In kapitalintensiven und wettbewerbsgeprägten Branchen ist die Optimierung der Instandhaltung von entscheidender Bedeutung, um den effizienten Betrieb von Maschinen und Anlagen bei minimalen Kosten sicherzustellen. Die richtige Balance zwischen der optimalen Auslastung bestehender Anlagen bei gleichzeitiger Gewährleistung ihrer maximalen Zuverlässigkeit ist jedoch keineswegs einfach.
Veränderte Marktanforderungen
Angesichts solcher Herausforderungen bewegen sich die Fertigungs- und Energieerzeugungsindustrie zunehmend weg von rein präventiven Instandhaltungssystemen hin zur Umsetzung von IoT-gestützten Predictive Maintenance-Strategien. Während sich der erstgenannte Ansatz auf vergangene Leistungsdaten stützt, um voreingestellte Wartungs- und Service-Pläne für verschiedene Gerätetypen zu entwickeln, registriert Predictive Maintenance Abweichungen im Geräteverhalten sehr genau und passt Wartungspläne daran an.
Mit Hilfe der Predictive Monitoring-Analyse können dabei Anomalien identifiziert werden, bevor tatsächliche Probleme oder unvorhergesehene Ereignisse auftreten. In Fertigungshallen beispielsweise ermöglicht ein IoT-Szenario den Wandel von der plangemäßen Wartung zur Echtzeitüberwachung von Variablen wie Hitze, Vibration, Licht, Schall und Feuchtigkeit; und das im gesamten Maschinenpark. Mit Hilfe der so gesammelten Sensordaten können auch sogenannte „digitale Zwillinge“ von Maschinen erstellt werden, die es ermöglichen, Fehler zu erkennen, bevor sie überhaupt auftreten.
Im Maschinenbau ermöglicht die Anbindung der Maschinensensoren an Software-Analyseplattformen nun die Echtzeit-Fernüberwachung aller gelieferten Geräte. Servicepersonal vor Ort kann so durch leistungsstarke Ferndiagnose-Werkzeuge mittels Warnungen und zustandsorientierten und nutzungsbezogenen Analysen reduziert oder ersetzt werden. Die Erkenntnisse aus IoT-basierten Maschinendaten bieten Herstellern sogar Möglichkeiten für weitere Geschäftsmodelle, wie z.B. die Beratung von Kunden bei der Verbesserung ihrer Produktionsprozesse.
Der Einsatz von Predictive Analytics Software ermöglicht es, potentielle Störfälle anzugehen und geeignete Lösungen zu entwickeln. Wenn ein Ausfall eintritt oder unvermeidlich ist, kann das Wartungsteam anhand von Maschinendaten den Fehler im Voraus beurteilen und sicherstellen, dass die erforderlichen Teile vorzeitig bestellt und verfügbar sind – was die notwendigen Ausfallzeiten erheblich reduziert.
KI-gestützte Predictive Maintenance
Darüber hinaus setzen Industrie- und Energieversorgungsunternehmen zunehmend auf KI und Machine Learning, um ihre Predictive-Strategien zu optimieren und auszuweiten. Durch die bessere Erkennung und Analyse von Abweichungen vom normalen Maschinenverhalten erkennt KI-gestützte Predictive Maintenance in einigen Fällen bereits viele Monate im Voraus mögliche Ausfälle.
Planungsalgorithmen können durch Machine Learning erweitert oder ersetzt werden, um Parameter-Drift oder auftretende Komponentenausfälle durch Trendanalysen zu identifizieren und komplexe Mustererkennung zu ermöglichen – ohne Vorkenntnisse über aktuelle oder potenzielle Probleme. Mit Deep Learning als weiter entwickelter Technologie des Machine Learning lernen Maschinen tatsächlich aus eigenen Erfahrungswerten mit Hilfe so genannter neuronaler Netze, die Muster in großen Datensätzen zu identifizieren, interpretieren und darauf reagieren zu können.
Heute liegt der aktuelle Fokus von KI-Anwendungen zum Beispiel in der Kraftwerksinstandhaltung auf bedarfsgerechten Wartungsintervallen, wobei die Wartungszeit anhand von Geräteanomalien aufgrund täglicher Abnutzung ermittelt wird. Je nach Status der einzelnen Komponenten können beliebig viele Maschinen und Prozessparameter überwacht und Wartungsanforderungen individuell vorgegeben werden.
Für Turbinen in Kraftwerken kann dies eine Reihe von potenziellen Problemfeldern wie Unwuchten, Fluchtungsfehler, Risse, Lockerungen, Schaufelbrüche und Fundamentbeeinträchtigungen abdecken. So können Instandhaltungsaktivitäten gezielter am tatsächlichen Verschleiß der Komponenten geplant werden, vollständige Wartung kann so vermieden und Zeit und Geld gespart werden.
Vorteile von Predictive Maintenance
Nachfolgend sind die wichtigsten Vorteile von Predictive Maintenance aufgeführt:
Erhöhte Verfügbarkeit und Zuverlässigkeit der Anlagen: Techniker kennen den Zustand der Maschinen zu jedem Zeitpunkt, dadurch wird sichergestellt, dass selbst kleinste Abweichungen oder allmähliche Änderungen im Maschinenverhalten zuverlässig erkannt werden.
Reduzierte Betriebskosten: Die frühestmögliche Meldung möglicher Schäden maximiert die Reaktionszeit zur Ermittlung der wirtschaftlichsten Lösung des Problems, bevor es auftritt.
Verkürzung geplanter Stillstandszeiten: Mit der detaillierten Kenntnis des Maschinenzustands können Reparaturzeiten und Lagerhaltungskosten auf ein Minimum reduziert werden.
Verbesserte Einhaltung gesetzlicher Richtlinien für Gesundheit und Umwelt: Ein aktueller und detaillierter Einblick in Echtzeit macht vorbeugende Maßnahmen in Bezug auf mögliche Sicherheits- oder Umweltprobleme möglich.
Gesteigerte Unternehmensleistung: Verbesserte Leistung und Produktivität, reduzierte Betriebskosten und erhöhte Rentabilität können mit Hilfe geeigneter Predictive Maintenance Systeme erzielt werden.
Hohe Systemanforderungen
Predictive Maintenance-Systeme nutzen immer leistungsfähigere und komplexere Monitoring- und Analysesoftware, um Daten und Betriebsverlauf einzelner Anlagen zu erfassen. Edge-basierte Sensoren werden eingesetzt, um Basisdaten mit der Echtzeitleistung abzugleichen, durch die kontinuierliche Überwachung können so Warnmeldungen ausgelöst werden, wenn die tatsächliche Maschinenleistung den vordefinierten Basisdatenbereich unterschreitet oder überschreitet. Warnmeldungen konzentrieren sich in der Regel auf vorgegebene Parameter wie Temperatur- oder Vibrationsabweichungen.
Die konsequente Umsetzung solcher Predictive Maintenance-Strategien erfordert stetig aktuelle und detaillierte Echtzeitdaten des Anlagenstatus, auf die jederzeit zugegriffen werden kann. Bei Kraftwerken kann dies für ein breites und vielfältiges Spektrum an Anlagen nötig sein, von Dampfturbosätzen, Gasturbinen, Pumpspeichersätzen, Kompressor- und Turbopumpen bis hin zu Wind- und Gezeitenturbinen.
In allen Fällen wird daher die Analyse von Maschinendaten in unmittelbarer Nähe zum Netzwerk-Edge immer wichtiger, anstatt alle Daten in eine zentrale Cloud zu übertragen. Reduzierte Latenzzeiten sorgen für schnellere Reaktionszeiten und Entscheidungsfindung, und liefern letztlich genauere und effektivere Wartungs- und Betriebsstrategien.
Die Server-Hardware-Systeme müssen dabei nicht nur leistungsfähig und skalierbar genug sein, um immer komplexere KI-fähige Software zu unterstützen, sondern auch in der Lage sein, große Mengen an IoT-Maschinendaten zu speichern, zu verarbeiten und zu analysieren. Sie müssen außerdem über leistungsstarke GPUs verfügen, schnell und einfach konfigurierbar sein und robust oft schwierigen und rauen Betriebsumgebungen trotzen.
Anwendungsorientierte Lösungen für KI-unterstützte Predictive Maintenance
Die neueste Generation der industriellen RackmountServer-Hardware von Kontron in Verbindung mit führenden Softwarelösungen für Predictive Maintenance ermöglicht Energieerzeugern, Maschinenbauern und produzierenden Unternehmen, das Potenzial ihrer Anlagen und Maschinen zu optimieren. Detailliert und in Echtzeit werden so nicht nur Betriebsverlauf und aktueller Anlagenstatus transparent, sondern auch die zukünftige Entwicklung planbar gemacht.
Der bislang leistungsstärkste KISS 4U V3 SKX Hochleistungs-Rackmount-Server von Kontron ist dabei speziell für jene anspruchsvollen Umgebungen konzipiert, die häufig in der Energieerzeugung und in der industriellen Fertigung zu finden sind. Er verfügt über Dual Intel Xeon Prozessoren und ergänzt die umfangreiche Palette an industriellen KISS Rackmount 4U, 2U und 1U Servern. Rechenleistung und Konnektivität sind für die modernsten Predictive Maintenance-Lösungen ausgelegt, wie sie im Energie- und Industriebereich erforderlich sind. Der Server ist dabei unempfindlich gegen Schock und Vibrationen sowie hohe Temperaturen bis zu 45° Celsius. Hot-swap Chassis- und Fanfilter reduzieren die MTTR (Mean Time To Repair) um ein Vielfaches, da sie im laufenden Betrieb ohne Werkzeug ausgetauscht werden können. Zudem kann das System schnell und stressfrei für Upgrades geöffnet werden. Die KISS Server bieten außerdem die Möglichkeit, durch eine dritte Fixierungsmöglichkeit auch schwere full length CPU-Karten oder GPU-Karten zusätzlich mit dem Gehäuse zu verbinden, und dadurch Transportschäden oder Schäden in rauen Industrieumgebungen zu verhindern. Eine spezielle Schock- und Vibrationsaufhängung für Laufwerkskäfige lässt auch rotierende Massenspeicher bei hohen Schock- und Vibrationsbelastungen zuverlässig im Dauerbetrieb arbeiten.
Bewährte Industriestandards für langfristige Verfügbarkeit und Zukunftssicherheit
Die KISS-Serverlösungen von Kontron sind in den Bereichen Energie und Industrie weit ver-breitet. Sie basieren auf bewährten Industriestandards und gewährleisten so langfristige Verfügbarkeit und damit die zukunftssichere Flexibilität, die Betriebskosten und Personaleinsatz minimiert. Der globale technische Support des Unternehmens, starke Partnerschaften mit branchenführenden Prozessor- und Komponentenherstellern und die Offenheit für Kundenbedürfnisse sprechen ebenfalls für Kontron.
KISS Server-Produktpalette
Die Rackmount-Systeme von Kontron wurden speziell für anspruchsvolle Umgebungen entwickelt und getestet und sind daher perfekt auf extreme Temperaturen und starke mechanische Beanspruchungen eingestellt. Industrietauglich und mit hoher Prozessor-Power sind sie für den Einsatz in industriellen Anwendungen konzipiert, die eine hohe Rechenleistung und Datenverfügbarkeit erfordern.
Die neuen Industrieserver eignen sich ideal für rechenintensive Aufgaben wie „Artificial Intelligence“ (KI) und Machine Learning, die die Verarbeitung und Analyse großer Datenmengen erfordern. Effiziente Kühlkonzepte, wartungsfreie und anpassbare Designs, sowie leistungsstarke Rechen- und GPU Einheiten ermöglichen einen 24/7-Betrieb und einen langfristigen Einsatz. Wechsellaufwerke, verschiedene Erweiterungskarten und die Verfügbarkeit der verschiedenen Bauhöhen 1U, 2U sowie 4U ermöglichen große Flexibilität und kundenspezifische Anpassbarkeit. Short-Versionen bieten zudem ein Maximum an Rechenleistung auch auf engstem Raum.
