10.07.2017

Steigende Vorhersagegenauigkeit beim Condition Monitoring

(Prozess-)Datenverknüpfung

In den letzten Jahren hat die datenbasierte Zustandsüberwachung in industriellen Großanlagen stark an Bedeutung gewonnen, da proaktive und prädiktive Instandhaltung erhebliche Einsparungen ermöglichen. Verwendet man bei der Auswertung von Vibrationen mechanischer Aggregate auch noch Prozessdaten, lassen sich nicht nur Anzeichen bevorstehender Schäden besser detektieren, sondern auch Rückschlüsse auf die Prozessqualität bzw. -stabilität ableiten.


Erst das Zusammenführen von Prozess- und Schwingungsdaten ermöglicht eine solide Aussage zum wahren Zustand einer Anlage bzw. eines Prozesses.
Bild: Iba AG

Wenn von Condition Monitoring die Rede ist, geht es in den meisten Fällen um die Verschleißerkennung an mechanischen Komponenten, um daraufhin vorausschauende Instandhaltung zu betreiben. Übliche Systeme geben zwar Hinweise auf den Verschleißzustand, doch bei übermäßiger oder ungewöhnlicher Abnutzung der überwachten Komponenten geben sie keinen Aufschluss über die Schadensursache. Durch die Korrelation der Schwingungsdaten mit Prozessdaten ist nicht nur eine präzisere Vorhersage, sondern auch eine Ursachenanalyse möglich. Damit können Gründe für vorzeitigen Verschleiß gefunden und abgestellt werden. Solche Prozessdaten von der Automatisierung abzuholen ist zwar bei einigen CM-Lösungen grundsätzlich möglich, jedoch bieten die meisten Systeme nur eine einzige Schnittstelle bzw. begrenzen diese auf einen bestimmten Kommunikationskanal mit eingeschränkter Deterministik. Dadurch lassen sich weder Steuerungen älterer Generationen noch die zahlreichen Einzelkomponenten einer heterogenen Anlagenautomatisierung erfassen. Eine anlagenübergreifende Instandhaltung sollte also am besten mit einem einzigen System durchgeführt werden, das alle relevanten Messdaten aus der Anlage berücksichtigt und unabhängig vom Automatisierungsprozess arbeitet. Das Iba-Condition-Monitoring-System verfügt über eine Konnektivität zu Automatisierungen aller gängigen Hersteller und Anlagengenerationen. Es lassen sich damit Prozessdaten ohne Probleme ins Condition Monitoring integrieren. Das System ermöglicht Messintervalle von 25µs, während die minimalen Messintervalle für Prozesssignale eher im Bereich von 20ms sind, also 800 Mal langsamer.

Dank Prozessdaten 140.000€ gespart

Der Vorteil einer kombinierten Auswertung von Prozess- und Schwingungsdaten zeigt sich an einem Beispiel. In einem Warmwalzwerk zeigte der Temperatursensor am Hauptgetriebe deutlich erhöhte Werte, ein Hinweis für fortgeschrittenen Verschleiß. Die erste Analyse der Schwingungssignale wies eine deutliche Amplitude nahe der Überrollfrequenz vom Innenring der Antriebswellenlagerung auf. Diese Erkenntnis würde normalerweise zu einem Tausch des Getriebes und somit zu einem Produktionsausfall von mehreren Tagen führen. Eine Detailanalyse zusammen mit den Prozessdaten ergab jedoch, dass die gemessenen Schwingungen von der Verzahnung im angekoppelten Kammwalzgetriebe stammen und über die Antriebswelle in das Hauptgetriebe übertragen werden und somit nicht, wie zunächst vermutet, vom Lager im Hauptgetriebe. Weiter war aus den Prozessdaten ersichtlich, dass der Durchfluss der Ölschmierung nicht den Vorgaben entsprach. Auf Basis dieser neuen Erkenntnisse wurde eine klare Handlungsanleitung formuliert. Erstens mussten die Lager nicht getauscht werden und zweitens wurde empfohlen, die Ursache für den verminderten Durchfluss der Ölschmierung zu beseitigen um die erforderliche Kühlung zu gewährleisten. Nach Reparatur des Ölschmiersystems waren die auf einen Verschleiß hinweisenden Indikatoren tatsächlich wieder auf Normalniveau. Die Diagnose , dass kein Lagerschaden vorhanden war, erwies sich also als richtig. Durch die geschilderte Vorgehensweise wurden Kosten in Höhe von 140.000€ für den Tausch des Lagers bei stehender Anlage gespart und ein ungeplanter Anlagenstillstand infolge einer verfrühten Reparatur vermieden.

Anzeige

Prozess- und Schadschwingungen

Relevante Prozessdaten sind im geschildertem Fall z.B. Geschwindigkeit, Druck- und Durchflusswerte sowie Antriebsmomente. Auf Basis dieser Signale und zusätzlich der Schwingungssignale lässt sich ermitteln, in welchen Betriebspunkten die größten Belastungsspitzen entstehen. Gleichzeitig lässt sich eine Aussage treffen, in welchen Prozesszuständen, bei welchen Materialien und Legierungen, bei welcher Walzbandbreite oder Walzgeschwindigkeit diese Überlastungszustände auftreten. Der Prozess selber erzeugt hohe Schwingungspegel, die über die angebrachte Sensorik mit gemessen werden. Wichtig ist nun die Zuordnung der gemessen Schwingungen: Welche Schwingungen sind normale Prozessschwingungen, welche deuten auf einen Verschleiß hin und welche zeigen einen kritischen Prozesszustand?

Anzeige