Die Lösung von Areva besteht darin, die Maschine intelligenter zu machen und mit einem strukturierten Asset-Management-System permanent verbunden zu halten. Hierfür wurde ein Online-Überwachungssystem entwickelt, welches das Überwachen, Diagnostizieren und Verwalten von rotierenden und nicht-rotierenden Maschinen in beliebigen Maschinenparks ermöglicht. Die skalierbare Überwachungslösung Dirom4i kombiniert mehrere Überwachungs- und Diagnoseaufgaben in einem System. Dazu gehören die Zustandsüberwachung (Prozess-, Schwingungs- und elektrische Signaturen-Überwachung) sowie die gleichzeitige Ermüdungsüberwachung von Motor-Pumpen-Aggregaten oder Windenergieanlagen. Die Hardware der Technologie basiert auf dem modularen CompactRIO-System von National Instruments. Im Hinblick auf Anwendungen im Windenergiebereich wurde das Dirom4i-System bereits durch die Germanischen Lloyd zertifiziert. Anlagen bestehen im Allgemeinen aus vielen sicherheits- und verfügbarkeitsrelevanten Maschinen wie Pumpen, Turbinen, Motoren, Generatoren, Kompressoren, Lüftern und Armaturen. Jede Maschine besitzt für sie typische Eigenschaften (Aufbau, Design, Funktion, Fehlermode, Betriebsmodi etc.). Basierend auf diesen Eigenschaften ist eine individuelle Analyse durchzuführen, die alle möglichen Fehler mit ihren Überwachungs- und Diagnoseindikatoren (Fehlerindikatoren), Ursachen und Auswirkungen identifiziert. Dafür hat Areva einen standardisierten Prozess, die sogenannte Failure Mode Symptom Analysis (FMSA) entwickelt. Aus den Ergebnissen dieser Analyse wird das System spezifisch für die entsprechende Maschine ausgelegt bzw. konfiguriert (Sensoren, IO-Module, Überwachungsparameter, Betriebsklasse für die adaptive Überwachung, Datenspeicherungsstrategie, Post-Datenanalyse sowie statistische, Hüllkurve, FFT-, Ordnungs- und Kepstrum-Analyse) sowie die Liste der zu extrahierenden diagnostischen Indikatoren festgelegt.
Inbetriebnahme des Systems
Die Inbetriebnahme des Überwachungssystems sollte sinnvollerweise entweder bereits während der Inbetriebnahme der Anlage oder nach einer Instandhaltungsmaßnahme der Maschine stattfinden. In dieser sogenannten Lernphase werden die Baseline- bzw. Referenzmessungen durchgeführt, welche die Grundlage für die Grenz- und Referenzwerte der Überwachungsparameter für die verschiedene Betriebsmodi (zum Beispiel Drehzahlklasse) liefert. Danach erfolgt die Betriebsphase, während der die dynamischen Messdaten, wie Schwingungssignale, sowie statische Messdaten, wie Prozessparameter, permanent erfasst (analog oder auch digital) und überwacht werden. Damit sollen Ereignisse wie Schwingungsänderungen oder Prozessänderungen detektiert und gespeichert werden. Die sowohl zyklisch als auch ereignisbasiert gespeicherten Messdaten werden auf dem zentralen Server im Maschinenpark (Plant Data Server) abgelegt und stehen dort für die weitere Analyse hinsichtlich der Extraktion diagnostischer Indikatoren zur Verfügung.
Remote Diagnostic Center
Eine Maschine mit einem auf ihre spezifischen Eigenschaften zugeschnittenen Überwachungssystem kann als intelligente Maschine bezeichnet werden. Sie ist in der Lage, sich selbst zu überwachen und zu diagnostizieren, Ereignisse wie Überwachungsalarme oder Systemfehler selbst etwa per E-Mail zu melden und regelmäßig ihre Messdaten zu archivieren. Die Maschine ist zudem permanent über das Internet kommunikationsfähig. Aus den gespeicherten Messergebnissen werden Zeitreihen von allen Betriebsparametern und Fehlerindikatoren gebildet. Diese dienen der automatisierten Bewertung der Daten, der Bestimmung der Größe der Änderung oder Fehlerschwere sowie dem Änderungsgradienten oder der Fehlerrate für jeden Fehlerindikator und der abschließende Speicherung in einer sogenannten Fehlerprioritätsmatrix. Alle intelligenten Maschinen sowie der zentralisierte Plant Data Server in einem Maschinenpark werden zu einer sogenannten \’Messinsel\‘ zusammengefasst. Die Messinseln kommunizieren permanent über Internet mit dem Areva Remote Diagnostic Center, wo alle Maschineninformationen, nach Anlagen sortiert, in einem web-basierten Asset-Management-System zentral archiviert werden. Dieses Cyber-Physical-System nutzt die Architektur des Industrial Internet of Things voll aus und erfüllt u.a. die Anforderungen nach ISO/IEC27002, ISO/IEC27019 und IEC62443-3-3 zur Informationssicherheit.
Zentralisiertes Asset Management
Das zentralisierte Asset-Management-System erlaubt es nicht nur, die Messdaten und Ereignisse der Maschinen mit einem Ticketsystem zu verwalten, sondern auch die Pre-operational Data vom Hersteller (wie Vertragsunterlagen, Design, Erection, Commissioning, Operational and Maintenance Manual, Capex, Opex, Entsorgung etc.), die Instandhaltungsberichte und -daten (wie Zeitpunkt, Uptime, Downtime, Active maintenance time, Tätigkeitsbeschreibung, Kosten) sowie die Diagnose-/Prognoseberichte in einer strukturierten Form zu archivieren. Die Historie dieser Daten über den kompletten Lebenszyklus der Maschine macht es möglich, datenbasiert Entscheidungen und Prognosen zur Risiken- und Kostenoptimierung der Instandhaltung zu treffen. Ein zusätzlicher Vorteil des Lösungskonzepts ist die geeignete Datenstrukturierung, die das Big-Data-Problem umgeht: Aufgrund der Datenvolumina und der verschiedenen Datentypen, die permanent zu archivieren sind, empfiehlt es sich, alle Maschinen-Messdaten (Zeitsignale, Spektren, Betriebsparameter, Fehlerindikatoren) in einer sogenannten Mixmode zu archivieren, d.h., dass nur Parameter in die Datenbank importiert werden. Die anderen Messdaten (wie Zeitsignale, Spektren etc.) werden in einem strukturierten Festplattenverzeichnis abgelegt und mit der Datenbank verlinkt.
