Vernetztes Condition Monitoring
Fahrtenschreiber für die Fertigung
Die Zustandsüberwachung von Maschinen und Anlagen hilft Unternehmen dabei, Verschleiße und Veränderungen frühzeitig zu erkennen. Auf Basis der Daten aus dem Condition Monitoring lassen sich rechtzeitig Maßnahmen umsetzen, um Produktionsausfälle und Qualitätsmängel zu vermeiden. Einen wichtiger Faktor stellt dabei die durchgehende Verfügbarkeit der Zustandsdaten in den beteiligten Systemen dar – etwa um in der Instandhaltungslösung den passenden Auftrag zu erstellen oder über die Warenwirtschaft frühzeitig das richtige Ersatzteil zu bestellen.
Bild: ifm consulting
Als vor einigen Jahren erste Lösungen zum Condition Monitoring eingeführt wurden, geschah dies in der Hoffnung, endlich einen Ansatz für die Vermeidung von ungeplanten Produktionsausfällen gefunden zu haben. Maschinen und Anlagen wurden mit Sensorik ausgestattet, Massen von Daten gesammelt. Doch die Auswertung der vorhandenen Informationen warf in den Unternehmen immer wieder Fragen auf. Welches sind die wichtigen Daten? Was sagen die Messwerte über den Zustand der Anlage aus? Welche Werte sind noch tolerabel und ab wann müssen Maßnahmen ergriffen werden? Sind einmal festgelegte Grenzwerte und Erfahrungswerte auf andere vergleichbare Anlagen anwendbar? Vielfach fehlten die messtechnischen Grundlagen, sowie die notwendigen Softwarelösungen und Erfahrungswerte, um die gesammelten Messwerte zielgerichtet zu interpretieren.
Vom Sensor in Instandhaltung und ERP-System
Heute sind die Grundlagen geschaffen. Zu vielen Applikationen liegen Erfahrungswerte vor und die Technik wird beherrscht. Es existiert eine Vielzahl von Sensorik, um Schwingungen, Drücke, Temperaturen, Kräfte und vieles mehr zu erfassen. Daten können heute ohne Probleme aus vorhandenen Steuerungen ausgelesen werden. Dabei besteht die Möglichkeit, in Form von Regeln physikalische Messgrößen per Softwareauswertung miteinander zu verknüpfen und Abhängigkeiten herzustellen. Ein Verschleiß liegt beispielsweise erst dann vor, wenn der Druck einen bestimmten Schwellenwert übersprungen hat, die Temperatur sich innerhalb des Soll-Bereiches befindet und die Schwingungswerte der Lager eine festgelegte Größe erreicht haben.
Neben IT-Lösungen für die Auswertung stehen heute auch Schnittstellen für den Remoteservice und die Instandhaltungsplanung bis in die Welt der Enterprise-Ressource-Planning-Systeme (ERP) zur Verfügung. Unternehmen können so beispielsweise durch den Blick auf langfristige Auswertungen verbesserte Wartungsstrategien für ihren Maschinenpark entwickeln und auch die Serviceabwicklung, etwa durch automatisierte Ersatzteilbestellungen im ERP-System, verbessern. Allerdings bleibt ein Problem bestehen: Condition Monitoring ist nicht kostenlos, die Ausstattung der Maschinen mit Sensorik sowie die Datenerfassung und Auswertung sind mit Investitionen verbunden. Die Ergebnisse einer Systemeinführung im Hinblick auf Vermeidung von Produktionsausfällen wiederum sind nicht vorhersehbar, entsprechende Amortisationsrechnungen meist nur schwer durchführbar.
Der Weg zum intelligenten Condition Monitoring
Die Praxis hat inzwischen gezeigt, dass es nicht sinnvoll ist, sämtliche Maschinen und Anlagen mit Condition Monitoring-Systemen auszustatten. Vielmehr beschränken sich aktuelle Installationen auf die wichtigen Anlagen, deren Ausfall hohe Kosten verursachen oder aber die Produktqualität nachhaltig beeinflussen. Die Grenzwertfestlegung, ab wann ein Verschleiß vorliegt, der etwa den Austausch eines Teiles rechtfertigt, erfolgt dabei auf Basis von Erfahrungswerten. Diese sind heute meist fest eingestellt und passen sich nicht den Veränderungen der Bearbeitungsprozesse innerhalb einer Maschine und Anlage an. In diesem Punkt ist die Softwareentwicklung gefordert, mit Hilfe von Wissensdatenbanken und beispielsweise neuronalen Netzwerken die Verschleißerkennung von Anlagen zu optimieren und Grenzwerte in Abhängigkeit von veränderbaren Prozessparametern variabel zu gestalten.
Auf dieser Basis werden Forschung und Anbieter Conditon-Monitoring-Lösungen aller Voraussicht nach in naher Zukunft hin zu selbstlernenden Systemen entwickeln. Denn die steigende Rechnerkapazität ermöglicht komplexe Berechnungen, so dass die Verschleißgrenzwerte variabel an die veränderbaren Prozess- und Umgebungsbedingungen im Unternehmen angepasst werden. Durch den Aufbau ergänzender Wissensdatenbanken werden zudem die Aussagekraft und die Sicherheit, mit der Anlagen- und Maschinenverschleiße unabhängig vom Unternehmen diagnostiziert werden, gravierend steigen.
Das könnte Sie auch interessieren:
