Kosten sparen durch Predictive Maintenance (Vorausschauende Wartung) – Ihr einfacher Einstieg

Elisabeth Schloten
Share on facebook
Share on twitter
Share on linkedin
Share on xing

Inhalt

Effizienter werden und Kosten sparen ist durch die aktuelle Krise noch wichtiger geworden. Der Handlungsdruck ist enorm. Digitalisierung ist jetzt der richtige Weg, Ihre Prozesse weiter zu automatisieren und zu verbessern.

Predictive Maintenance, oder Vorausschauende Wartung, birgt Einsparpotenziale von bis zu 40%. Keine aktuelle Technologie oder Methode kann Ihnen mehr bieten. Die Vorteile dieser Methode:

  • Kosteneinsparung durch Optimierung der Wartungsintervalle
  • Kosteneinsparung durch Vermeidung ungeplanter Ausfälle und Schäden
  • Qualitätsverbesserung durch gleichmäßigeres Laufen der Anlagen
  • Längere Lebensdauer der Anlagen

Doch ich habe selbst schon darüber geschrieben, dass die Vorteile nicht sofort kommen und Predictive Maintenance Projekte zu den komplexeren Digitalisierungsthemen gehören.

Also müssen wir einen einfachen Einstieg finden. Etwas, das leicht zu installieren und zu verstehen ist und gleichzeitig einen hohen Nutzen bringt.

Schwingungssensoren als Indikator für den aktuellen und zukünftigen Maschinenzustand

Schwingung ist eine Größe, die sehr viel über den Maschinenzustand aussagt. Motoren haben eine normale Schwingungsfrequenz bei einer bestimmten Last, und wenn sie davon abweichen ohne dass die Last geändert wird, ist das ein Hinweis auf etwas Ungewöhnliches. Wenn die Abweichung langfristig ist und einem Trend folgt, ist das ein Hinweis auf ein sich verstärkendes Problem, also die Notwendigkeit einer Wartung.

Schwingungsdaten werden bei großen, teuren Anlagen oft bereits erhoben und in Leitsystemen angezeigt. Doch meistens werden keine langfristigen Trends analysiert, oder Zusammenhänge mit anderen Informationen hergestellt. Bei Motoren oder Geräten an schwer zugänglichen Orten, ebenso wie an günstigen oder alten Geräten, werden die Daten oft gar nicht erhoben.

Einfache Anbringung an schwer zugänglichen Orten

An schwer zugänglichen Stellen erheben wir Schwingungsdaten mit Hilfe eines Sensors, der batteriebetrieben ist und magnetisch angebracht wird. Dadurch müssen wir keine Stromkabel verlegen. Der Sensor überträgt seine Daten über Funk (LoRaWAN), sodass wir auch kein Netzwerkkabel verlegen müssen. So ein Sensor kann nur lange batteriebetrieben arbeiten, wenn er nicht zu häufig Daten überträgt. Deshalb findet auf dem Sensor eine Vorverarbeitung der Daten statt. Der Sensor lernt den normalen Schwingungsbereich „seines“ Geräts, und dann sendet er nur Alarme, wenn der Normalbereich um einen bestimmten Prozentsatz über- oder unterschritten wird. In diesen Alarmen sendet er viele Informationen, z.B. über Spitzenfrequenzen und das gesamte Spektrum. Er erkennt ebenfalls, wann das Gerät an oder aus ist.

Durch eine einfache Abbildung der Daten dieses Sensors in einem Dashboard haben wir schon einen ersten Vorteil. Wir haben einen ganz neuen Blickwinkel auf unsere Anlage gewonnen und können kostengünstig sehen, wie sich die Schwingung vieler einzelner Motoren entwickelt. Sogar die Gebäudeschwingung messen wir – allerdings eher aus Spaß im Moment.

Kombination mit vorhandenen Daten

Die Daten dieser Sensoren landen in unserer IoT Plattform. Das ist eine riesige Datenbank mit Dashboards und Analysefähigkeiten, unter anderem Künstlicher Intelligenz. Dort werden sie mit anderen Daten kombiniert. Im ersten Schritt fügen wir Echtzeit- und Vergangenheitsdaten bereits vorhandener Schwingungssensoren hinzu, um ein Gesamtbild der Anlage zu erhalten. Dann kombinieren wir die Schwingungsdaten mit der Last, unter der die Anlage gefahren wird. Viele weitere Datenpunkte, wie unterschiedliche Konfigurationen, Rohstoffe, Umgebungstemperaturen etc. können hinzugefügt werden.

Trendanalyse und Vorausschau

Algorithmen untersuchen jetzt ständig die Daten auf Zusammenhänge und Trends. Zu Beginn müssen die Algorithmen lernen, wie die Daten zusammenhängen und was Ursache oder Wirkung ist. Nach dieser Lernphase sind die Algorithmen in der Lage, eine Vorausschau zu generieren. Sie können nicht nur vorhersagen, wann ein Teil kaputt gehen wird, sondern auch Zusammenhänge zwischen z.B. verwendeten Rohstoffen und dem Verhalten der Anlage erkennen. Dass z.B. kontinuierliche hohe Last zu schnellem Verschleiß führt, ist nichts Neues. Aber wie genau der Zusammenhang ist, und ab welcher Last deutliche Veränderungen einsetzen, können wir nun eindeutig sehen und daraus Rückschlüsse ziehen. Wir können ganz einfach berechnen, welche Last auf der Anlage wirtschaftlich am sinnvollsten ist – durch einen Vergleich des höheren Outputs bei höherer Last mit den Kosten für eine frühere Wartung.

Mit Hilfe der Sensoren und der künstlichen Intelligenz, unterstützt durch das Zusammenführen verschiedener Datenquellen, können wir relativ schnell erste Schlüsse ziehen und so den Betrieb und die Wartung der Anlagen optimieren. Daraus ergeben sich die oben genannten Vorteile:

  • Kosteneinsparung durch Optimierung der Wartungsintervalle
  • Kosteneinsparung durch Vermeidung ungeplanter Ausfälle und Schäden
  • Qualitätsverbesserung durch gleichmäßigeres Laufen der Anlagen
  • Längere Lebensdauer der Anlagen

Sprechen Sie uns an, um mehr über den einfachen Einstieg in die vorausschauende Wartung zu erfahren.

Noch mehr von unserem Blog & Podcast:

Wir hassen Spam!

Deswegen gibt es in unserem monatlichem RoundUp nur die besten Blog Artikel und Podcast Folgen zusammengestellt. Wenn Sie mehr über Digitalisierung und IoT lernen möchten, tragen sie sich ein. Ihre E-Mail-Aderesse wird entsprechend unserer Datenschutzerklärung  verarbeitet.

Share on facebook
Share on twitter
Share on linkedin
Share on xing