DGH海德瑙有限公司及多纳两合公司的Carat180型压铸机可以在联系物联网架构基础上进行全面分析。
科技进步、生态意识加强、人口数量变化,使技术数据的数字化被视为压铸成功的关键因素。
在路线图中技术数据管理（TDM）这一话题已经被简略地描绘，DGH集团——DGH海德瑙有限公司及多纳两合公司与德累斯顿Symate有限公司共同合作实施了一个项目。在程序、系统、结构、自由和文化方面不仅有用户导向的软件开发，而且方法上有所改变，实时、透明地提供产品和程序的有关信息。一家高级汽车制造商的压铸零件新订单成功证明了这一点。结果表明：技术数据管理对成本效益和客户满意度做出了重大贡献。新标准有利于拓展技术知识和扩大有形客户价值。
智能铸造——传统与高科技的融合
除了铸造厂的传统成功因素之外，可以说未来的透明度将比良好的控制获得更多成果。 此外，汽车行业不断增长的客户需求和产品需求也使得压铸行业面临技术上的挑战。材料、生产工艺和设备的进一步发展以及其多方面的交换作用都旨在提高日常运营中的成本效益和客户满意度。一项潜力分析提出了这个问题：人们利用技术数据管理能在多大程度上扩展产品生命周期的专业知识。
基于产品在智能工厂制造的愿景以及为客户提供智能服务的愿景，项目合作伙伴制定了一个路线图，其中定义了基本目标和任务，以及支出、效益和评估参数。其基础是可持续处理复杂价值链中的大量数据，理想情况是在“客户-DGH-供应商”系统中实时处理。
项目的需求、初始状态及目标
为了程序的可持续发展，在项目开始之前就已经确定了需求：
＞ 生产参数及质量参数方面完美的可追溯性：工件准确的与技术数据和质量数据相连接，增加生产透明性；
＞ 订单进度描述：用参数描述的准确生产进度；
＞分析铸造技术影响因素和模式识别的参数：过程监控，异常值检测和因果关系的理解，参数预测的提交；
＞ 技术影响程度的描述：认定故障原因，调试时间最小化，周期时间以及次品缺陷；
＞ 分析复杂的参数关系和交互作用：根据整个生产环节认定环境及生产参数的影响；
＞ 整合能源与能耗数据：节约潜力分析；
在项目开始之前大量数据已经在DGH集团存档。这些数据部分提交的是原始格式，孤立地存在于不同的数据源中。在这种情况下，使用这些汇总数据进行研究和分析非常耗时，有的数据使用是受限制的，有的是无法使用的。
2015年，DGH决定应对这些挑战并推出基于网络的技术数据管理系统和Symate 有限公司的Detact系统（图1）。
项目进展与挑战
技术数据管理系统的引入分为概念、数据连接、数据处理以及分析和控制四个步骤（图2）。 为了快速获得可理解的结果，原则上四个步骤都保持在很小的范围内，而系统通过多个阶段（迭代）逐渐扩展。在项目运行过程中，每次迭代需要二到四个月。
构想
为了实现唯一的组件ID、技术数据和质量等级评估完美的可追溯性，DGH压铸过程的分析被可视化为过程模型。在第一次迭代中压铸单元存在限制，在后来的运行中，模型的“宽度”逐渐扩大。 迄今为止已经实施了与图3相对应的制造步骤。在此基础上确定了即将进行的迭代的要求和目标。
连接数据源
连接数据源第二阶段包括与迭代步骤相关的所有数据源的连接。利用现有的接口（主要是系统自身导出的循环文件）。在软件中为每个数据源配置了所谓的Detact驱动程序。Symate 有限公司开发的这些软件组件与数据源相沟通，处理检索到的信息。因此可以处理各种结构迥异的数据。通过这种方式，正在进行的过程数据自动进入系统，在路径中被解释并因此能够被分析。在进一步的项目运行中，DGH内部IT网络逐步扩展。如有必要，可以对其他强大的检测技术（摄像机技术，测量设备）进行改造，并再次配置相应的Detact驱动程序。
数据加工
为了实现跨流程、完美分析，最初需要建立一个集成数据库。目的不仅仅是一次合并特定数量的数据，而是构建一个永久性解决方案，利用该解决方案可以自动同步收集的数据。这是在Detact IoT（物联网）架构的基础上完成的。特别的挑战是在生产线上无法获得组件ID（基于时间注册的）。因为与时间相关的数据必须合并，由于不同的采样率以及不断变化的数据源时间（压铸机，外围设备，测试系统）表明这是很难做到的。通过结合使用智能数学技术和其他技术来检测数据中的时间模式解决了这一挑战。
把目前运行生产工厂中的所有相关数据收集到结果中，并自动汇总到一体化的数据存储中。数据被持续存档，既可以用于紧接其后的（实时）分析，也可以用于调查研究，与过去的生产信息进行对比。
分析与控制
除物联网外，Detact还提供广泛的分析功能。但是，为了在DGH中使用，应该引入数学函数，以提供工程级搜索和可视化界面。为此，Detact在项目第四阶段利用集成定制语言逐渐扩展。通过这种方式，为用户群体的物流、维护、生产和技术创建了具有不同详细程度的各个功能（图4至图7）。
结果及使用
作为项目的一部分，使用Detact系统收集、处理和分析技术数据。在它的支持下，可以看出总系统效率提高了10％以上。用支配性、性能、质量这些确定因素有针对性地被优化了。
可用性因子的提高是以完全无机械事件（警报、故障）为基础的。在计划外的停产会按规定进行分级，直至分到最小的机器单位。另外参照警报和故障观察操作者的操作行为，得出标准化的措施，有针对性地放入公司总的生产维护（TPM）方案中。
另外评定技术故障造成的短时停产，以最小化它对机器功率因素的影响。生产过程的周期时间、相应的检测周期、以及多方面的技术数据进行实时描述，可以在短时间内对问题做出反应。
生产数据和质量数据与独特的组件ID以及整个生产链中的实时可视化相结合，能够详细、快速地分析出错误原因，并作为质量改进的基础。在Detact和用户特定分析功能（用户组）的支持下，通过人工处理和评估质量相关数据，可以显著降低人员成本和错误率。这些是按组件处理的，可以在项目期间以组件历史记录和组件字母的形式临时检索。通过组件历史记录的可视化，可以详细地显示通过的时间。精确的制造步骤、实际生产和测试时间与规格的比较为更有效地设计生产过程提供了支持。
因此，具有特定分析功能的工具在生产前、产品和工艺开发以及组件运行的采样阶段都能够提供支持。这里，展示了一个或多个机器事件和技术参数的影响以及它们的相互作用对质量结果的影响。对较长时间内的分析也可以得出关于铸造过程阶段性影响的结论。因此，透明地呈现复杂的技术因果关系能够提高技术知识，也可以对后续产品和风险分析提供经验教训。
通过将铸造单元中的相关数据数字化，使能量和燃料节省也变得透明。这里可以看出显著的成本节约潜力。
通过有针对性的透明度、相关参数的链接和大量数据的分析已经成功地优化了整体设备效率以及对能源和燃料的消耗，从而实现对经济、环境和能源消费产生积极影响。
总结与展望
作为试点项目的一部分，展示了成功技术数据管理的第一步，这大大提高了客户价值，特别是在产品信息方面。数据透明性和技术数据管理的有针对性使用带来许多好处。这种新方法已经提高了开发和规划流程以及生产流程的效率。技术、组织和文化方面的挑战引发了各种各样的上升和下降。提醒一下：技术数据管理必须伴随着不断增长的企业能力，一个学习型的组织。重点被继续扩展，例如在强大的信息技术和自动化领域。除此之外，进一步将价值创造深入地融入系统并制作移动报告也很重要。在走向智能化工程的过程中，DGH集团会提供技术数据管理——标准——进一步发展为智能整体系统的先决条件。
