des Werkzeugträgers 12 entlang der X-Achse kollisionsfrei mit der Schleifschnecke 16 in Eingriff gebracht. Das Werkstück 23 wird nun durch die Schleifschnecke 16 im Wälzeingriff bearbeitet. Während der Bearbeitung wird das Werkstück bei konstanter radialer X- Zustellung laufend entlang der Z-Achse vorgeschoben. Ausserdem wird die Werkzeugspindel 15 langsam kontinuierlich entlang der Shiftachse Y verschoben, um laufend noch unverbrauchte Bereiche der Schleifschnecke 16 bei der Bearbeitung zum Einsatz kommen zu lassen (sogenannte Shiftbewegung).

Zeitparallel zur Werkstückbearbeitung wird das fertig bearbeitete Werkstück von der anderen Werkstückspindel entnommen, und es wird ein weiteres Rohteil auf dieser Spindel aufgespannt.

Wenn nach der Bearbeitung einer bestimmten Zahl von Werkstücken die Nutzung der Schleifschnecke 16 so weit fortgeschritten ist, dass die Schleifschnecke zu stumpf und/oder die Flankengeometrie zu ungenau ist, dann wird die Schleifschnecke abgerichtet. Dazu wird der Werkstückträger 20 um ±90° geschwenkt, so dass die Abrichteinrichtung 30 in eine Stellung gelangt, in der sie der Schleifschnecke 16 gegenüber liegt. Die Schleifschnecke 16 wird nun mit dem Abrichtwerkzeug 33 abgerichtet.

Prüfzyklus

In Bearbeitungspausen wird durch die Überwachungseinrichtung 44 im Zusammenspiel mit der Maschinensteuerung 42 ein Prüfzyklus durchgeführt, mit dem der Zustand einzelner oder aller Komponenten der Maschine 1 überprüft wird. Während eines solchen Prüfzyklus werden ein ausgewählter Teil der Maschinenachsen oder alle Maschinenachsen systematisch betätigt, und es werden dabei Messungen an der Maschine durchgeführt.

Beispielsweise wird jede linear verschiebbare Komponente mit der zugeordneten Maschinenachse verschoben, und die momentane Position der Komponente wird mit Hilfe der vorstehend erwähnten Positionssensoren laufend oder für ausgewählte Positionen bestimmt. Daraus werden Lageabweichungen zwischen der Vorgabe (Soll-Position) und der Messung (Ist-Position) ermittelt und an die Überwachungseinrichtung 44 übertragen. Dasselbe kann auch für die rotatorisch angetriebenen Spindeln erfolgen, wobei zur Ermittlung von Lageabweichungen dann Drehwinkelsensoren dienen.

Auch wird für ausgewählte Komponenten (insbesondere Schlitten und Spindeln) das Schwingungsverhalten ermittelt, während die betreffende Komponente durch die zugeordnete Maschinenachse angetrieben wird. Dazu dienen Schwingungssensoren, die mit diesen Komponenten verbunden sind. Auch die Ergebnisse der Schwingungsmessungen werden an die Überwachungseinrichtung 44 übertragen.

Des Weiteren wird die Leistungsaufnahme der Antriebsmotoren der Maschinenachsen ermittelt. Dazu können z.B. Stromsensoren dienen, die in die Achsmodule 41 integriert sind. Zusätzlich können Temperaturen der Antriebsmotoren und weitere Messgrössen bestimmt werden.

All dies kann geschehen, während eine Maschinenachse alleine betätigt wird. Es ist aber auch möglich, zwei oder mehr Maschinenachsen gekoppelt zu betätigen, so dass das Verhalten der Maschine bei einer gleichzeitigen Ansteuerung von zwei oder mehr Maschinenachsen erfasst wird. Dabei können z.B. verstärkte Schwingungen auftreten, die grösser sind, als das allein aufgrund des Schwingungsverhaltens bei Betätigung einer einzigen Maschinenachse zu erwarten wäre, oder es können Reglerfehler erkannt werden, die sich erst bei synchroner Betätigung zweier Maschinenachsen feststellen lassen.

Zusätzlich ist es denkbar, gezielt Schwingungen zu verursachen und die Antwort der verschiedenen Maschinenkomponenten zu erfassen, um das Dämpfungsverhalten der Maschine zu untersuchen. Aus solchen Untersuchungen kann auf die Qualität der Fügestellen zwischen den Maschinenkomponenten geschlossen werden. Insbesondere können automatische Frequenzgangmessungen durchgeführt werden.

Die Überwachungseinrichtung 44 bestimmt aus den empfangenen Messdaten verschiedene Zustandsdaten. Die Zustandsdaten erlauben direkt oder indirekt Rückschlüsse auf den Zustand der Maschine bzw. ihrer einzelnen Komponenten.

Die Zustandsdaten werden durch Auswahl aus den Messdaten und/oder durch eine mathematische Bearbeitung und Analyse aus den Messdaten gewonnen. Im Folgenden werden einige Beispiele für Zustandsdaten angegeben. a) Basisindikatoren

Gewisse Arten von Zustandsdaten, die durch Auswahl oder mathematische Analyse der Signale eines einzelnen Sensors gewonnen werden und Rückschlüsse auf den Zustand einer einzelnen Komponente erlauben, werden im Folgenden als Basisindikatoren bezeichnet. Ein Beispiel für einen Basisindikator ist ein Lageabweichungsindikator. Dabei kann es sich z.B. um eine einzelne gemessene Lageabweichung oder um einen Mittelwert von mehreren gemessenen Lageabweichungen derselben Komponente an unterschiedlichen Soll- Positionen handeln. Ein Lageabweichungsindikator gibt einen direkten Hinweis auf die Positioniergenauigkeit der betreffenden Komponente.

Ein weiteres Beispiel ist die maximale Stromaufnahme eines Antriebs motors während eines Bewegungsvorgangs. Diese maximale Stromaufnahme lässt Rückschlüsse z.B. auf übermässige Reibung oder ein Verklemmen der betreffenden Maschinenachse zu.

Ein drittes Beispiel ist eine mittlere Amplitude (z.B. RMS-Wert) der Signale eines Schwingungssensors während eines Bewegungsvorgangs. Die mittlere Amplitude lässt direkte Rückschlüsse auf die Schwingungsneigung einer Komponente zu.

Ebenfalls zu den Basisindikatoren können gewisse Schwingungsindikatoren gezählt werden, die aus einer Spektralanalyse von Schwingungssignalen zu einem einzelnen Bewegungsvorgang ermittelt werden. Dabei können die spektralen Intensitäten bei ausgewählten diskreten Anregungsfrequenzen bzw. Anregungsordnungen ermittelt werden. Diese Intensitäten können direkt als Basisindikatoren dienen, oder aus diesen Intensitäten können Basisindikatoren durch einfache mathematische Operationen, z.B. Addition oder Mittelwertbildung, berechnet werden.

Dies ist beispielhaft in der Fig. 2 illustriert, die beispielhaft ein Zeitsignal eines Schwingungssensors, der mit der Werkzeugspindel verbunden ist, sowie ein Spektrum, das aus einem Zeitsignal durch eine Filterung und FFT-Operation gewonnen werden kann, illustriert. Die Überwachungseinrichtung kann aus dem Zeitsignal beispielsweise eine RMS- Amplitude berechnen. Sie kann ausserdem das Spektrum in der Umgebung von mehreren diskreten Frequenzwerten auswerten, um Intensitäten des Spektrums bei diesen Frequenzwerten zu ermitteln. Bei diesen diskreten Frequenzwerten kann es sich hier z.B. um bestimmte Vielfache der Werkstückdrehzahl (Ordnungen) handeln. Das Spektrum der Fig. 2 enthält mehrere gut sichtbare Peaks bei solchen Frequenzwerten.

Beispielsweise können starke Peaks bei der Werkzeugdrehzahl und ihren ganzzahligen Vielfachen (also bei ganzzahligen Ordnungen) auf Rundlauffehler an der Werkzeugspindel hindeuten. Peaks bei bestimmten, ganz- oder unganzzahligen Vielfachen der Werkzeugdrehzahl (ganz- oder unganzzahligen Ordnungen) können auf einen Lagerschaden in der Werkzeugspindel hindeuten. Wenn die Lagerordnungen bekannt sind, kann aus der Ordnung des Peaks möglicherweise das betroffene Lager identifiziert werden. Teilweise ergibt sich eine Zuordnung zu einzelnen Fehlerbildern auch erst durch eine Differenzialdiagnose. Beispielsweise ist es denkbar, dass erst eine Analyse der relativen Intensitätsverhältnisse der Peaks zueinander Rückschlüsse darauf erlaubt, welche Komponente der Maschine für die Peaks verantwortlich ist.

Im einfachsten Fall können die Intensitäten der Peaks in einem bestimmten Frequenz- bzw. Ordnungsbereich einfach addiert werden, um einen globalen Basisindikator für die gesamte Komponente zu erhalten. Dieser lässt zwar keine Rückschlüsse auf einzelne Ursachen für einen schlechten Zustand der Komponente (wie z.B. Rundlauffehler oder Lagerschäden) zu, kann aber genügen, um überhaupt eine Fehlfunktion der betreffenden Komponente festzustellen und entsprechende Wartungsmassnahmen einzuleiten.

Statt Intensitäten einzelner Peaks zu ermitteln und als Basisindikatoren zu verwenden, ist es auch denkbar, sämtliche Werte eines kompletten Spektrums als Zustandsgrössen zu verwenden. b) Spezifische Indikatoren

Als spezifische Indikatoren können Zustandsdaten bezeichnet werden, die sich aus einer mathematischen oder algorithmischen Kombination von Messgrössen aus unterschiedlichen Quellen (insbesondere von unterschiedlichen Sensoren) oder von Messgrössen eines einzelnen Sensors bei der Betätigung mehr als einer Maschinenachse (auch z.B. von gekoppelten Bewegungen von Maschinenachsen) ergeben. Solche Zustandsindikatoren können sehr spezifische Rückschlüsse auf die Ursachen von Problemzuständen erlauben, erfordern aber spezifisches Wissen über das Zusammenspiel der einzelnen Komponenten der Maschine.

Ein Beispiel für einen solchen spezifischen Indikator ist eine Zustandsgrösse, die sich durch aus einer Berechnung ergibt, in die einerseits die mittlere Stromaufnahme eines Antriebsmotors einer Linearachse und andererseits die spektralen Intensitäten eines Beschleunigungssensors über einen breiten Frequenzbereich hinweg einfliessen. Ein solcher Indikator kann es z.B. erlauben, die Ursache von erhöhter Reibung der betreffenden Linearachse einzugrenzen (z.B. verschlissener Kugelgewindetrieb). Ein weiteres Beispiel für einen solchen spezifischen Indikator ist eine Zustandsgrösse, die für eine gekoppelte Bewegung der Werkzeugspindel und des Shiftschlittens bestimmt wird, indem die folgende Berechnung durchgeführt wird:

Hier bezeichnet ΔΦ _WZ eine Drehwinkeländerung der Schleifschnecke, m _n bezeichnet den Normalmodul der Schleifschnecke, z ₀ bezeichnet die Gangzahl der Schleifschnecke, γ bezeichnet den Steigungswinkel der Schleifschnecke, und ΔΥ bezeichnet den Shiftweg. Die Drehwinkeländerung ΔΦ _WZ und der Shiftweg ΔΥ werden so gewählt, dass die Grösse Z _SF Null werden sollte. Eine Abweichung von Null zeigt dann einen Schleppfehler an. Insofern kann Z _SF bzw. das Maximum von Z _SF über einen Prüfzyklus hinweg als spezifischer Indikator für einen solchen Schleppfehler betrachtet werden.

Es kann auch ein Gesamtzustandsindikator zur gesamthaften Beurteilung einer Komponente aus allen Zustandsdaten, die die betreffende Komponente charakterisieren, gebildet werden. Damit wird der Zustand jeder Komponente durch nur einen einzigen Indikator abgebildet. Wenn der ein Gesamtzustandsindikator ein Problem anzeigt, kann dann eine Fehlersuche mit Hilfe von individuellen Zustandsgrössen erfolgen.

Die Zusammenhänge, die die Berechnung solcher spezifischer Indikatoren erlauben, werden oftmals erst durch die Datenanalyse sehr grosser Datenmengen über viele Maschinen hinweg ersichtlich (z.B. durch Korrelationsanalyse von bekannten Schadensmustern mit zugeordneten Basisindikatoren). Spezifische Indikatoren sind oft spezifisch für einen bestimmten Maschinentyp und lassen sich nicht ohne Weiteres auf andere Maschinentypen übertragen.

Datenbank

Die Funktion der Datenbank DB wird nun anhand der Fig. 3 erläutert. Über einen Webserver 47 sind die zu überwachende Maschine 1 und eine Vielzahl von dazu gleichartigen Maschinen 2, 3, ... , n mit dem Dienstserver 45 und mit dem Datenbankserver 46 mit der Datenbank DB verbunden.

Jede dieser Maschinen weist eine Überwachungseinrichtung auf, die im Betrieb der jeweiligen Maschine laufend bestimmte Daten an die Datenbank DB übermittelt. Diese Daten umfassen insbesondere eine eindeutige Kennung der Maschine, einen Zeitstempel und eine Mehrzahl von Zustandsdaten, wie sie vorstehend beschrieben wurden. Die Daten können optional auch noch weitere Daten umfassen, beispielsweise Daten zu den anschliessend an einen Prüfzyklus bearbeiteten Werkstücken, z.B. Indikatoren für die erzielte Werkstückqualität.

Diese Daten werden in der Datenbank DB gespeichert. Dadurch enthält die Datenbank mit der Zeit eine sehr grosse Menge von Zustandsdaten, die für mehrere gleichartige Maschinen in vielen unterschiedlichen Prüfzyklen gewonnen wurden. Diese Zustandsindikatoren werden im Folgenden als Referenz- Zustandsdaten bezeichnet.

Auswertung der Referenz-Zustandsindikatoren

Die Referenz-Zustandsgrössen können statistisch ausgewertet werden. Eine solche statistische Auswertung kann insbesondere vorgenommen werden, um Erkenntnisse über das typische Schwankungsverhalten der Referenz-Zustandsgrössen zu gewinnen und auf dieser Basis Toleranzgrenzen für die Zustandsgrössen der zu überwachenden Maschine zu definieren. Auch kann die Veränderung von Zustandsgrössen über den Lebenszyklus einer Maschine hinweg statistisch ausgewertet werden, und aktuelle Zustandsgrössen einer bestimmten Maschine können mit den in der Datenbank gespeicherten Referenz- Zustandsgrössen verglichen werden, um beispielsweise automatisch Hinweise auf einen Verschleiss von Komponenten zu erzielen.

Dies soll im Folgenden anhand von einigen Beispielen näher erläutert werden. a) Automatisierte Festlegung von Toleranzgrenzen

Anhand der Fig. 4 wird im Folgenden beispielhaft erläutert, wie mit Hilfe der Daten in der Datenbank Toleranzgrenzen für Zustandsdaten der zu überwachenden Maschine 1 festgelegt werden können. Die entsprechende Berechnungen können vom Diensteserver 45 vorgenommen werden.

Die Datenbank enthält Werte von Referenz-Zustandsdaten für eine grosse Zahl von Prüfzyklen in vielen gleichartigen Maschinen. Es kann angenommen werden, dass diese Werte grösstenteils für Maschinen gewonnen wurden, die fehlerfrei arbeiteten, denn üblicherweise werden Störungen früher oder später erkannt und beseitigt. Insofern kann angenommen werden, dass die Werte der Referenz-Zustandsdaten statistisch im Wesentlichen derart verteilt sind, wie das für eine einwandfreie Maschine zu erwarten ist, mit nur wenigen statistischen Ausreissern, die durch Maschinen mit verschlissenen Komponenten verursacht sind.

Die Fig. 4 illustriert beispielhaft eine Verteilung der Werte einer beliebigen Art von Referenz- Zustandsdaten. Auf der horizontalen Achse sind die Werte der Referenz-Zustandsdaten aufgetragen, auf der vertikalen Achse als Balkendiagramm die relative Häufigkeit für jeweils gleich grosse Werteintervalle ("bins"). Man erkennt, dass die Verteilung der Werte der Referenz-Zustandsdaten im vorliegenden Beispiel im Wesentlichen einer Normalverteilung entspricht, deren Dichtefunktion mit einer gepunkteten Linie ebenfalls in der Fig. 4 eingetragen ist. Die Verteilung der Fig. 4 weist einen Erwartungswert μ _R und eine Standardabweichung σ _R bzw. Varianz auf.

Der Begriff "Erwartungswert" wird hier synonym mit dem Begriff "Stichprobenmittelwert" verwendet. Als "Varianz" wird hier die mittlere quadratische Abweichung der Werte einer Stichprobe vom Stichprobenmittelwert bezeichnet. Als "Standardabweichung" wird die Quadratwurzel der Varianz bezeichnet.

Die unteren und oberen Toleranzgrenzen LL, UL der entsprechenden Zustandsdaten der zu überwachenden Maschine können nun automatisch anhand dieser statistischen Verteilung festgelegt werden. Dazu wird ein Fit einer geeigneten Dichtefunktion (hier der Dichtefunktion der Normalverteilung) an die Verteilung der Werte der Referenz- Zustandsdaten durchgeführt, um den Erwartungswert μ _R und die Standardabweichung σ _R zu bestimmen. Dieser Fit wird in der Praxis umso präzisere Ergebnisse liefern, je mehr Referenz-Zustandsdaten sich in der Datenbank befinden. Der Toleranzbereich kann nun symmetrisch um den Erwartungswert μ _R als Bereich [μ _R - p • σ _R , μ _R + p • σ _R ] festgelegt werden, wobei der Faktor p eine positive reelle Zahl ist, die angibt, um wie viele Standardabweichungen die Toleranzgrenzen vom Erwartungswert entfernt sind. In Anlehnung an das bekannte 6σ-Konzept (das allerdings normalerweise zu einem anderen Zweck eingesetzt wird) kann z.B. p = 6 gewählt werden. Wenn die Anforderungen des Kunden weniger toleranzempfindlich sind, kann auch ein grösserer Faktor p gewählt werden.

Bei jedem zukünftigen Prüfzyklus vergleicht nun der Diensteserver 45 die betreffenden Zustandsdaten mit den Toleranzgrenzen LL, UL. In der Fig. 2 sind derartige Toleranzgrenzen für einige Arten von Zustandsdaten schematisch eingezeichnet. Wenn der Wert der Zustandsdaten den Toleranzbereich verlässt, löst der Diensteserver 45 eine geeignete Aktion aus. Beispielsweise kann der Diensteserver 45 ein SMS, eine Push- Mitteilung oder ein E-Mail an einen Wartungsspezialisten verschicken. Optional kann der Diensteserver auch Einfluss auf zukünftige Bearbeitungsvorgänge nehmen oder sogar die Bearbeitung auf der Maschine 1 vorläufig stoppen. b) Definition von Zustandsklassen

Um eine differenziertere Bewertung des Zustands von Komponenten vornehmen zu können, ist es denkbar, die Werte von Referenz-Zustandsdaten in zwei, drei, vier oder mehr Zustandsklassen einzuteilen. Dies kann rein anhand der Werte selbst oder anhand von weiteren Informationen geschehen. Beispielsweise kann eine Analyse der Referenz- Zustandsdaten ergeben, dass es immer wieder Zeitpunkte gibt, an denen eine Referenz- Zustandsgrösse schlagartig einen "besseren" Wert annimmt. Es kann dann geschlossen werden, dass diese schlagartige Verbesserung die Folge einer Wartung oder eines Austausches einer Komponente ist.

Derartige Ereignisse können in der Gesamtheit der Referenz-Zustandsdaten leicht identifiziert werden, und Werte der Referenz-Zustandsdaten für eine bestimmte Zahl von Prüfzyklen unmittelbar nach einem solchen Ereignis können in eine Klasse A, die den Neuzustand kennzeichnet, einsortiert werden. Werte der Referenz-Zustandsdaten für eine bestimmte Zahl von Prüfzyklen unmittelbar vor einem solchen Ereignis können dagegen in eine Klasse C, die einen kritischen Zustand kennzeichnet, einsortiert werden. Werte der Referenz- Zustandsdaten zwischen den Klassen A und C können in eine Klasse B eingeteilt werden, die einen mittleren Nutzungszustand kennzeichnet, und Ausreisser der Zustandsdaten, die "schlechter" als die Werte der Klasse C sind, in eine Klasse D, die einen defekten Zustand kennzeichnet.

Die Einteilung in die verschiedenen Zustandsklassen kann auch anhand anderer Kriterien als anhand plötzlicher Veränderungen in den Werten von Referenz-Zustandsdaten erfolgen. Beispielsweise ist es denkbar, dass in der Datenbank direkt Informationen über die Zahl der Bearbeitungsvorgänge, die mit einer Komponente schon durchgeführt wurden, über die Zahl der Betriebsstunden der betreffenden Komponente oder über die Qualität der mit der Maschine nach einem Prüfzyklus gefertigten Werkstücke abgespeichert wurden. Die Einteilung in die Zustandsklassen kann dann unter Berücksichtigung dieser Informationen erfolgen. Eine entsprechende Einteilung kann z.B. mit Hilfe eines maschinellen Lernalgorithmus (ML-Algorithmus) erfolgen.

Die Werte der Referenz-Zustandsdaten können nun für jede der Zustandsklassen separat statistisch analysiert werden. Beispielsweise können für jede Zustandsklasse separat ein Erwartungswert und eine Varianz bestimmt werden.

Der aktuelle Wert einer Zustandsgrösse kann nun z.B. mit den Erwartungswerten der entsprechenden Referenz-Zustandsgrösse für die verschiedenen Zustandsklassen verglichen werden, um Rückschlüsse auf den Verschleisszustand einer Komponente zu ziehen. c) Berücksichtigung von Zustandsdaten aus mehreren Prüfzyklen: Extrapolation und statistische Analyse

Durch Berücksichtigung der Werte von Zustandsdaten aus unterschiedlichen Prüfzyklen ist es möglich, den Zustand einer Komponente noch besser zu charakterisieren, als dies durch eine Berücksichtigung eines einzelnen Werts möglich ist.

Die Fig. 5 illustriert beispielhaft den Wert einer Zustandsgrösse Z als Funktion der Zeit bzw. als Funktion der aufeinanderfolgenden Prüfzyklen. Der Wert von Z verändert sich von Prüfzyklus zu Prüfzyklus. Anfänglich schwankt er um einen Wert μ _A herum. Bei diesem Wert handelt es sich um den Erwartungswert der entsprechenden Referenz- Zustandsgrösse für die Zustandsklasse A. Somit kann geschlossen werden, dass sich die Komponente, deren Zustand von der Zustandsgrösse Z charakterisiert wird, anfänglich guasi im Neuzustand befindet. Mit der Zeit steigt der momentane Wert von Z aber an und erreicht zunächst einen Wert μ _B , bei dem es sich um den Erwartungswert der entsprechenden Referenz-Zustandsgrösse für die Zustandsklasse B handelt, und dann einen Wert μ _c , bei dem es sich um den Erwartungswert der entsprechenden Referenz- Zustandsgrösse für die Zustandsklasse C handelt. Entsprechend kann geschlossen werden, dass sich die betreffende Komponente über einen mittleren Nutzungszustand in einen kritischen Zustand verändert hat. Um den Zeitpunkt des Versagens der Komponente vorherzusagen, kann eine Extrapolation des Werts von Z für die Zukunft vorgenommen werden. Dies kann z.B. durch eine Regressionsanalyse geschehen. In der Fig. 5 ist dazu beispielhaft als gestrichelte Kurve eine guadratische Regressionskurve eingezeichnet. Als prognostizierter Versagenszeitpunkt t ₀ kann dann z.B. derjenige Zeitpunkt angenommen werden, bei dem diese Kurve einen typischen Wertebereich für die Zustandsklasse D erreicht. Diese Art der Analyse ermöglicht eine vorausschauende Wartung der Komponente, bevor sie versagt ("Predicitive Maintenance").

Auch ist es denkbar, Werte einer Zustandsgrösse über mehrere Prüfzyklen hinweg zu ermitteln und für die Gesamtheit der so gesammelten Werte eine statistische Analyse durchzuführen, um die Verteilung dieser Werte mit der Verteilung von Werten der Referenz- Zustandsgrösse zu vergleichen.

Im einfachsten Fall kann dazu einfach ein momentaner Erwartungswert der Zustandsgrösse aus den gesammelten Werten bestimmt werden und mit dem Erwartungswert des Referenz- Zustandsgrössen verglichen werden. Als "momentaner Erwartungswert" wird dabei der Erwartungswert über eine bestimmte Zahl von Prüfzyklen hinweg bezeichnet.

Statt Erwartungswerte zu vergleichen, können auch andere statistische Kennwerte verglichen werden. Beispielsweise kann für jede der Zustandsklassen die entsprechende Varianz oder Standardabweichung der Werte der Referenz-Zustandsgrösse bestimmt werden. Häufig verändert sich mit zunehmendem Verschleiss einer Komponente nicht nur der Erwartungswert einer entsprechenden Zustandsgrösse, sondern auch seine Schwankungen nehmen zu. Dementsprechend erlaubt auch eine Überwachung der Varianz bzw. Standardabweichung Rückschlüsse auf den Verschleisszustand einer Komponente.

Das ist beispielhaft in der Fig. 6 illustriert. In der Fig. 6 ist der zeitliche Verlauf der momentanen Standardabweichung σ einer Zustandsgrösse eingezeichnet. Man erkennt, dass die Standardabweichung um einen Zeitpunkt t ₀ herum plötzlich stark zunimmt und nahezu der Standardabweichung der Referenz-Zustandsgrössen in der Zustandsklasse D entspricht. Das weist auf ein plötzliches Versagen der entsprechenden Komponente hin.

Im vorliegenden Fall kann die Überwachung der statistischen Kenngrösse "Standardabweichung" bzw. "Varianz" selbst dann einen Hinweis auf ein Versagen einer Komponente liefern, wenn sich der Erwartungswert der entsprechenden Zustandsgrösse überhaupt nicht verändert hat. Insofern erlaubt es die statistische Analyse, das bevorstehende oder tatsächliche Versagen einer Komponente sehr viel zuverlässiger zu erkennen, als wenn bloss Einzelwerte überwacht würden. Statt einer einfachen statistischen Analyse der vorstehend geschilderten Art kann z.B. auch ein Klassifikationsalgorithmus zum Einsatz kommen, der eine bestimmte Menge von Zustandsgrössen mit Referenz-Zustandsgrössen korreliert, um Rückschlüsse auf den Zustand einer Komponente zu ziehen. Hierfür kann wiederum ein ML-Algorithmus zum Einsatz kommen. d) Ausgabe der Ergebnisse und Visualisierung

Die Ergebnisse der automatischen Komponentendiagnose können leicht visualisiert werden, z.B. mit einem Ampelsystem, bei dem der Zustand jeder Komponente einzeln als grün (gut), gelb (Vorsicht geboten) oder rot (schlecht) bewertet wird. Abhängig vom Zustand der Komponenten kann auf dieselbe Weise eine Bewertung des Zustands der gesamten Maschine erfolgen. Dies ermöglicht eine sehr einfache Übersicht über den Zustand der Maschine und ihrer Komponenten. Auch können Hinweise auf ein bevorstehende Versagen im Sinne von "Predictive Maintenance" ausgegeben werden.

Durch Klick auf eine der Komponenten können auf einfache Weise die zugehörigen Daten, die zu der entsprechenden Bewertung geführt haben, visualisiert werden.

Die Visualisierung kann plattformunabhängig auf einem beliebigen Endgerät über einen Webbrowser erfolgen. Auch andere Auswertungsmassnahmen können entsprechend plattformunabhängig realisiert werden. Dadurch wird eine Analyse auch aus der Ferne erleichtert. Insbesondere kann von einem beliebigen mobilen Endgerät aus über die Cloud der Zustand von beliebigen Maschinen detailliert überprüft werden.

Zusätzlich ist es denkbar, beim Vorliegen von Zuständen, die ein Eingreifen erfordern, eine entsprechende Meldung automatisiert per SMS, Push-Mitteilung oder E-Mail zu versenden, wie das vorstehend schon ausgeführt wurde.

Flussdiagramm

Die Fig. 7 zeigt zusammenfassend ein beispielhaftes Flussdiagramms eines Verfahrens zur Überwachung des Zustands einer Wälzschleifmaschine.

In Block 110 werden zunächst Toleranzgrenzen für Zustandsgrössen festgelegt. Dazu werden in Schritt 111 aus der Datenbank Referenz-Zustandsgrössen für vergleichbare Bearbeitungssituationen abgerufen und in Schritt 112 statistisch analysiert. Aufgrund dieser statistischen Analyse erfolgt in Schritt 113 die Festlegung der Toleranzgrenzen.

In Block 120 erfolgt dann ein Prüfzyklus mit anschliessender Zustandsdiagnose unter Verwendung dieser Toleranzgrenzen. Die Komponenten der Maschine werden bewegt (Schritt 121), und währenddessen werden laufend Messdaten erfasst (Schritt 122). Aus den Messdaten werden Zustandsgrössen gebildet (Schritt 123) und zur Speicherung an die Datenbank übermittelt (Schritt 124). In Schritt 125 werden die Zustandsgrössen mit den Toleranzgrenzen verglichen, und basierend auf dem Vergleich werden Aktionen ausgelöst, z.B. eine grafische Ausgabe der Zustandsbewertung der Komponenten.

In Block 130 erfolgt eine Vorhersage des zukünftigen Versagens von Komponenten der Maschine. Dazu werden die momentanen Zustandsgrössen in die Zukunft extrapoliert (Schritt 131). In Schritt 132 wird das Extrapolationsergebnis mit statistischen Kennwerten der Referenz-Zustandsgrössen oder mit den Toleranzgrenzen verglichen, und basierend auf dem Vergleich werden Aktionen ausgelöst, z.B. eine Ausgabe des vorhergesagten Versagenszeitpunkts.