Condition Monitoring und Predictive Maintenance werden immer wieder als synonyme Bezeichnungen verwendet, dabei sind es zwei unterschiedliche Konzepte. Predictive Maintenance ist die Vorhersage von Ereignissen oder der Wahrscheinlichkeit von Ereignissen, beispielsweise wann die Wahrscheinlichkeit, dass ein Getriebedefekt in den nächsten 50 Betriebsstunden auftritt, auf über 90 Prozent steigt. Mit einer solchen Prognose könnte man den Austausch des Getriebes rechtzeitig planen, bevor die Anlage tatsächlich ausfällt.
Condition Monitoring dagegen ist eine Vorstufe, die aus der Interpretation vorhandener Daten eine tiefergehende Beschreibung des aktuellen Zustands ermöglicht. Dazu bedarf es eines tiefen Verständnisses von Maschinen und Prozessen, um aus „nackten“ Daten aussagekräftige Informationen zu generieren. Analysen auf Basis von Machine Learning (ML) und KI können dazu beitragen, Anomalien schneller aufzuspüren.
Keine zusätzliche Sensorik
Für OEMs besonders interessant ist der Umstand, dass der Mehrwert, der durch das Condition Monitoring gewonnen wird, nicht mit höheren Hardware-Kosten erkauft werden muss. Denn es kommen keine zusätzlichen Sensoren zum Einsatz.
Der Clou der Lösung besteht darin, den Mehrwert an Informationen aus bereits vorhandenen Datenquellen zu erschließen. Lenze liefert dazu vorgetestete Algorithmen für verschiedene Anwendungen und unterstützt Maschinenbauer dabei, ihr Prozess-Know-how und Maschinenwissen in ein nutzensteigerndes Modell für Condition Monitoring umzusetzen.
Beispiel 2-Achs-Roboter
Für das Condition Monitoring gibt es zwei unterschiedliche Ansätze. Der eine ist modell-basiert, hier werden die gemessenen Ist-Werte mit denen verglichen, die sich aus der angenommenen mathematischen Beschreibung der Maschine ergeben. Werden bestimmte Toleranzen überschritten, wird dies als Störung interpretiert.
Der andere Ansatz ist daten-basiert. Ein Algorithmus lernt das Verhalten des Systems und die gegenseitige Beeinflussung der Parameter, beispielsweise Geschwindigkeit, Beschleunigung, Drehmoment, Position und Stromaufnahme. Die realen Werte werden mit dieser erlernten Beschreibung verglichen, um Abweichungen zu definieren.
Beispiele sind, wenn sich die Reibung an der Spindel erhöht oder der Verschleiß des Riemenantriebs. In beiden Fällen können über Strom- und Drehmomentwerte die Anomalien erkannt werden, sei es durch absolute Erhöhung des Wertes oder durch Auffälligkeiten bei der Frequenzanalyse. In beiden Fällen schlägt das Condition Monitoring Alarm und zeigt die Ursachen auf einem Dashboard an.
Steuerung oder Cloud
Die beiden Condition-Monitoring-Ansätze unterscheiden sich nicht nur konzeptionell. Auch die Frage, wie die Auswertung der Daten erfolgt, ist verschieden. Die modell-basierte Auswertung erfolgt normalerweise in der Steuerung, denn es werden keine hohen Rechenleistungen benötigt. Für die daten-basierte Auswertung kommen dagegen ML- und KI-Analysen in Betracht, in der Regel als Cloud-Anwendung.
Lenze gibt dem OEM mit seinem Portfolio volle Wahlfreiheit. Dazu zählt eine Reihe unterschiedlich dimensionierter SPSen für das modell-basierte Condition Monitoring. Die daten-basierte Auswertung kann ebenso lokal erfolgen, wenn der leistungsstarke Cabinet Controller c750 zum Einsatz kommt.
Alternativ steht mit dem Gateway x500 der Weg in die Cloud offen. Kombiniert mit der x4-Plattform erhalten Maschinenbauer eine schlüsselfertige Cloud-Lösung, die neben Condition Monitoring auch die Fernwartung der Maschine und ein bedienerfreundliches Asset Management umfasst.
Vorhandene Komponenten nutzen
Ein effizientes Condition Monitoring basiert auf der Interpretation von bereits vorliegenden Informationen. Es wird keine zusätzliche Sensorik benötigt, stattdessen arbeiten die Devices der Maschine als Sensoren. Mit seinem umfassenden Automatisierungs-Portfolio aus Hardware, Software, Netzwerk und Cloud-Applikationen und dem daraus resultierenden Know-how kann Lenze umfangreiche Hilfestellung bei der Interpretation von Daten bieten. Zugleich unterstützt der Hersteller OEMs dabei, sich zu Data Scientist ihrer Maschinen zu entwickeln.
.jpg "Verarbeitung von Agrarprodukten einfach und effizient überwachen")
