Aufrufe
vor 11 Monaten

O+P Fluidtechnik 10/2016

  • Text
  • Fluidtechnik
  • Sensor
  • Predictive
  • Maintenance
  • Industrie
  • Spool
  • Valve
  • Controller
  • Anwendungen
  • Produkte
O+P Fluidtechnik 10/2016

chen Intelligenz. Da ist

chen Intelligenz. Da ist derzeit nicht alles fertig, eine sichere Methodik, vorausschauend Fehler zu erkennen, ist noch nicht verfügbar. Doch wir sollten damit rechnen, dass hier demnächst neue Lösungen am Markt erscheinen. Dr. M. Richter: Die Vorverarbeitung von CM-Daten in den Geräten der Fluidtechnik sehe ich als sinnvolle Entwicklung, welche die Arbeit der Maschinenbauer unterstützt und die Echtzeitübertragung aller Rohdaten vermeidet. Die Datenvorverarbeitung kann ein modulares Diagnosesystem einer Großanlage vereinfachen. Ich glaube aber nicht, dass man CM für eine Großanlage nur mit vorverarbeiteten Signalen aus Komponenten gestalten kann. Wenn wir identische Pressen haben, erleben wir, dass sie bei dem einen Kunden halten und beim anderen Defekte auftreten. Da spielt das Lastkollektiv im Betrieb eine große Rolle. Als Maschinenhersteller verstehen wir solche Informationen und können sie auswerten, wenn uns der Kunde die Daten dazu gibt. Solange die Fluidtechniker CM und Diagnose bei ihren Geräten anbieten und vorverarbeitete Daten für weitere Analysen zur Verfügung stellen, ist dies bei den Maschinenherstellern sicherlich willkommen. Ändert sich die Situation, wenn die Fluidtechniker Diagnose mit Hilfe intelligenter Messdaten-Analytics für funktionsrelevante Teilsysteme einer Maschine oder Anlage anbieten, beispielsweise der vorhin erwähnte Antriebsstrang einer Windenergieanlage oder das Antriebssystem für eine Förderanlage? Dr. T. Torikka: Nein, es wird nicht die gesamte Maschine überwacht. Wir überwachen die Subsysteme mit ihren hydraulischen Komponenten, aber nicht die komplette Maschine. Wir arbeiten mit den Anlagenbauern und den Endkunden eng zusammen und stehen nicht in Konkurrenz zu ihnen. Dr. J. Bredau: Das möchte ich unterstreichen. Wenn wir ein funktionsrelevantes Subsystem analysieren, dann stehen wir noch lange nicht in Konkurrenz zu einem Maschinenbauer. CM, PdM erfordert auch ein anderes Businessdenken als früher. Es gibt häufig eine Kooperation von Komponenten- und Maschinenhersteller sowie dem Endanwender; denn Applikationswissen gehört immer zu einer guten Lösung. R. C. Krähling: Der Wettbewerb besteht meines Erachtens nicht zwischen dem Maschinenbauer und der Fluidtechnik als Zulieferer, diese sind vielmehr Partner. Konkurrenz entsteht, wo Maschinendaten anderen Firmen zugänglich sind, die daraus Geschäftsmodelle entwickeln können und einen Zugang zum Endkunden haben. Dies trifft insbesondere auf IT-Unternehmen, wie Google, Facebook oder SAP zu, die in eigene Lösungen für web-basierte Datenverarbeitung investiert haben. MENSCHEN UND MÄRKTE Echte PdM-Systeme sind in der Fluidtechnik bisher praktisch kaum realisiert. Was sind die wichtigsten Hindernisse? Sind die Verschleißund Alterungsmechanismen nicht hinreichend bekannt oder nicht ausreichend in mathematischen Modellen beschrieben? Prof. S. Helduser: Fassen wir kurz zusammen: Stand der Technik bei hydraulischen und pneumatischen Systemen sind erste CM-Lösungen auf Komponenten- und Maschinenebene. Die Verarbeitung/Analyse der CM-Daten zu Informationen für Diagnose und Wartung erfolgt sowohl in der Feldebene, in Komponenten und Subsystemen mit Onboard-Elektronik (Ventilinseln, Regelpumpen oder kleine Controllen) als auch in der Maschinensteuerung. Vorteilhaft erscheint in vielen Fällen der Einsatz eines parallelen Rechnerns, was bei großen Anlagen und cloudbasierten Diagnosesystemen bereits Standard ist. F. Fritz: Für die Vakuumtechnik fehlen schlichtweg noch die Modelle der einzelnen Komponenten. Die Gründe sind vielfältig. Die Komplexität der Verschleißeigenschaften, der Materialeigenschaften sowie der Umgebungsbedingungen und unterschiedlichen Störeinflüsse ist enorm für rein physik-basierte Modelle. Für empirische Modelle fehlen uns bisher die Daten aus dem Feld. Zwar gibt es seit vielen Jahren eine entsprechende Funktionalität in unseren Komponenten, aber die Daten wurden nie gespeichert und nie analysiert, um daraus ein Modell abzuleiten, auch weil die Infrastruktur dafür nicht vorhanden war. Aber genau diesen Ansatz verfolgen wir zurzeit. Bei aktuellen Lebensdauertests unserer Komponenten suchen wir Korrelationen zwischen den verschiedenen Ein- und Ausgangsparametern. Die Untersuchungen beschränken sich nicht nur auf Laborversuche, denn dabei fehlen vielleicht wichtige Störeinflüsse aus den zugehörigen Prozessen, sie umfassen auch Tests mit ausgewählten Kunden und Partnern. Wir speichern alle Daten, wir produzieren erst einmal ein gewaltiges Datenvolumen (Big Data) und analysieren dieses im Nachgang mit dem Ziel, ein Vorhersagemodell abzuleiten. 20 O+P Fluidtechnik 10/2016

110. O+P-GESPRÄCHE Dr. J. Bredau: Um keine Missverständnisse aufkommen zu lassen: Wir haben zur Beschreibung des Komponentenverhaltens gute physikalische Modelle als Grundlage. Aber wie schon gesagt, muss für PdM die Applikation berücksichtigt werden. Aus meiner Sicht fehlen neben den Vorhersagemodellen hier auch die Plattformen. Wir testen schon seit Jahren unsere Antriebssysteme unter bestimmten Belastungen im Versuch. Die Grenzen solcher Verschleißbetrachtungen zeigen sich im praktischen Einsatz beim Kunden. Um einen Schritt weiter in Richtung PdM gehen zu können, müssen wir verstehen, wie die Komponenten in einer Applikation belastet werden. Herr Dr. Richter hat dies vorhin bei den Pressen erläutert: Gleiche Pressen bei unterschiedlichen Kunden (Belastungen) haben unterschiedlichen Lebensdauervorrat. Wir brauchen Modelle, die Applikationswissen mit dem Einsatz der Komponente kombinieren. Die Modelle müssen beinhalten, wie die Anwendung auf die Komponente wirkt und die Lebensdauer verändert. Können Sie uns das an einem Beispiel erläutern? Dr. J. Bredau: Ein interessantes Beispiel aus dem Hause Festo sind Melkroboter: Hier arbeiten elektrische und pneumatische Achsen zusammen. Natürlich können wir für jeden Zylinder im Labor Verschleißuntersuchungen machen um vorherzusagen, ab wie viel km Verfahrweg sie verschleißen. Außerdem gibt es auch B10-Werte. Aber im realen Fall, wenn zum Beispiel die Kühe beim Melken angelernt werden, reagieren sie ganz anders und belasten das System ganz anders. Erst mit den Daten aus der Applikation ist eine Prädiktion möglich. Man benötigt zusätzlich eine Plattform, um qualifizierte Daten über eine längere Zeit zu sammeln, danach kann man Analysen machen. Dr. T. Torikka: Das ist in der Hydraulik nicht anders. Genaue Verschleißmodelle für PdM fehlen noch. Es sind zwar umfangreiche Untersuchungen gemacht worden, in Unternehmen und an Universitäten, aber die echten Umgebungsbedingungen sind im Betrieb halt anders als im Labor. Daher folgen wir bei Bosch Rexroth zusätzlich zu physikalischen Fehlermodellen auch einem datenbasierten Ansatz für die Modelle. Im ersten Schritt müssen wir die Daten schaffen (Big Data) und dann im zweiten Schritt die entsprechenden analytischen Vorhersagemodelle generieren. Dafür ist eine Plattform notwendig, wie das Herr Dr. Bredau bereits erläuterte. Allerdings gibt es heutzutage auch schon Software-Bausteine dafür. In der IT-Industrie hat sich der Bereich Big Data in den vergangenen fünf bis zehn Jahren enorm weiterentwickelt. In der Zwischenzeit kann man von der Cloud die Modelle auch auf die Komponenten spielen. Das ist auch in der IT-Industrie so passiert. Man hatte zunächst viele Dienste, die nur über die Cloud funktionierten. Jetzt kann man sie auch lokal, ohne Internetverbindung nutzen. P.-M. Synek: Wer über die Sonderausstellung „Predictive Maintenance“ im Rahmen der Hannover Messe 2016 gegangen ist, hat ein großes Getriebe einer Windenergieanlage gesehen, an dem Messungen des Frequenzgangs, der Lastzyklen, der Temperatur sowie eine Schwingungsanalyse von Lagern vorgenommen und auf einem Bildschirm angezeigt wurden. Zusammen mit dem Domainwissen des Lagerherstellers konnte sehr wohl eine Aussage O+P Fluidtechnik 10/2016 21

© 2016 by Vereinigte Fachverlage GmbH. Alle Rechte vorbehalten.