die maßgeschneiderte Automatisierungslösung
Vimotech realisiert
Predictive Maintenance
Anlagenausfälle vermeiden – durch die frühzeitige Erkennung selbst kleinster Veränderungen im Anlagenzustand.
Was wir tun
Anlagenausfälle erkennen, bevor sie entstehen
Mechanischer Verschleiß, beschädigte Bauteile oder beginnende Defekte führen selten sofort zum Stillstand. Häufig verändern sich zuvor Laufzeiten, Bewegungsabläufe, Temperaturen, Vibrationen oder der Ressourcenverbrauch – oft so geringfügig, dass sie vom Bedienpersonal nicht erkannt werden.
Wir nutzen vorhandene Maschinen- und Sensordaten, um diese Veränderungen frühzeitig sichtbar zu machen. Relevante Prozessgrößen werden gezielt ausgewählt, strukturiert ausgewertet und miteinander kombiniert. Je nach Anwendung kommen Grenzwertüberwachung, Mustererkennung oder modellbasierte Analysen zum Einsatz.
So lassen sich potenzielle Störungen kontrolliert während geplanter Wartungsstillstände beheben, statt unerwartet im laufenden Betrieb aufzutreten.
Ihr Nutzen:
- weniger ungeplante Anlagenstillstände
- höhere Produktions- und Prozesssicherheit
- frühzeitige Planung von Wartung und Ersatzteilen
- stabilere Produktqualität
- mehr Transparenz über Leistung, Verschleiß und Ressourcenverbrauch
Das Ziel: Keine Störung im laufenden Betrieb – durch die frühzeitige Erkennung selbst kleinster Veränderungen im Anlagenzustand.
Motivation
Maximale Prozesskontrolle
Mechanischer Verschleiß, unscheinbare Beschädigungen und defekte Bauteile führen meist nicht unmittelbar zu einem Ausfall der Anlage. Über die Zeit verschlechtert sich deren Zustand jedoch und die Ausfallswahrscheinlichkeit steigt deutlich. In dieser Phase kann es bereits zu einer Verschlechterung der Produktqualität kommen!
Nun sind in einer Industrieanlage sehr viele Komponenten verbaut, deren Ausfallswahrscheinlichkeit über die Betriebsdauer steigt. In Summe können alle diese Komponenten somit zu sehr häufigen Störungen führen.
Aktion statt Reaktion
Stillstand vermeiden
Leider treten diese Störungen meist zu sehr ungünstigen oder produktionskritischen Zeitpunkten auf. Im Idealfall können alle potenziellen Störfälle kontrolliert bei Wartungsstillständen behoben werden.
Die vorzeitige Erkennung von Anlagenstörung hat unzählige positive Effekte:
- Zuverlässliche Produktion
- Planung von Wartungen
- Effizientes Ersatzteilmanagement
- Lösungen statt Provisorien
Prozess analysieren
Minimale Veränderungen an der Mechanik ( Verschleiß, Defekte, etc.) können oft weder vom Bedienpersonal, noch in der Produktionsleistung erkannt werden.
Bereits lange vor einem Ausfall treten minimale Veränderungen im Prozess auf, welche durch die Analgensteuerung (SPS oder Industrie PC) erfasst werden könnten.
Sensorik definieren
Die notwendige Sensorik ist meist schon vorhanden, da sie für den Betrieb notwendig ist.
Dennoch müssen die Sensordaten eingeschränkt, beziehungsweise (falls notwendig) zusätzliche Sensorik integriert werden.
Algorithmus anwenden
Es gilt stets den einfachsten Algorithmus mit der besten Wirkung herauszufinden.
Idealerweise wird jeder Fehler vorzeitig gefunden und sämtliche falschen Alarme werden vermieden.
ihre Branche, unsere Expertise
Zielgruppenorientierte Automatisierungslösungen von Vimotech
Stahl- und Aluminiumherstellung
Automotive
Aerospace
Verpackungsindustrie
Die Daten sind da – Nutze sie!
Überwachung von Prozessgrößen
Kleinste Veränderungen in den Prozessgrößen geben einen wertvollen Hinweis auf einen baldigen Ausfall.
- Laufzeiten von Bewegungen
- Veränderung im Bewegungsverhalten (Beschleunigung, Gleichmäßigkeit, etc.)
- Ressourcenverbrauch
- Vibrationen
- uvm.
Die Auswertung von Maschinenabweichung rückt auch im Maschinen- und Anlagenbau weiter in den Vordergrund. Die User Interfaces sollen nunmehr nicht nur bei der Fehlersuche unterstützen, sondern den Anlagenbetreiber rechtzeitig davor warnen.
Die Herausforderung liegt in der Zuverlässigkeit und Korrektheit der Vorhersagen. Sollte eine Anlage stets viele ungerechtfertige Warnungen und Alarme ausgeben, werden diese nicht mehr ernst genommen. In diesem Fall wird ein erkannter Fehler einfach quittiert.
Bei größeren Anlagen fallen umfangreiche Sensordaten an, von denen jedoch nur ein Teil tatsächlich zur Vermeidung von Ausfällen beiträgt. Daher sollten gezielt jene Daten erfasst, gespeichert und ausgewertet werden, die für den Anlagenzustand und die frühzeitige Fehlererkennung relevant sind. So entsteht nicht nur eine stabile und zuverlässige Anlagenfunktion, sondern auch wertvolle Transparenz über Leistung, Optimierungspotenziale und Möglichkeiten zur Ressourcenschonung.
Um rückwirkend Konesequenzen aus dem Anlagenverhalten zu ziehen, müssen die relevanten Daten im Fehlerfall gespeichert werden. Dabei können übermäßig viele Daten genauso nutzlos sein, wie keine Daten. Die Reduktion der Informationen ist bei sämtlichen Vorgehensweisen ausschlaggebend.
Qualität statt Quantität
Verwaltung von Maschinendaten
So wenig wie möglich – so viel wie nötig
Algorithmus – Grenzwerte
Die Diagnose der Grenzwerte von Laufzeiten, Temperaturen, Bewegungen, etc. ist mittlerweile eine Grundvoraussetzung im Maschinenbau. Die exakte Einstellung der jeweiligen Grenzwerte ist jedoch eine Voraussetzung für eine vorzeitige Erkennung von Störungen. Praktisch werden diese Grenzen jedoch so eingestellt, dass sie erst bei einem tatsächlichen Ausfall der Komponente eine Alarmierung auslösen. Ein zu-enges Einstellen der Grenzen wird üblicherweise vermieden, um unnötige Alarme in der Inbetriebnahmephase zu vermeiden.
Die Analyse der Anlage über Grenzwerte ist einfach und kostengünstig. Sie lässt jedoch weder Rückschlüsse auf die Fehlerursache zu, noch berücksichtigt sie den natürlichen Verschleiß der Anlage.
BEi sämtlichen Bewegungen können Mängel an der Mechanik auftreten. Diese äußern sich in einer schwergängigen Bewegung beziehungsweise in einem Ruckeln. Eine reine Überwachung der Laufzeit gibt nicht ausreichend Ausschluss auf das Problem und würde daher zu falschen Vorhersagen führen. Aus diesem Grund wird für diesen Fall der gesamte Verlauf der Bewegung betrachtet und mit dem üblichen Verhalten verglichen. Durch eine strukturierte Archivierung der Messdaten kann in diesem Fall auch auf die Ursache des Fehler rückgeschlossen werden.
Beispiele für eine patternbezogene Auswertung sind:
- Abnormale Bewegungsabläufe
- Erkennung von Lagerschäden
- Defekete Heizelemente
- Verstopfte Rohre bei unregelmäßigem Durchfluss
- etc.
Never touch a running system
Algorithmus – Mustererkennung
Ja! aber warum?
Algorithmus – Simulation
Der Abgleich von Maschinenwerten mit Modelldaten ähnelt im Prinzip der Fehlererkennung durch Mustererkennung. Allerdings liegt ein wesentlicher Vorteil darin, dass bereits vorab eine theoretische Argumentation für das Maschinenverhalten definiert wird. Somit können nicht nur Abweichungen, sondern auch deren konkrete Fehlerursache vorhergesagt werden.
Typischerweise gibt es in einer Industrieanlage mehrere gleiche Aggregate, wodurch mit der Charakterisierung von einem Element, ein großer Teil der Anlage beschrieben werden kann.