Anzeige
Anzeige
Beitrag drucken

OPC UA

Do-it-yourself-System für Predictive Maintenance

Mit Datenanalysen auf Basis mathematischer Vorhersagemodelle lässt sich früh erkennen, wenn sich Zustände grundlegend ändern. Was in der Finanzindustrie seit langem zum Standard zählt, könnte Anlagenbetreibern erhebliche Instandhaltungsausgaben ersparen. Viele Maschinenhersteller halten sich mit solchen Angeboten allerdings noch zurück und überlassen externen Spezialisten somit einen interessanten Markt.



Bei einem pneumatischen Subsystem zum Materialtransport in einer Fertigungszelle, zum Beispiel einem Führungszylinder mit einem Druckluft-bewegten und SPS-gesteuerten Schlitten, lassen sich durch Daten-basiertes Condition Monitoring und den damit möglichen Service- und Wartungskonzepten die Ausfallzeiten der Baugruppe reduzieren und die Lebensdauer steigern. Bild: SSV Software Systems GmbH

Fragt man Maschinen- und Anlagenbauer, warum die jeweils angebotenen Produkte nicht von Haus aus mit einem Predictive Maintenance-System oder zumindest mit dafür geeigneten Datenschnittstellen ausgerüstet werden, kommt in der Regel mindestens eine von diesen zwei Antworten:

  • Die dafür erforderliche Sensorik und Datentechnik sei noch viel zu teuer. Durch den höheren Verkaufspreis würde sich die Wettbewerbsfähigkeit der eigenen Produkte reduzieren.
  • Bei einer Maschine oder Anlage würden vor Ort sehr viele Daten anfallen. Um diese in der Unternehmenszentrale auszuwerten, müsste schon eine sehr breitbandige Kommunikationsverbindung direkt bis zur Maschine beim Kunden zur Verfügung stehen. Das sei zu teuer. Im Übrigen würden Betreiber der Maschinen in der Regel überhaupt keine externen Datenverbindungen akzeptieren.

Sensoren werden günstiger

Dabei waren Systeme zur Vorausschauenden Instandhaltung noch nie einfacher umzusetzen als heute. Durch den Hype um das Internet der Dinge in der Konsumerelektronik und anderen Marktsegmenten werden Monitoring-Sensoren kommunikationsfähiger und günstiger. Darüber hinaus bieten die meisten Anlagen mit ihren SPSen bereits viele geeignete Daten, die bisher in der Steuerung verborgen beziehungsweise isoliert sind. Um eine entsprechende Lösung einzurichten, sollte mithilfe eines Predictive Maintenance-Gateways auf diese Daten zugegriffen und geklärt werden, welche für die Zustandsüberwachung relevanten Informationen sich aus diesen Daten gewinnen lassen. Am Beispiel eines pneumatischen Subsystems zum Materialtransport in einer Fertigungszelle lässt sich das illustrieren: Es besteht aus einem Führungszylinder mit einem Druckluft-bewegten und SPS-gesteuerten Schlitten, der sich jeweils zwischen linker und rechter Endposition hin und her bewegt. An den Endpunkten des Führungszylinders befindet sich ein Näherungssensor mit einem Schaltpunkt, um der SPS vom Typ Siemens S7-1200 die aktuelle Endposition des Schlittens anzuzeigen. Nur durch den Netzwerk-Zugriff per RFC1006-Protokoll (ISO-on-TCP) auf die beiden S7-1200-Eingänge für X1 und X4 lassen sich im PM-Gateway schon einmal die folgenden Condition Monitoring-Informationen gewinnen:

  • Bisherige Gesamtstrecke des Schlittens − Der Schlitten auf dem Führungszylinder hat eine maximale Laufleistung, zum Beispiel 3.000 Kilometer. Durch das Zählen der erreichten Endpositionen X1 und X4 lässt die sich Gesamtstrecke errechnen und eine Aussage zur möglichen Restlaufleistung ableiten.
  • Genaue Anzahl aller Ventilbetätigungen in der Ventilinsel − Für alle zum pneumatischen Subsystem gehörenden Ventile können an Hand der Endpositionen X1 und X4 die Anzahl der Ventilschaltvorgänge gezählt und die gemäß Datenblatt mögliche Restlebensdauer errechnet werden.
  • Zeitspanne für die Schlittenbewegung von links nach rechts und umgekehrt − Über die Zeitmessungen zwischen den Betätigungen der Schaltkontakte an den Endpositionen X1 und X4 lässt sich etwa ein Überdruck (Schlitten zu schnell), ein Unterdruck oder eine mechanische Überlastung (Schlitten zu langsam) sowie Verschleiß an Schlitten und Führungszylinder erkennen.
  • Stoßdämpfernutzung − Durch Errechnen der Schlittengeschwindigkeit und Zählen der Schlittenbewegungen zwischen den Endpunkten X1 und X4 ist die Auffahrgeschwindigkeit sowie die maximale Energieaufnahme pro Hub und pro Stunde grob bestimmbar. Diese Daten reichen allerdings in der Praxis nicht aus, um die Restlebensdauer eines Stoßdämpfers zu ermitteln.


Die Kommunikationsbeziehungen einer digitalisierten Fabrik lassen sich meist in drei Domains (OT = Operational Technology, CT = Cloud Technology, IT = Information Technology) gliedern. Ein Predictive Maintenance-Gateway wird typischerweise direkt in der OT-Domain eingesetzt. Bild: SSV Software Systems GmbH


Vorhersage vor Ort

Alle Zeitmessungen und Berechnungen zur Schlittengeschwindigkeit sind relativ ungenau, solange nur die digitalen Näherungssensorsignale der Endpunkte X1 und X4 zur Verfügung stehen. In der Schlittenlaufzeit zwischen diesen Endpunkten sind auch die von verschiedenen Parametern abhängigen Dämpfungsphasen der Stoßdämpfer-Hubstrecken (Zeitspannen t1 und t2 in der Abbildung links) enthalten. Insofern wird der Schaltzeitpunkt der Näherungssensoren an X1 und X4 immer um die nicht konstante Energieabsorptionszeit der Stoßdämpfer verzögert. Die beiden Stoßdämpfer an den Schlittenenden sind aber auch die kritischen Komponenten des gesamten pneumatischen Subsystemes. Reicht die Dämpfung nicht mehr aus, fährt der Schlitten ungebremst an den Anschlag des Führungszylinders. Dadurch kann es zu irreparablen Schäden am gesamten Subsystem kommen. Insofern ist es sinnvoll, den Zustand der Stoßdämpfer in das Condition Monitoring einzubeziehen und hierfür zusätzliche Sensoren zu installieren. Will man nun die Wirkung der Stoßdämpfer für das Condition Monitoring messen, sollten die einfachen Näherungssensoren mit je einem Schaltkontakt durch eine spezielle Variante mit zwei Schaltkontakten ersetzt werden. Der räumliche Abstand zwischen den beiden Schaltern in einem Näherungssensor wird bei der Inbetriebnahme in einen direkten räumlichen Zusammenhang zur Stoßdämpfer-Hubstrecke gesetzt. Diese Erweiterung ergibt mit X2 (Anfang der Hubstrecke linker Stoßdämpfer) und X3 (Anfang der Hubstrecke rechter Stoßdämpfer) zwei neue Punkte auf der X-Achse. Da X1 und X4 ja nicht nur den Schlittenendpunkten auf dem Führungszylinder, sondern auch dem jeweiligen Ende der Stoßdämpfer-Hubstrecken entsprechen, lassen sich nun die Zeitspannen t1 (Hubzeit linker Stoßdämpfer) und t2 (Hubzeit rechter Stoßdämpfer) für jede Schlittenbewegung Millisekunden-genau ermitteln.

Hubgrößen verändern sich

Diese Hubzeiten werden sich bei längerer Betriebsdauer und damit einhergehenden nachlassendem Stoßdämpferöldruck verändern und immer kleiner werden. Um für den Führungszylinder eine vorausschauende Wartung zu ermöglichen, werden alle Daten, die sich per RFC1006-Protokoll über die Ein- und Ausgänge der SPS erfassen und errechnen lassen, in bestimmten Zeitabständen im PM-Gateway in einer Datenbank gespeichert. Auf Grund der begrenzten Speicherkapazitäten des Gateways wird die Zustandsdatenmenge mit Hilfe einer Datenvorverarbeitung reduziert. Auf die in der Datenbank gespeicherten Werte wird im PM-Gateway durch einen Predictive Analytics-Prozess fortlaufend zugegriffen, um mit einem mathematischen Verfahren eine Zukunftsprognose zu bestimmen, den nächsten fälligen Wartungstermin zu ermitteln und ungeplante Ausfallzeiten zu vermeiden. Alle aktuellen Zustandsdaten, errechnete Werte aus der Datenbank und die Ergebnisse der Datenanalyse werden mit Hilfe von OPC UA als SOA-Schnittstelle (Serviceorientierte Architektur) anderen Anwendungen zur Verfügung gestellt. Das kann eine MES-Applikation sein, die in der IT-Domain zur Verfügung gestellt wird.


Das könnte Sie auch interessieren:

Die Parametrierung von Anlagen ist zeitintensiv und erfordert Fachwissen - und findet demnach nur statt, wenn es nicht anders geht. Doch Datenanalyse und Algorithmen können künftig helfen, Produktionsanlagen und eingesetzten Ressourcen stets das Bestmögliche zu entlocken.‣ weiterlesen

Verbraucher können Massenprodukte wie Schuhe und Autos längst nach individuellen Wünschen gestalten. Auch im Industriebereich erwarten Kunden immer individuellere Lösungen zum Preis von Serienprodukten - obwohl Komplexität und Kosten beim Hersteller steigen. Softwaregestützte Variantenkonfiguration adressiert diese Effekte.‣ weiterlesen

PSI Automotive & Industry hat Details zum neuen Release 9.4 des ERP-Systems Psipenta bekanntgegeben. Überarbeitet wurden demnach zum Beispiel die Unterstützung bei der Exportabwicklung, die Textverwaltung, die Standardberichte im Client sowie Mehrsprachenbelege.‣ weiterlesen

Viele Unternehmen rollen Funktionalität im IIoT als Microservice aus. Dazu erstellen IT-Teams kleine Software-Container, die oft mit Kubernetes verwaltet werden. Das könnte künftig häufiger mit Bare Metal Kubernetes erfolgen.‣ weiterlesen

Angesichts komplexer werdender Prozesse und dem Wunsch nach niedrigen Durchlaufzeiten parallelisieren Unternehmen Entwicklungsabäufe per virtuellen Inbetriebnahme.‣ weiterlesen

Wollen Hersteller mehrere Werke mit einer vergleichbaren MOM/MES-Infrastruktur versorgen, steigen die Projektrisiken deutlich. Klare Zielvorgaben, offene Kommunikation und ein Exzellenzzentrum helfen, die Risiken zu bewältigen - und instanziierbare MOM-Templates zu entwickeln, die trotzdem individuelle Anforderungen berücksichtigen.‣ weiterlesen

Die Stimmung in den Unternehmen hat sich im Mai etwas aufgehellt. Der Ifo-Geschäftsklimaindex stieg auf 93 Punkte. Trotz Inflationssorgen, Materialengpässen und Ukraine-Krieg erweise sich die deutsche Wirtschaft als robust, so Ifo-Präsident Clemens Fuest.‣ weiterlesen

Aptean DACH hat zwei neue Partner im Boot: den KI-Spezialisten Prodaso sowie das IT-Systemhaus Acomm.‣ weiterlesen

Im Gegensatz zur klassischen Produktions-IT bieten Cloud-Systeme höhere Rechen- und Speicherkapazitäten. Für Anwendungen mit deterministischen Anforderungen gelten diese Infrastrukturen aber als ungeeignet. Dabei können viele Hürden mit der richtigen Konfiguration und der Nutzung von TSN überwunden werden.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige