Aufrufe
vor 2 Monaten

O+P Fluidtechnik 9/2017

O+P Fluidtechnik 9/2017

BASICS

BASICS MASCHINENSTILLSTAND BEI GROSSANLAGEN: JEDE MINUTE ZÄHLT Unvorhergesehene Maschinenstillstände, gerade in Minen, Gießereien oder in Gummi- Mischwerken, kosten den Betreiber extrem viel Geld. Jede Minute zählt. Hier spielen Predictive-Maintenance-Lösungen ihre Stärke aus. Die vorausschauende Wartung reduziert teure Anlagenstillstände in der Praxis zuverlässig. Das Dienstleistungspaket ODiN (Online Diagnostics Network) von Bosch Rexroth nutzt das Zusammenspiel von Sensorik, Cloud-basierten Anwendungen und Machine-Learning-Methoden, um die Betriebszustände modellbasiert zu überwachen und vorausschauend Wartungsmaßnahmen auszuführen. Dafür ermittelt ein Machine-Learning-Algorithmus in einer Einlernzeit einen normalen Gesundheitszustand aus einer Vielzahl von Sensorsignalen wie beispielsweise Druck, Durchfluss, Vibration, Temperatur und Ölqualität, je nach zu überwachender Anlagenbaugruppe. DATENERFASSUNG Integrierte Sensoren sammeln kontinuierlich Daten über den Betriebszustand aller Komponenten. SICHERE VERBINDUNG SPECIAL PRODUKTE / INDUSTRIE UND ANWENDUNGEN 4.0 DOCH WIE FUNKTIONIERT DAS EINLERNEN? Nach der Einlernphase ermittelt ODiN mit dem datenbasierten Modell kontinuierlich einen Health-Index der überwachten Anlagenbaugruppe. Bricht ein einzelner Messwert kurzzeitig aus dem Toleranzband aus, führt das nicht unbedingt zu einer (Fehl-)Warnung, da Verschleiß selten mit einem Signal erfasst werden kann. Verschlechtert sich der Health-Index, weil sich die Daten mehrerer Sensoren innerhalb der definierten Grenzen verändern, da das Verhalten der Maschine sich verändert hat, warnt das System vor einem Problem. Der erzeugte Health-Index zeigt nicht nur den Zustand des eigentlich überwachten Aggregats an, sondern auch schleichende Veränderungen der vor- und nachgelagerten Mechanik oder Hydraulik. Wenn Bewegungen über die Zeit länger dauern oder mehr Kraft erfordern, ist das ein Hinweis auf einen Verschleiß in der Mechanik oder Hydraulik. FEHLERERKENNUNGSRATE NAHE 100 PROZENT Dass Verschleißdiagnose eine komplexe Aufgabe ist, zeigt ein Beispieldatensatz: Ein Fehler wird statistisch gesehen per Zufall nur mit einer Wahrscheinlichkeit von 13 Prozent entdeckt. Ein Experte, der die Anlage mit traditionellen Mitteln ständig überwacht, erkennt ihn zu 43 Prozent. Das System jedoch hat eine Fehlererkennungsrate von über 95 Prozent. Entweder kann die Software den Fehler bereits genau identifizieren oder sie unterstützt Wartungstechniker bei der Fehlersuche durch eine Lokalisierung des Fehlers auf eine Baugruppe. www.boschrexroth.de ZUSTANDSORIENTIERTE WARTUNG Intelligente Antriebs- und Steuerungssysteme sind unmittelbar für Predictive Maintenance und Industrie 4.0 einsetzbar MESSUNGEN Wenn die Maschinendaten darauf hinweisen, dass eine Wartung erforderlich ist, übernehmen Service-Experten die Beratung und leiten notwendige Schritte ein. 40 O+P Fluidtechnik 9/2017

DATENSPEICHERUNG Alle Daten werden auf IoT-Servern von Bosch gespeichert. So ist die weltweite Verfügbarkeit gewährleistet. Hydraulikaggregate flexibel aufgebaut ... VORAUSSCHAUENDE ANALYSE Predictive Maintenance dient dazu, das System ständig zu überwachen und zu analysieren. x(a-b) ANALYSE WARTUNGS- EMPFEHLUNGEN Basierend auf anonymisierten Messwerten aus der ganzen Welt kann das Bosch-Rexroth-System ermitteln, wann Wartungsarbeiten erforderlich sind. ... auf Knopfdruck. Aus dem Standardbaukasten konfigurieren, mit EPlan-Fluid automatisch den Schaltplan erstellen und umgehend das 3D-Modell erhalten. Das ist Systemintegration – so einfach wie nie! www.hawe.com/flexunit

© 2016 by Vereinigte Fachverlage GmbH. Alle Rechte vorbehalten.