Seit der industriellen Revolution erleichtert der Einsatz von Maschinen das Leben und die Arbeit von Menschen und produzierenden Unternehmen ohnegleichen. Mit einem Schönheitsfehler: Die Maschinen müssen gewartet werden.

Je nach Stärke und Dauer der Beanspruchung kommt es zum Verschleiß und darüber hinaus nutzen sich manche Bauteile einer Maschine schneller ab als andere. Allerdings: Von außen sieht man den Maschinen ihren Zustand nicht immer an. Schlecht gewartete Maschinen aber führen zu Ausschuss, verschwenden Ressourcen und erhöhen die Kosten in der Produktion. Ganz zu schweigen davon, dass kleinere Störungen einer Maschine schnell zu langen Stillstandszeiten einer Produktionslinie oder gar zu Sicherheitsrisiken führen können.

Um dies zu vermeiden, werden Maschinen bisher in regelmäßigen Abständen – oft in vom Hersteller vorgegebenen fixen Zyklen – gewartet. Unabhängig davon, ob ein konkretes Problem vorliegt oder nicht. Ist dies in Zeiten der digitalen Transformation, in Zeiten von Big Data, Internet of Things und zunehmender Automatisierung noch State of the Art? Wie schön wäre es, wenn die Maschine selbst mitteilt, ob und wann sie gewartet werden muss! Genau das ist die Idee hinter Predictive Maintenance – also eine vorausschauende Wartung.

Doch zuvor ein kleiner Exkurs in die Welt des Internet of Things (IoT): Das Internet der Dinge beschreibt die Vernetzung, Kommunikation und Interaktion von Geräten. Diese Geräte und die von ihnen erzeugten Daten führen wieder zu neuen Anwendungen: Sie ermöglichen Automatisierung, Smart Homes sowie Smart Farming und legen den Grundstein für Smart Citys, um nur einige Bereiche zu nennen. Meist beschreibt der Begriff IoT Anwendungen im Consumer-Bereich. Bei der Vernetzung von Maschinen, Produkten und Prozessen in der produzierenden Industrie spricht man dagegen vom IIoT – Industrial Internet of Things.

Das IIoT ist ein zentraler Baustein von Industrie 4.0, also der Digitalisierung von industriellen Anlagen und Prozessen. Gleichzeitig ist es Voraussetzung für Predictive Maintenance, denn hier werden Messdaten aus Maschinen und Anlagen verwendet, um aus ihnen den echten Wartungsbedarf einzelner Bauteile und Maschinen präziser bestimmen zu können. Ziel von Predictive Maintenance ist es, die Maschinen nicht in feststehenden Intervallen zu warten, sondern absolut bedarfsgerecht, also wenn es notwendig und aus produktionstechnischer und wirtschaftlicher Sicht sinnvoll ist.

Welche Vorteile bietet dies?

1. Maschinen-Downtimes werden minimiert: Dadurch, dass eine Maschine nur dann gewartet wird, wenn es erforderlich ist, lassen sich unnötige Maschinenstillstände vermeiden.
2. Höhere Produktivität: Durch die Wartung werden unerwartete Ausfallzeiten vermieden und Standzeiten bereits im Vorfeld planbar.
3. Effizientere Wartung: Die für die Predictive Maintenance verwendeten Daten zeigen nicht nur an, dass eine Maschine gewartet werden muss, sondern auch was. Die für die Fehlerdiagnose verwendete Zeit wird minimiert.
4. Personalressourcen werden geschont: Das Personal muss sich schließlich nur dann um eine Wartung kümmern, wenn es wirklich notwendig ist.
5. Materialressourcen werden geschont: Es werden keine Produkte hergestellt, die aufgrund einer nicht einwandfrei funktionierenden Maschine fehlerhaft sind und daher gegebenenfalls verschrottet oder nachgearbeitet werden müssen. Darüber hinaus werden Zeit und Ressourcen gespart, da das Produkt nicht wiederholt hergestellt werden muss.

Kurz gesagt, steigert Predictive Maintenace die Effizienz und spart somit Zeit, Material, Personal, Geld und schont letztendlich auch noch Ressourcen.

Maschinenherstellern ermöglicht Predictive Maintenance darüber hinaus ein ganz neues Geschäftsfeld: Nämlich als IoT-Serviceanbieter, indem Kunden die Aufbereitung und Auswertung der Maschinendaten als Serviceleistung zur Verfügung gestellt werden.

Doch um die Vorteile von Predictive Maintenance nutzen zu können, müssen einige Herausforderungen bewältigt werden. Beispielsweise Daten: Predictive Maintenance benötigt nicht Big Data, sondern Right Data. Welche Daten sind wichtig und sinnvoll und wie lassen sich diese übertragen? Würth Elektronik bietet hier für verschiedene Anwendungen Lösungen: Sensoren kommen beispielsweise zum Einsatz, um den Zustand von Maschinen und Anlagen permanent zu überwachen. Je nach Art der zu erwartenden Verschleißerscheinung werden verschiedene Sensoren verwendet. Hier einige Beispiele:

Sensoren für das Erkennen von Unwucht oder Vibration

Lager- oder Getriebeschäden, defekte Wellen, das Lösen von Verankerungen, Verschleiß von Riemen oder Schäden an Flügeln von Windmühlen und Turbinenrädern verursachen oftmals Unwuchten oder Vibrationen. Will man solche erkennen, eignet sich der Einsatz eines 3-Achsen-Beschleunigungssensors (WSEN-ITDS, 2533020201601) von Würth Elektronik. Dieser misst die Beschleunigung für jede der drei Raumachsen separat. Dies hat den Vorteil, dass die Einbaulage innerhalb der Applikation nicht berücksichtigt werden muss. Eine Verdrehung kann durch Matrixrechnungen wieder kompensiert werden. Je nach Applikation kann es aber auch sinnvoll sein, den Absolutvektor der Beschleunigung aus den drei Teilkomponenten zu bestimmen.

Ein Verschleiß von mechanischen Komponenten lässt sich häufig dadurch erkennen, dass Maschinenteile ihr Vibrationsverhalten ändern. Dies kann ebenfalls mit einem Beschleunigungssensor festgestellt werden. Doch wie funktioniert das? Das Ausgangssignal des Beschleunigungssensors wird spektral zerlegt, und zwar typischerweise mittels Fourier-Transformation. Die oben aufgeführten Schäden führen zu einer Veränderung dieses Spektrums, meist durch das Auftreten verschiedener Oberwellen. Somit werden nicht die absoluten Werte herangezogen, sondern die relative Veränderung des Spektrums ist ein Indikator für beginnenden Verschleiß.

Sensoren für das Erkennen von Filterzuständen

Drucksensoren lassen sich einsetzen, um den optimalen Zeitpunkt für den Tausch oder die Reinigung von Filtern zu messen. Verstopfen Partikel Teile des Filters, steigt der Staudruck, d. h. es kommt zu einer immer stärker werdenden Druckdifferenz vor und nach dem Filter. Hierfür können die Differenzdrucksensoren der Serie WSEN-PDUS (2513130810x01) verwendet werden. Bei diesem Ansatz muss der Druck mechanisch von beiden Seiten des Filters zum Sensor geleitet werden.

Applikationsabhängig kann es jedoch auch sinnvoll sein, je einen Absolutdrucksensor sowohl vor als auch hinter dem Filter zu platzieren. Die jeweiligen Werte können dann mittels Mikrocontroller als Differenzdruck verrechnet werden. An dieser Stelle findet der Absolutdrucksensor (WSEN-PADS, 2511020213301) Verwendung.

Datenübertragung ohne WLAN oder Kabel

Die besten Sensoren zur Datenerhebung helfen nicht viel, wenn sich die Daten zur Auswertung nicht weiterverarbeiten lassen. Doch nicht überall, wo Kabel zur Datenübertragung stören, ist WLAN praktikabel. In diesen Fällen werden alternative Funkstandards benötigt. Das IloT Design Kit AMBER-Pi bietet eine einfache Möglichkeit, den Raspberry Pi mit weitreichender Funkkommunikation auszustatten. Entwickler können damit sehr einfach stromsparende Sub-GHz-Funklösungen erarbeiten und testen. Das AMBER PI Design Kit enthält neben der Hardware auch die nötige Software, um das Raspberry Pi sehr anwenderfreundlich zu erweitern. Das Aufsteck-Board eignet sich für alle Raspberry-Pi-Modelle, die über ein 40-Pin-Layout verfügen. Auf dem AMBER PI ist das Tarvos-III-Funkmodul verbaut, das eine proprietäre Funkkommunikation im Lizenz freien 868 MHz Frequenzband ermöglicht. Zudem verfügt es über zwei SPI- und zwei I²C-Schnittstellen, um die mitgelieferten Sensoren oder andere elektronische Komponenten kundenfreundlich anzubinden. Das AMBER Pi eignet sich daher hervorragend zum Aufbau eines ersten proof of concept.