Das Projekt „Gläsernes Werkzeug“ ist ein Folgeprojekt aus dem Vorgänger „Datenlogger für Werkzeuge“.
Die Firma Gebrüder WAASNER Elektrotechnische Fabrik GmbH fertigt am Standort Forchheim elektrotechnische Komponenten. Dazu kommen Stanzmaschinen mit hochkomplexen Werkzeugen zum Einsatz. Zusammen mit dem KMU Vogler Engineering aus Hof soll untersucht werden, wie der Zustand des Werkzeugs überwacht werden kann, um später Anwendungen wie Predictive Maintenance zu ermöglichen. Dazu sollen verschiedene Sensoren der Maschine und des Werkzeugs (analog und digital) von einer Datenerfassungskomponente der Hochschule angebunden und ausgelesen werden. Die Daten sollen schritthaltend abgetastet (ca. 1000-mal pro Sekunde) und in einer Zeitreihendatenbank abgelegt werden. Der erste Prototyp konnte zusammen mit der Datenbank InfluxDB die nötige Geschwindigkeit liefern. Bei den Planungen zum Anschluss an der Maschine stellte sich jedoch heraus, dass die Anforderungen der Maschinenhersteller die elektrische Anbindung nicht ermöglichen.
Einige Sensordaten sowie Informationen zum Maschinenzustand und gefertigten Produkten stehen auch auf einem OPC-UA Server bereit. Im nächsten Schritt wurde eine neue Datenerfassungskomponente erstellt, die diese Daten abholt und schritthaltend in eine Zeitreihendatenbank schreibt, allerdings nur mit einer zeitlichen Auflösung von max. 10 Datenpunkten pro Sekunde. Aufgrund fehlender oder zu ungenauer Daten wurde der Fokus dabei weg von einer Werkzeugüberwachung hin zu einem Hilfsmittel zur Fehlerbeseitigung verschoben.
Im ersten Versuch wurde der Ansatz eines anderen Projekts gewählt, bei dem Handlungsanweisungen für die Bediener ausschließlich aus den Sensordaten abgeleitet und erstellt werden. Dazu wurden vor Ort verschiedene Handlungen nachgestellt und währenddessen Änderungen an den Daten aufgezeichnet und geprüft. Die meisten Handlungen waren aber nicht aus den Daten abzuleiten.
Im letzten Versuch soll nun das Wissen der Bediener über ein Wiki erfasst werden. Die erstellten Seiten können dann von den Bedienern den verschiedenen Situationen zugeordnet werden. Zusätzlich beeinflussen auch Bewertungen der Bediener die Zuordnungen. Die Software soll nun die entsprechenden Situationen anhand der vorhandenen Daten unterscheiden und beim nächsten Auftreten die entsprechenden vorher erfassten Handlungen wiederfinden und anzeigen. Damit können Bediener unterstützt werden und Fehler schneller beheben. Erste Tests mit einer Modellmaschine im Labor der Hochschule Hof lieferten vielversprechende Ergebnisse. Die Software wurde auch bei Waasner in Betrieb genommen, bisher jedoch aufgrund der COVID-19 Situation nicht genutzt.