Predictive Maintenance

Andreas Mühlbauer,

Freier Datenzugang

Um vorausschauende Wartung in der Produktion sinnvoll umzusetzen, müssen Diagnosedaten erfasst und entsprechend ausgewertet werden. AS-Interface bietet all diese Möglichkeiten und erleichtert Predictive Maintenance in der Praxis.

Die ASi-5-Technologie erhöht das Diagnoseniveau der Anlage und reduziert die Kosten für die Datenanbindung. © AS-International Association

Predictive Maintenance benötigt als Voraussetzung den freien Zugang zu den Diagnosedaten. Der industriellen Kommunikation kommt damit die Rolle zu, jene Datenbasis zu schaffen, die smarte Anwendungen erst möglich macht. Mit AS-Interface verschafft lässt sich sich das freie Automatisieren auf der Feldebene realisieren und zugleich die Datenverfügbarkeit für eine vorausschauende Wartung – ideale Voraussetzungen für IIoT mit Smart Data-Strukturen.

Wer Predictive Maintenance effektiv und langfristig in seinen Maschinen realisieren will, muss drei Faktoren beachten: erstens die Erfassung, Digitalisierung und Übermittlung von Daten, zweitens die Speicherung, Analyse und Bewertung der erhobenen Daten sowie drittens die Berechnung von Eintrittswahrscheinlichkeiten für bestimmte Ereignisse. Die Datenkette beginnt in der Feldebene, wo AS-Interface die Daten erfasst und die Interaktion zur übergeordneten Steuerungsebene gewährleistet. Hier entsteht die Basis für eine hochintegrierte und intelligente, datenorientierte Entscheidungskette, wie sie für Predictive Maintenance notwendig ist. Die Leistungskennzahlen in der Fertigung entstehen an dieser Stelle und eröffnen Potenziale für mehr Effizienz und Optimierungen. AS-Interface gewährt den Unternehmen zwei Dinge: zum einen die offene Datenanbindung auf unterster Ebene, nach Bedarf sowohl klassisch analoge Sensor- und Aktordaten zu verkabeln oder auch intelligente IO-Link-Sensorik zu nutzen. Zum zweiten lassen sich die Datenwelten für Predictive Maintenance verwenden.

Anzeige

Vorausschauende Wartung in Zahlen

Die vorausschauende Wartung ist eines der kommenden Potenziale im Maschinenbau, die Effizienz in der Produktion zu erhöhen. In Bezug auf Kos-ten und Produktivität stehen enorme Vorteile in Aussicht, die zudem auch die Installationskosten senken. Eine Ende 2018 aufgesetzte Studie von PWC und Mainnovation hat erfolgreiches Predictive Maintenance in Zahlen umgesetzt und die Vorteile beziffert:

  •  Reduzierung der Kosten um 12 Prozent
  •  verbesserte Laufzeit/Produktionszeit (Uptime) der Anlage um 9 Prozent
  •  Reduzierung von Gesundheits-, Umwelt- und Qualitätsrisiken um 14 Prozent
  •  Verlängerung der Laufzeit einer alternden Anlage um 20 Prozent
AS-Interface kommuniziert die Geräte- und Diagnosedaten direkt mit Hostsystemen und Cloudlösungen. © AS-International Association

Der Weg zur Effizienz mit Predictive-Maintenance-Maßnahmen führt wie erwähnt über die frei zugänglichen Diagnosedaten, wobei zwei Arten der Diagnose zu betrachten sind: zum einen die Prozessdiagnose, zum anderen die Systemdiagnose. Die Prozessdiagnose überwacht den Maschinen- oder Anlagenprozess, also die Qualität der in der Anlage oder Maschine verrichteten Arbeit. Die entsprechende Diagnoseinformationen erhält der Maschinen- oder Anlagenbetreiber von den Sensoren, die er in den Prozess implementiert hat, respektive Positionen, Temperaturen und Drücke.

Die Systemdiagnose informiert über den Zustand der Maschine, wobei insbesondere die Diagnosedaten aus den Geräten interessant sind. Aus der Gerätediagnose heraus ziehen die Anwender die Informationen wie beispielsweise Schaltzyklen, Abnutzung verschleißbehafteter Materialien und Linsentrübung. Für weitreichendes Predictive Maintenance ist die Kanaldiagnose die Referenz, die Bestandteil der Systemdiagnose ist. Sie liefert Daten über Signalqualität und gibt Aufschluss über Kommunikationsfehler und Kommunikationsqualität.

Die Kanaldiagnose gewährleisten

Die neue ASi-5-Technologie von AS-Interface bietet exakt diese Kanaldiagnose. Das heißt, der Kommunikationskanal, über den die Geräte kommunizieren, wird permanent überwacht und Fehler werden protokolliert. Im Normalfall merkt der Bediener davon nichts. Bei vereinzelten Fehlern wechselt das System automatisch auf bessere Kommunikationskanäle und die Kommunikation bleibt gewährleistet. In besonderen Fällen, wenn beispielsweise die Erdung einer nahe gelegenen EMV-Schutzeinrichtung korrodiert und es zu vermehrten Störungen kommt, lassen sich die Fehlerprotokolle auswerten. Mit der Konsequenz, dass man rechtzeitig vor einem System-ausfall reagieren kann, bevor größere Schäden entstehen können oder es zu einem Maschinenstillstand kommt.

Für die Gerätediagnose nutzt die ASi-5-Technologie einen separaten Kommunikationskanal, die sogenannten azyklischen Dienste. Den Geräten steht dadurch ein Kommunikationskanal zur Verfügung, mit dem Diagnosedaten zu jeder Zeit „on Event“ oder regelmäßig geplant weitergeleitet werden. Der zyklische Produktionsprozess wiederum bleibt davon unberührt und kann störungsfrei weiterlaufen.

Real Time Condition Monitoring

Alle Diagnosedaten für Predictive Maintenance lassen sich direkt im Hostsystem abbilden. Moderne Systeme übertragen die Daten in eine Cloud, sodass deren Vernetzung gegeben ist und sich die Daten optimal nutzen lassen. Wichtig ist, dass die Diagnosedaten zur Verfügung stehen, damit der Anwender rechtzeitig gewarnt wird. So lassen sich Serviceeinsätze planen, und auch das Ersatzteil-Management profitiert von diesen Daten. Die Auswertung der Daten für das „Real Time Condition Monitoring“ ist damit zu jeder Zeit sichergestellt. Die neue ASi-5-Technologie bietet die ideale Basis für einfach verfügbare Diagnosedaten. Mit der Verknüpfung dieser Diagnoseelemente beginnt Predictive Maintenance.

Anzeige

Das könnte Sie auch interessieren

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige

Predictive Maintenance

Schwäbisches "Cleverle"

Tekon Prüftechnik GmbH stellt auf der diesjährigen Control, internationale Fachmesse für Qualitätssicherung in Stuttgart, das Informationsmodul Tekonect mit erweiterten Funktionen vor. Das „intelligente“ Modul des schwäbischen...

mehr...

Smart Factory Hackathon

Fehler frühzeitig vorhersagen

Im Audi Forum Ingolstadt drehte sich zum zweiten Mal alles um Big Data, Machine Learning, Algorithmen und Datenvisualisierung. Beim Smart Factory Hackathon entwickelten rund 80 Data‑Science‑Talente aus aller Welt anhand echter Datensätze aus der...

mehr...