Schon mit der konsequenten Erfassung des Zustands der Maschinen ist der erste Schritt zum erfolgreichen Einsatz von Condition Monitoring getan.

Schon mit der konsequenten Erfassung des Zustands der Maschinen ist der erste Schritt zum erfolgreichen Einsatz von Condition Monitoring getan. - Bild: Pixabay

| von Daniela Hoffmann

Mehr zum Thema Condition Monitoring erfahren Sie auf der maintenance Dortmund am 12.-13. Februar 2020.

Ausfälle von Maschinen, Anlagen oder Robotern sind häufig mit hohen Kosten verbunden – das ist besonders dann ärgerlich, wenn es an eigentlich günstigen Verschleißteilen lag. Ein klassisches Beispiel dafür sind Schweißzangen an Robotersystemen. Aber auch ganz generell können IT-Systeme für die Zustandsüberwachung dabei helfen, im Problemfall schneller zu reagieren oder gravierende Ausfälle zu vermeiden. Dazu tragen mehrere Trends bei, darunter die zunehmend günstige Sensorik, IoT-Konzepte (Internet of Things) und Big Data Analytics für die Auswertung sehr großer Datenmengen.

Die sind im Umfeld des Maschinen- und Anlagenbaus erheblich: So gibt beispielsweise ein großer Hersteller an, dass seine Werkzeugmaschinen bis zu ein Terabyte an Daten pro Stunde produzieren. In den erhobenen Daten können Wartungssysteme Muster erkennen, die auf drohende Ausfälle hindeuten. Richtig schlagkräftig werden diese Analysen dann, wenn sie mit dem Detailwissen der Mitarbeiter verbunden werden, die sich gut mit den Maschinen und Anlagen auskennen.

Bisher gehen die Unternehmen das Thema jedoch nur zögerlich an. Einer acatech-Studie zufolge geben 57 Prozent von 96 befragten Unternehmen an, dass Instandhaltung erst dann stattfindet, wenn das Problem bereits aufgetreten ist. Erst rund ein Drittel hat begonnen, Voraussetzungen für eine vorausschauende Instandhaltung zu schaffen. Nur sehr wenige Unternehmen verfügen bereits über die notwendige Datenbasis.

Retrofit als Grundlage für die Zustandsüberwachug

Um fit für das Condition Monitoring zu werden, gilt es zunächst, die bestehenden Assets in der Fabrik mit der passenden Sensorik auszustatten. Während Neuanschaffungen in der Regel heute schon über Sensoren verfügen, müssen ältere Maschinen nachgerüstet werden, Stichwort Retrofit.

Sensoren können unter anderem der Schwingungs- und Drehmomentüberwachung dienen, Temperaturen, Lichteinfall, Stromaufnahme und Durchflussrate in der Fluidmechanik messen oder die Akustik verfolgen, um zum Beispiel zu erkennen, wenn die Maschine anders als sonst klingt. Mittels Condition Monitoring werden diese physikalischen Faktoren kontinuierlich aufgezeichnet und überwacht. Häufig kommen Ampelvisualisierungen zum Einsatz, die den Zustand eines Assets anzeigen.

Mehr zum Thema Condition Monitoring erfahren Sie auf der maintenance Dortmund am 12.-13. Februar 2020.

Aktuell verfügbare CM-Systeme seien fast ausschließlich autarke Systeme, ohne Schnittstellen zum Instandhaltungsplanungssystem oder ERP-System, stellt das Fraunhofer-Institut für Materialfluss und Logistik (IML) fest. Künftig sollten die Lösungen durchgängig vernetzt sein, sodass zum Beispiel vor einem Ausfall bereits automatisch Ersatzteile oder Materialien vom ERP-System nachbestellt werden können, um lange Wartezeiten zu vermeiden.

Die Entwicklung hin zu Predictive Maintenance mitdenken

Wer sich in Richtung neuer Instandhaltungskonzepte orientiert, sollte dabei auch schon zukünftige Ausbaustufen im Hinterkopf behalten. Denn Condition Monitoring kann zugleich als  Einstieg in die intelligente Instandhaltung mit Smart Monitoring und Predictive Maintenance genutzt werden. Für  Machine-Learning- und KI-Algorithmen (Künstliche Intelligenz), sind große Datenmengen essentiell – und zwar nicht nur aktueller, sondern auch historischer Daten.

In welcher Qualität und Frequenz die Daten erhoben werden, kann später den Ausschlag dafür geben, ob sich Ansätze wie Predictive Maintenance gut umsetzen lassen. Dafür müssen sich die Daten zum Beispiel zeitlich zuordnen lassen und in ausreichender Frequenz erhoben werden: Schließlich werden die Zustandsinformationen dabei mit vielen anderen Parametern und zum Beispiel Wetterdaten in Korrelation gesetzt, um Muster aufzudecken, die auf Probleme hinweisen.

Die Zustandsüberwachung und Predictive Maintenance können auch dazu beitragen, teure Redundanzen abzubauen. In der Praxis sind Produktionssysteme aus Sicherheitsgründen oft redundant ausgelegt, um Ausfälle abzufangen. Teilweise werden sogar weitere Produktionslinien vorgehalten, damit bei einem Ausfall weiterproduziert werden kann. Das ist mit erheblichen Kosten verbunden.

Es muss nicht gleich das volle KI-Programm sein

Schon in der ersten Ausbaustufe der Zustandsüberwachung lässt sich durch den Einsatz von intelligenten Algorithmen auf Basis von Machine Learning und KI viel erreichen – auch ohne historische Daten. Dabei werden die Daten genutzt, die den Normalzustand widerspiegeln, um automatisch Anomalien, also Abweichungen, zu erkennen. Das geht auch mit den einfach erhobenen Sensordaten.

Dennoch gilt: Je besser die Daten nach Kriterien wie „Maschine funktioniert“ oder „Maschine funktioniert nicht“ unterteilt und gekennzeichnet (gelabelt) werden, desto besser lassen sich später KI-Algorithmen trainieren. Für die Instandhaltung bedeutet das, Vorfälle ganz konsequent digital zu dokumentieren. Bei der Entscheidung für Condition Monitoring ist Augenmaß nötig. Der Aufwand lohnt sich vor allem dort, wo Wartung besonders teuer ist – beispielsweise in Offshore-Windparks oder Turbinen an abgelegenen Orten, aber natürlich auch dort, wo die Folgen von Ausfällen besonders teuer oder weitreichend sind.

Mehr zum Thema Condition Monitoring erfahren Sie auf der maintenance Dortmund am 12.-13. Februar 2020.

Immer informiert mit dem Newsletter der INSTANDHALTUNG

Ihnen hat gefallen, was Sie gerade gelesen haben? Dann abonnieren Sie unseren Newsletter!

So bleiben Sie zu allen Neuigkeiten und Trends aus der Instandhaltungs-Branche auf dem Laufenden. Profitieren Sie von den Vorteilen unserer unterschiedlichen Newsletter-Formate - kostenlos!

Hier klicken und anmelden!

Der Eintrag "freemium_overlay_form_ish" existiert leider nicht.