Vorausschauende Instandhaltung im Retrofit

Auswahl der Datenlieferanten für den Retrofit

Das Siemens-Werk in Cham. © Siemens

In Cham war ein möglichst geringer Aufwand ausschlaggebend für die Auswahl der Sensorik. Ziel war die präzise Überwachung kritischer Komponenten wie der Antriebsmotoren für Ketten- und Stufenförderer. Für die Nachrüstung kamen zwei gleichwertige Lösungen zum Einsatz:

Sirius 3RC7 (Intelligent Link Module, ILM): Zwölf Leistungsschalter-Schütz-Kombinationen wurden mit 3RC7-Modulen ausgestattet. Diese liefern relevante Betriebsdaten direkt aus dem Feld (beispielsweise Phasenströme und -asymmetrie und Wirkleistung)

Sirius 3RC7 © Siemens

Zusätzlich wurden weitere Sensoren integriert, etwa zur Überwachung der Temperatur im Schaltschrank und der Druckluft-Durchflussmenge. Für die Lineardirektantriebe liefern zudem Sinamics-Frequenzumrichter weitere Daten wie Drehmoment, Stromaufnahme, Aktionszeit, Schleppabstand und Geschwindigkeit.

KI-gestützte Analyseplattform

Als KI-gestützte Analyseplattform wurde Senseye Predictive Maintenance gewählt, eine cloudbasierte Lösung von Siemens, die auf maschinellem Lernen basiert und Skalierbarkeit für große Unternehmensumgebungen bietet. Sie analysiert Maschinendaten (Vibrationen, Strom, Drehmoment, Temperatur) zur Zustandsüberwachung und ermöglicht Anwendern, Störungsursachen zu identifizieren. Senseye nutzt zudem generative KI, um aus Nutzerkommentaren kontextbezogene Hinweise und Lösungsvorschläge zu erstellen, wodurch Fachwissen standortübergreifend geteilt und das System kontinuierlich verbessert wird. Senseye deckt damit gleich mehrere Teilaspekte des in Abbildung 1 gezeigten Prozesses bei der Einführung von Predictive-Maintenance-Konzepten ab.

In Summe liefern mehr als 70 sogenannte Assets aus der Fertigungslinie in Cham Daten an Senseye. Ein Asset ist das digitale Modell eines echten Geräts oder einer Maschine, das im System angelegt wird. Es kann zum Beispiel ein Motor, eine Pumpe, aber auch eine Zusammenstellung an Komponenten als Asset betrachtet werden.

Simatic ET 200SP e-Starter. © Siemens

Ein Blick auf den Systemaufbau der Lösung in Cham zeigt: Die Verbraucherabzweige sind entweder mit dem Sirius 3RC7 oder dem ET 200SP e-Starter ausgestattet und über die Simatic ET 200SP an das Automatisierungssystem angebunden. Beide Geräte erfassen Strom und Leistung direkt im Abzweig und melden Abweichungen sofort. Beim Erreichen parametrierter Abschaltschwellen übernehmen sie die Schützansteuerung. Ein Industrial Edge Device leitet die Daten an Senseye weiter. Zusätzliche Sensoren wie Sinamics-Frequenzumrichter sind direkt mit der Simatic-S7-Steuerung verbunden.

Die Umsetzung im laufenden Betrieb

Die Herausforderung für das Pilotprojekt bestand darin, die Fertigungsanlage im laufenden Betrieb mit den erforderlichen Funktionen und Komponenten nachzurüsten. Dennoch gestaltete sich die Integration der zusätzlichen Geräte in die Schalttechnik besonders einfach. Das 3RC7 nimmt im Schaltschrank in der Höhe im Vergleich zum Schütz 3RT2 keinen zusätzlichen Platz ein. Auch der Simatic ET 200SP e-Starter ist mit Abmessungen von 151 mm × 30 mm × 167 mm kompakt ausgelegt.

Dank der platzsparenden Designs und der Verwendung des Standalone-Adapters für einen zweireihigen Aufbau war kein Neudesign des Schaltschranks erforderlich. Der Aufbau musste nur geringfügig angepasst werden. Die vorhandenen Leistungsschalter konnten weiter verwendet werden.

Genau bei diesem Schritt konnte das Team in Cham einen ersten Erfolg verbuchen. Nach Anpassung der Step7-Projektierung im TIA-Portal wurde ein in der Anlage verbauter Lineardirektantrieb wieder in Betrieb genommen. Bei den Aufzeichnungen in der Simatic S7 Steuerung fiel auf, dass der für die Spuraufzeichnung genutzte Sinamics-Frequenzumrichter ungewöhnlich hohe Differenzen in der Soll- und Ist-Position der Achsen zu einem bestimmten Zeitpunkt erfasste. Ein Abgleich mit den Rohdaten in Senseye bestätigte diese Auffälligkeit. Das Team untersuchte daraufhin die Achsen und stellte fest, dass auf einer Seite die automatische Schmierung defekt war. Die Achse lief auf einer Seite trocken und die Lager hatten bereits Schaden genommen.

Das Beispiel zeigt anschaulich, welches Potenzial in der vorausschauenden Wartung steckt. Lineardirektantriebe sind teure, kundenspezifische Komponenten, deren Versagen zu erheblichen Produktionsausfällen und finanziellen Verlusten führen kann. Die Antriebsregelung kompensierte die Anomalie und gab noch keine Warnung aus, da der Regelkreis noch innerhalb der Toleranzen arbeitete. Werden diese Toleranzen überschritten, liegt der Verschleiß im besten Fall im kritischen Bereich. Im schlechtesten Fall wird das Defizit erst erkannt, wenn die Achse versagt. Nach Schätzung des Teams wurde in Cham durch das frühzeitige Eingreifen ein Produktionsstillstand von sieben Tagen verhindert.

Validierung und Skalierung des Potenzials

Das Pilotprojekt in Cham demonstriert die Machbarkeit von Predictive Maintenance im Retrofit. Die frühzeitige Detektion eines Lagerschadens belegt das Potenzial zur Vermeidung von Stillständen und zur Effizienzsteigerung.

Mit Blick auf die Zukunft soll das Pilotprojekt zeigen, ob eine flächendeckende Ausstattung aller Anlagen wirtschaftlich sinnvoll ist oder ob der Fokus auf besonders kritischen Assets liegen sollte. Zu diesen kritischen Anlagen können neben den bereits erwähnten Lineardirektantrieben auch Komponenten der Werksinfrastruktur wie Kälteanlagen oder Druckluftgeräte gehören, deren Ausfall weitreichende Auswirkungen auf den gesamten Betriebsablauf hat.

Carsten Moye, Siemens Smart Infrastructure – Electrical Products

Hannover Messe, Halle 27, Stand A48