Downloads

59kB

Wissenswertes aus der Praxis für Hydro-Kraftwerke und andere Gewerke - Vorhersagen zu kommenden Maschinendefekten oder Produktionsausfällen sind in der Wartungsbranche so erwünscht wie im Aktienhandel, v.a. wenn Ersatzteile wie Wälzlager oder Getriebeteile lange Lieferzeiten aufweisen. Manche Betreiber lassen ihre Anlagen einmal jährlich von einem Schwingungsexperten beurteilen. Neuerdings werden solche Maschinen auch mit „smarter Sensorik“ bzw. IoT aufgerüstet, weil diese auch sehr preiswert angeboten werden. Dabei handelt es sich um funkbasierte IoT Sensoren, mit einem sog. MEMS Beschleunigungssensor im Gehäusefuss. Gewisse Modelle von Smart-Sensoren müssen alle paar Jahre ersetzt werden weil die Batterie nicht austauschbar ist. Um die Batterielebensdauer zu verlängern, versenden viele Funksensoren daher keine langen Zeitreihen sondern kurze RMS Summen-Messwert. Der technisch versierte Käufer stellt sich aber die Frage, ob solche einfachen IoT Funksensoren basierend auf RMS Messwerten rechtzeitig Alarm schlagen können oder gar einen Defekt erkennen können mit einer so groben Auflösung. Man stellt schliesslich fest, dass hochauflösende Messsysteme neben den technischen Vorteilen auch wirtschaftliche Vorteile aufweisen können.

"Predictive Maintenance in der Praxis", Polydrive 2/19, Vorausschauende Wartung oder Predictive Maintenance bietet sich für Lager und Getriebe an, weil Defekte deterministisch erscheinen. In der Praxis hat sich aber gezeigt, dass die Probleme nicht in der Analyse, wo heute Künstliche Intelligenz verwendet wird, sondern in der Gewinnung der Rohdaten beginnen. Verlorene Informationen in den Daten lassen sich später nicht mehr rückgewinnen.

Ist die Zeit reif für intelligente Anlagenüberwachung? Die Schweiz ist ein Land der Wasserkraftwerke. Viele Kleinwasserkraftwerke sind nur mit der Standardüberwachung oder einer Notabschaltung ausgerüstet. Eine zusätzliche oder sogar intelligente Überwachung, der Wälzlager, ist fast nie vorzufinden weil die erwarteten Installationskosten als zu hoch eingeschätzt werden. Aber die Kosten für entsprechende Hardware sind gesunken und Anbieter von Cloud-basierter Überwachungssoftware können die Kostenvorteile an ihre Kunden weiterreichen. So befinden sich heute die Investitionskosten oft nur noch im vierstelligen Bereich.
Betreiber, die Erfahrung mit einem Wellenbruch hatten oder keine Fachkräfte mehr finden, sind gegenüber intelligenter Überwachung offener. Als erster Schritt wird die Zustandsüberwachung (Condition Monitoring‚ CM), angesehen, wo, basierend auf historischen Messwerten, Aussagen zum aktuellen Maschinen- oder Komponentenzustand gemacht werden. Erst wenn genügend Daten vorhanden sind, speziell solche, die den Verlauf von Defekten wiedergeben, kann die Königsdisziplin, die Wartungsvorhersage (Predictive Maintenance‚ PM), ins Auge gefasst werden. Der Übergang von CM zu PM ist ein Fokus dieses Fachberichts.

Data-Mining - das etwas andere Eldorado (PDF) - Erhält man ein persönliches Anschreiben, das die eigenen Wünsche genau trifft, kann es zwar purer Zufall sein, aber auch ein Ergebnis von «Data-Mining» und «Big-Data». Data-Mining ist für Grosskonzerne eigentlich nichts Neues. Heute eröffnet die Computerisierung zusammen mit dem Internet jedoch auch kleinen Organisationen ungeahnte Möglichkeiten der Optimierung im umkämpften Weltmarkt. Aber was ist Data-Mining und wo kann es eingesetzt werden?

Maschinenüberwachung, neue technologien ermöglichen hohen Automatisierungsgrad (PDF) - Seit den 1990er-Jahren hat die Computerisierung die Effizienz von Tätigkeiten gesteigert. Die Automatisierung lässt sich aber noch weiterführen, wodurch zusätzliche Kosten gespart werden. Dabei steht der Einsatz mehrerer neuer Technologien bei der Maschinenüberwachung im Fokus, welche die Prozesse durch den Informationsinhalt von erfassten Daten steuern. Typische Anwendungsgebiete sind Anlagen in abgelegenen Gebieten wie Windkraftanlagen auf See, Minen oder verteilte Kraftwerke in den Bergen.