Auslastung im Blick, Lebensdauer im Griff

Welche Neuerungen und Vorteile bringt der Auslastungsradar mit sich?

Mit dem neuen Auslastungsradar erweitert Wittenstein alpha das smarte Analysetool ‚cynapse Analyze – Health Index‘ um eine Funktion, die gezielt auf die Analyse von lebensdauerrelevanten Betriebszuständen von Getrieben abzielt. Durch die Kombination von integrierter Sensorik mit Reglerdaten wie Drehzahl und Drehmoment wird die aktuelle Auslastung eines Planetengetriebes präzise bewertet. Der Abgleich mit individuellen Grenzwerten ermöglicht es, kritische Betriebszustände frühzeitig zu erkennen und gezielt gegenzusteuern. So trägt der Auslastungsradar dazu bei, die Nutzungsdauer von Getrieben zu verlängern, ungeplante Stillstände zu vermeiden und Wartungskosten zu senken.

Für welche Maschinen oder Branchen ist der Auslastungsradar besonders relevant?

Seinen größten Nutzen entfaltet der Auslastungsradar überall dort, wo Getriebe unter variablen oder extremen Bedingungen arbeiten. Besonders relevant ist die Funktion für Maschinen mit wechselnden Lastprofilen, für Dauerbetriebsanwendungen mit hoher Verfügbarkeit sowie für Applikationen mit hoher Dynamik. Auch in Szenarien, in denen Getriebe schwer zugänglich sind oder hohe Wartungskosten verursachen, bietet der Auslastungsradar einen klaren Mehrwert. Typische Einsatzfelder finden sich im klassischen Maschinen- und Anlagenbau, etwa bei Verpackungs- oder auch Werkzeugmaschinen.

Was unterscheidet den Auslastungsradar von bisherigen Analysetools?

Der Auslastungsradar liefert dem Anwender erstmals ein unmittelbares Feedback zur aktuellen Nutzung des Getriebes in Form einer intuitiven Radardarstellung. Während der Health Index die gesamte Betriebszeit bewertet, macht der Auslastungsradar transparent, wie stark das Getriebe im Moment beansprucht wird. So lassen sich kritische Zustände frühzeitig erkennen und gezielt vermeiden. Der große Vorteil: Die Funktion ist sofort einsatzbereit: ohne Kalibrierung, ohne Datenanalyseprojekt, ohne aufwändige Vorbereitungszeit. Das spart Zeit, reduziert Komplexität und bringt schnell echten Mehrwert.

Gibt es Machine-Learning- oder KI-Elemente, die in der Analyse eine Rolle spielen?

Aktuell basiert die Analyse auf deterministischen Auswertungen von Sensordaten und Reglerinformationen. Allerdings arbeitet Wittenstein alpha bereits an der Integration von KI-Elementen, um künftig aus den Betriebsdaten Prognosen ableiten und die Analyse kontinuierlich verbessern zu können.