antriebstechnik 1-2/2021

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