antriebstechnik 3/2018

NACHGEFRAGT I PREDICTIVE MAINTENANCE
Wie viel Sensorik braucht eigentlich
die Antriebstechnik?
„Nur so viel wie nötig“
Die Daten aus den Sensoren, Umrichtern und Steuerungen erlauben es heute, eine zuverlässige
Aussage über den Zustand der Motoren und Getriebe zu treffen. Hier ist es wichtig, aus
den Daten Informationen zu generieren. Es ist in der Regel notwendig, zu den bereits installierten
Sensoren und Steuerungen noch weitere Sensoren zu montieren, da selten Schwingungssensoren
an den Antrieben verbaut sind. Nur in der Kombination ist es möglich, nicht nur einen
Trend zu berechnen, sondern gezielt eine Prognose zu erstellen. Die Anzahl der Sensoren sollte
immer so ausgelegt werden, dass man nicht so viel wie möglich, sondern so viel wie nötig
montiert. Das Ziel ist, die Algorithmen so zu entwickeln, dass sie möglichst universell einsetzbar
sind. Das ist ein hohes Ziel, da es für die Prognose, um den Ausfallzeitpunkt im Sinne von
Predictive Maintenance zu ermitteln, viele Einflüsse gibt, die bei jeder Applikation betrachtet
werden müssen. Hier zeigt sich, dass der Big-Data-Ansatz nicht zum Ziel führt. Gezielte kleine
Lösungen helfen, die Problemstellung zu erkennen und sichere Vorhersagen zu treffen. Das bedeutet: Wer heute schon
Condition Monitoring an der Antriebstechnik realisiert hat, ist bereit für den Schritt zu Predictive Maintenance.
Christoph Schneider, Produktmanager, ifm Datalink GmbH
„Ohne Sensorik geht es nicht“
Die moderne Antriebstechnik kommt ohne Sensorik längst nicht mehr aus. Lebensdauerberechnungen,
basierend auf verschiedenen Führungsgrößen wie Drehzahl oder Schwingungen bei Wälzlagern, sind
unerlässlich geworden, um vorausschauend zu warten und somit deren Effizienzgrad zu erhöhen. Berührungs lose
Sensoren nehmen diesen Trend auf und beeinflussen im Gegensatz zu herkömmlicher Sensorik die genannten
Führungsgrößen nicht. Die Ergebnisse werden präziser. Mehr noch, mittlerweile ist man nicht mehr zwingend
auf die Kenntnisse über eine Auswertung der Sensordaten angewiesen. Ergebnisse werden nach der Aufbereitung
im Klartext z. B. mithilfe einer Cloud abrufbar gemacht. Das ist Predictive Maintenance mit Industrie 4.0.
Christian Voß, Leiter Produktmanagement Linear-/Drehwegsensoren, Hans Turck GmbH & Co. KG
„Rückwirkungen ableiten“
In der elektrischen Antriebstechnik benötigt man zur Überwachung vor allem Messdaten aus
dem Bewegungsverhalten des Antriebs. Daneben stellt insbesondere das Lastverhalten und
damit der Stromverlauf im Antrieb ein wertvolles Signal dar. Aus der Kombination lassen sich viele
Rückwirkungen aus der Mechanik ableiten. Diese Signale liegen in modernen Umrichtern bereits
als interne Signale vor und können direkt für Diagnoseaufgaben verwendet werden. Die Herausforderung
besteht darin, sie mit ausreichend hoher Abtastrate strukturiert und mit physikalischen
Bedeutungen hinterlegt aus den Umrichtern auszulesen und insbesondere in Maschinen mit
mehreren Antrieben den zeitlichen Zusammenhang dieser Signale sicherzustellen. Bei Antrieben
mit hochuntersetzenden Getrieben dringen höherfrequente Störungen hingegen nicht bis zum
Antrieb selbst durch, sondern werden durch die Mechanik gefiltert. Weiterhin können auch
Störungen in Querrichtung zu angetriebenen Achsen auftreten oder Temperaturen Auswirkungen
haben. Dann liefern abtriebsseitige Wegsensoren, Beschleunigungssensoren oder Temperatursensoren wertvolle Informationen.
Für eine sinnvolle Auswertung dieser Signale ist die Datenfusion elementare Notwendigkeit. Für Ursache-Wirkung-
Analysen müssen zudem die physikalischen Abhängigkeiten der Signale bekannt sein.
Prof. Dr.-Ing. Martin Ruskowski, Inhaber Lehrstuhl für Werkzeugmaschinen und Steuerungen, TU Kaiserslautern
antriebstechnik 3/2018 39