EPP 01-02.2022

» BAUGRUPPENFERTIGUNG

» BAUGRUPPENFERTIGUNG Verhindern, dass die Maschine stehen bleibt IIoT-basierte Instandhaltung verhindert Fehlerfall Die Digitalisierung von Fertigungsprozessen hat die Vernetzung der damit verbundenen Maschinen, Produktionsanlagen und Werkzeugen zur Folge. Das wirkt sich auch auf die Instandhaltung aus. Während in vielen Bereichen die präventive, vorbeugende Instand - haltung bis heute dominiert, verbreiten sich durch günstiger werdende Technologien zunehmend auch vorausschauende – sogenannte Predictive Maintenance-Konzepte. Maschinenbauer, die ihren Kunden auf Basis der neuen Wartungsansätze einen Mehrwert bieten möchten, müssen für Predictive Maintenance jedoch auf datenbasierte Geschäftsmodelle umsteigen. Diese nutzen integrierte IIoT-Plattformen, um die Daten von vernetzten Maschinen und Anlagen zu erfassen und zu analysieren. Das industrielle Internet of Things (IIoT) stellt aktuell zahlreiche Branchen und Industriebereiche auf den Kopf. Im Maschinenbau erzeugt die Vernetzung von Maschinen und Anlagen Daten mit großem Potenzial, die Industrieunternehmen nutzen können, um beispielsweise ihre Produktionsabläufe zu optimieren. Durch die Vernetzung lässt sich die lokale Maschinen-Wartung um eine zentralisierte Datenanalyse erweitern, woraus sich zum Beispiel der voraussichtliche Ausfall-Zeitpunkt eines Bauteils, etwa einer Dichtung oder eines Lagers, ableiten ließe. Über einen Vergleich, der während des Betriebes erfassten Maschinen- und Anlagendaten mit weiteren Daten, etwa idealisierten Modellen, deckt die Software Fehler und Störungen bereits bei der Entstehung auf. Oft lange, bevor der Störfall tatsächlich eintritt. Eine derartige datenbasierte „Hellsichtigkeit“ senkt nicht nur die Wartungskosten, sie reduziert auch die Ausfallquote der Maschinen. Vorwegnahme und Herauszögern von Wartungsereignissen IIoT-Plattformen ermöglichen ein kontinuierliches 24/7-Monitoring von Maschinen und Anlagen in Echtzeit. Intelligente, in Fertigungsmaschinen integrierte Sensoren sammeln dabei die während der Produktion anfallenden Daten und senden sie an eine cloudbasierte IIoT-Wartungs-Plattform. Diese bereitet sie auf und ermöglicht so geschulten Anwendern aus den er- Maschinenbauer, die ihren Kunden mit neuen Wartungsansätzen Mehrwert bieten möchten, müssen auf ein datenbasiertes Geschäftsmodell umsteigen. IIoT-Platt - formen ermöglichen Anwendern einen direkten und einfachen Zugang zu den Betriebsdaten einer Anlage Bild: Senseforce 24 EPP » 01-02 | 2022

BAUGRUPPENFERTIGUNG « Bild: Senseforce Anbieter wie Sense - force bieten IIoT-Plattformen auf Basis von Low Code an, die die Entwicklung von Prozessen mit visuellen Benutzeroberflächen unterstützen. Dadurch können auch Anwender mit einem geringen IT-Wissen die Zustandsdaten ihrer Maschinen und Anlagen auswerten fassten Geräuschen, Drehzahlen oder Temperaturen Rückschlüsse auf in der Anlage vorhandene Fehler zu ziehen. Im Servicefall können Techniker mithilfe der gesammelten Anlagendaten zielgerichtet an der Fehlerbeseitigung arbeiten. Über ein mit historischen Daten angereichertes Maschinenmodell lassen sich Wartungsereignisse vorwegnehmen und unter automatischer Veränderung von Prozessparametern sogar bis zu einem optimalen Zeitpunkt verzögen. Die Folge sind reduzierte Wartungszyklen- und -Zeiten. Automatische Alarme bei Überschreiten des Grenzwerts Über das Internet lassen sich unterschiedlichste Anlagen und Maschinen, angefangen von Produktionsanlagen, Windrädern oder Flugzeugturbinen, bis hin zu Druckmaschinen, Kraftfahrzeugen oder Kränen mittels Predictive Maintenance weltweit vorausschauend überwachen und warten. Die Kommunikation startet normalerweise in den vernetzten Anlagen, wo Sensoren, Messstationen oder Sonden Zustände wie Temperatur, Schwingungen, Auslastung oder Verschleiß erfassen und übermitteln. Für die Auswertung legen Produkt- und Serviceexperten bestimmte Grenzwerte fest, die weder unter- noch überschritten werden dürfen. Ist das doch der Fall, löst das System automatisch einen Alarm aus und sendet eine Benachrichtigung, oft per E-Mail oder SMS. Lebensdauerbestimmung durch akustische Muster Eine bei Predictive Maintenance häufig verwendete Analysemethode ist die sogenannte akustische Mustererkennung. Dabei lässt sich aufgrund von Änderungen innerhalb eines akustischen Musters die Lebensdauer eines bestimmten Bauteils oder einer Komponente, etwa eines Ventils, bestimmen. Mittels künstlicher Intelligenz (KI) und Machine Learning werden komplexen Messwerten Bedeutungen zugeordnet, auf deren Basis Data Scientists Einschätzungen abgegeben können. Eine leistungsfähige Produktion ist auf die Funktionalität ihrer Anlagen und technischen Systeme angewiesen. Als ideal gilt eine technische Verfügbarkeit von mindestens 95 Prozent der möglichen Betriebszeit. Im Rahmen vorausschauender Instandhaltungsmaßnahmen lässt sich in die Maschine eine automatische Erkennung häufig auftretender Fehler implementieren. So etwa die Identifikation von Geberfehlern bei Sensoren oder Abweichungen in der Maschinen-Kalibrierung. Durch den datengestützten, kontinuierlichen und stets aktuellen Einblick in die verwendete Anlage lassen sich Verbesserungspotenziale, zum Beispiel über den Vergleich mit einem digitalen Modell, frühzeitig erkennen und umsetzen und die Verfügbarkeit der Maschine steigern. > EPP » 01-02 | 2022 25