Suchen

Service

Instandhaltung: Von der Datenaufnahme zur Prognose

| Autor/ Redakteur: Bernd Bauer / Rebecca Vogt

Predictive Maintenance ist eine Schlüsseltechnik der Industrie 4.0. Dabei wird jedoch oft übersehen, dass neben Datenaufnahme und -analyse vor allem die -diagnose und -prognose von großer Bedeutung sind.

Firmen zum Thema

Die Erfassung unterschiedlichster Sensordaten bildet die Grundlage für eine vorausschauende Instandhaltung.
Die Erfassung unterschiedlichster Sensordaten bildet die Grundlage für eine vorausschauende Instandhaltung.
(Bild: SKF)

Den ersten Schritt zu einer vorausschauenden Instandhaltung stellt naturgemäß die Datenaufnahme dar. Dazu lassen sich unter anderem Weg-, Schwinggeschwindigkeits-, Beschleunigungs-, Ultraschall-, Acoustic-Emission-, Drehzahl-, Drehmoment- und Temperatursensoren oder auch Partikelzähler nutzen. Künftig dürfte zudem die Glasfasersensorik hinzustoßen, an deren Marktreife einige Unternehmen bereits intensiv arbeiten. Derartige Sensoren liefern eine Vielzahl von Informationen. Folglich müssen ihre Schnittstellen so genutzt werden, dass die Unmenge an Daten mit möglichst geringem Aufwand aggregiert werden kann. Dafür bieten sich Standardschnittstellen, wie zum Beispiel OPC (UA), Modbus, Profibus oder Canbus, an.

In Bezug auf Prozessdaten funktioniert dies in der Regel noch gut. Jedoch stößt man bei der für manche Analysen nötigen Synchronisation von dynamischen Daten schnell an Grenzen. Zwar sind Analyseverfahren, die auf dynamischen Daten aufsetzen, gut etabliert und werden von der Summenwertanalyse bis hin zum Farbsonogramm von vielen Anbietern eingesetzt, aber für eine erfolgreiche Maschinendiagnose, die letztendlich die Grundlage für Predictive Maintenance bildet, wird noch mehr benötigt.

Prognosen erfordern Expertenwissen

Abgesehen von reinen Maschinendaten, entsprechenden Algorithmen und Darstellungen ist ein ausgeprägtes Expertenwissen in manchen Bereichen nach wie vor unverzichtbar. Das gilt insbesondere dann, wenn – neben einer fachmännischen Ursachenforschung – auch eine Prognose über die Lebensdauer einer Komponente oder Maschine gefragt ist: Derartige Diagnosen und Vorhersagen erfordern in der Regel einen hoch spezialisierten Erfahrungsschatz.

Da nicht jeder Instandhaltungsmitarbeiter über ein solches Know-how verfügt, hat SKF unter anderem ein globales Netzwerk aus Remote-Diagnostic-Centern etabliert. Via Cloud ist dieses Expertennetzwerk in der Lage, auffällige Zustandswerte beim Anwender rund um die Uhr genauer zu untersuchen. Im Bedarfsfall hat der Kunde dadurch gewissermaßen die Möglichkeit, direkt auf die im Unternehmen vorhandene Anwendungserfahrung zuzugreifen und eine qualifizierte Handlungsempfehlung abzurufen. Wenn sich Schadensmuster aus der Vergangenheit, die unter vergleichbaren Betriebsbedingungen erfasst wurden, für ein selbstlernendes System heranziehen lassen, kann dieser Vorgang auch automatisiert ablaufen.

Insgesamt geht Predictive Maintenance weit über die reine Schadensdiagnose hinaus: Ihr wahrer Mehrwert liegt darin, eine Aussage zur geschätzten Restlebensdauer treffen zu können – und diese Lebensdauer, bei Bedarf mit der Unterstützung externer Fachleute, zum Teil noch zu verlängern. Das lohnt sich speziell dort, wo die Kosten für unplanmäßige Ausfälle hoch sind. So etwa in Fällen,

  • bei denen Maschinen nicht redundant unmittelbar an einem verketteten Produktionsprozess beteiligt sind, wie zum Beispiel Werkzeugmaschinen,
  • bei denen die Komponenten lange Lieferzeiten haben, wie beispielsweise große Getriebe oder Motoren für Stahl- oder Zementwerke,
  • wo ein Austausch schwierig und langwierig ist, wie etwa bei Offshore-Windenergieanlagen oder Schiffen.

Neue, ganzheitliche Servicekonzepte

Hinzu kommt, dass sich über Predictive Maintenance neue Servicekonzepte realisieren lassen – etwa, indem ein OEM seinem Kunden nicht nur eine Maschine als solche, sondern vielmehr die Verfügbarkeit dieser Maschine verkauft. Zu diesem Zweck hat SKF Ende November 2018 ein Center für Rotating Equipment Performance (REP) eröffnet. Mit diesem Zentrum in Schweinfurt – einem der ersten seiner Art in Europa – will das Unternehmen seinen Kunden eine umfassende Vernetzung aller effizienzsteigernden Faktoren bieten. Ziel ist, auf Basis moderner Kommunikationsmittel sämtliche technisch, kaufmännisch und logistisch verfügbaren Potenziale zu erschließen, mit deren Hilfe dann die Wettbewerbsfähigkeit des Kunden verbessert werden soll. Das REP-Center dient dazu, für jeden Anwender ein passendes Lösungspaket aus Hardware, Software, Services und Know-how zu schnüren.

Der Quick-Collect-Sensor von SKF liefert Daten, die dann in der zugehörigen App mobil ausgelesen werden können.
Der Quick-Collect-Sensor von SKF liefert Daten, die dann in der zugehörigen App mobil ausgelesen werden können.
(Bild: SKF)

Benutzerfreundliche mobile Lösungen

Schließlich kann Predictive Maintenance auch dazu beitragen, Gewährleistungsansprüche zu begründen oder abzuwehren, die Qualität in der Produktion sicherzustellen oder das Design beziehungsweise die Fahrweise einer Maschine zu verbessern. Dabei lassen sich durch die Verknüpfung von smarten Systemen mit benutzerfreundlichen Apps auf mobilen Endgeräten Investitionen reduzieren. Gleichzeitig sinkt so auch der Trainingsaufwand für die Servicemitarbeiter.

Darüber hinaus sorgen benutzerfreundliche mobile Lösungen für eine hohe Akzeptanz bei ihren Bedienern, was wiederum die Motivation fördert, diese Geräte samt App auch regelmäßig zu nutzen. Letztendlich ist eine regelmäßige Nutzung dieser digitalen Tools mitentscheidend für den Erfolg der gesamten Predictive-Maintenance-Maßnahme.

* Dr. Bernd Bauer ist Manager Service Sales Development bei der SKF GmbH in 97421 Schweinfurt, Tel. (0 97 21) 56-0, marketing@skf.com, www.skf.de

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 45661543)