antriebstechnik 1-2/2021
antriebstechnik 1-2/2021
antriebstechnik 1-2/2021
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
SPECIAL: ANTRIEBSTECHNIK IN VERPACKUNGSMASCHINEN<br />
CONDITION MONITORING<br />
WENN DER ANTRIEB ZUM SENSOR WIRD<br />
Erfahrene Mitarbeiter in der Produktion können buchstäblich hören, wenn eine<br />
Verpackungsmaschine nicht mehr einwandfrei läuft. Aber man muss sich nicht auf gute<br />
Ohren verlassen. Es gibt smartere Methoden – ganz ohne zusätzliche Sensorik. Gerade in<br />
der Verpackungsindustrie und bei der Getränkeabfüllung kann man davon profitieren.<br />
Ein plötzlicher Maschinenausfall schmerzt den Betreiber immer.<br />
Eine Gegenmaßnahme besteht in der ständigen Überwachung<br />
des Gesundheitszustandes einer Maschine oder eines<br />
Systems: dem Condition Monitoring. Vielen Maschinenbauern<br />
erscheint diese Methode zu komplex und zu teuer. Auf den Einsatz<br />
teuerer Sensoren kann zumindest verzichten, wer die Informationen<br />
aus den Devices der Maschine deutet.<br />
Immer wieder werden Condition Monitoring und Predictive<br />
Maintenance fälschlicherweise als synonyme Bezeichnungen verwendet.<br />
Predictive Maintenance ist die Vorhersage von Ereignissen<br />
oder der Wahrscheinlichkeit von Ereignissen, beispielsweise wann<br />
die Wahrscheinlichkeit, dass ein Getriebedefekt in den nächsten<br />
20 Betriebsstunden auftritt, auf über 95 Prozent steigt. Mit einer<br />
solchen Prognose könnte man den Austausch des Getriebes vor<br />
dem tatsächlichen Ausfall planen.<br />
Beim Condition Monitoring geht es zunächst darum überhaupt<br />
zu erkennen, dass sich der Zustand des Getriebes verschlechtert.<br />
ABWEICHUNGEN VOM MODELL?<br />
Leider gibt es in der Regel keine Möglichkeit, den Zustand oder<br />
die „Gesundheit“ einer Maschine oder einer einzelnen Komponente<br />
direkt zu messen. Das Condition Monitoring stützt sich<br />
daher auf die Interpretation vorhandener Daten. Dazu bedarf es<br />
eines tiefen Verständnisses von Maschinen und Prozessen, um<br />
aus „nackten“ Messwerten gehaltvolle Informationen zu generieren.<br />
Dieses Wissen ist bei OEMs, die ihre Maschinen kennen und die<br />
Prozesse der Anwender verstehen, bereits vorhanden. Analysen<br />
auf Basis von Machine Learning (ML) und Künstlicher Intelligenz<br />
(KI) können das Aufspüren von Anomalien unterstützen.<br />
Um daraus tragfähige Anwendungen zu schaffen, gibt es zwei<br />
unterschiedliche Ansätze. Der erste ist modellbasiert. Ihm liegt eine<br />
angenommene mathematische Beschreibung der Maschine zugrunde,<br />
aus der sich bestimmte Soll-Werte ergeben, die den<br />
Normalzustand beschreiben. Überschreiten die gemessenen Werte<br />
Klaas Nebuhr, Head of digital Portfolio bei Lenze Digital in Bremen