Nicht selten sind bis zu 95 % der Antriebe und Aggregate – Pumpen, Lüfter, Kompressoren et cetera – in Anlagen der Prozess- und Fertigungsindustrie gar nicht oder nur routenbasiert durch manuelle Messungen überwacht. Als Hindernisse für den Einsatz von Condition Monitoring Systemen (CMS) nennen die Betreiber hauptsächlich hohe Kosten verursacht durch aufwendige Installationen beziehungsweise Konfigurationen, des Weiteren schwankende Zusatzkosten durch manuelle Analysen der Schwingungssignale sowie die oft nicht ausreichende Qualität und Aussagekraft der Analytik. Um diese Mankos zu beseitigen, hat Schaeffler das CMS ‚Optime‘ entwickelt. Als Zielindustrien wurden für die Marktein­führung unter anderem die Prozessindustrie, die Papier- und Zellstoffindustrie, die Zementindustrie, der Bergbau, die Stahlindustrie, Sägewerke sowie die Nahrungsmittel- und Getränkeindustrie definiert.

Grundsätzlich soll das CMS folgenden Nutzen bringen: Bei einer Umstellung von einer monatlichen, manuellen, routenbasierten Messung (Offline-Messung) auf ‚Optime‘ sinken die Kosten deutlich unter 50 %, während gleichzeitig die Anzahl der Messungen pro Messpunkt um ein Vielfaches steigt. So ermöglicht das System eine flächendeckende und automatisierte Zustandsüberwachung. Es liefert konkrete Angaben über die geschädigte Komponente, die Schadensschwere und Handlungsempfehlungen. Damit verfügen Betreiber von Produktions- oder Prozessanlagen über eine Entscheidungsgrundlage, an welchen Aggregaten welche Wartungsarbeiten vorgenommen werden müssen und ob diese in dem zur Verfügung stehenden Zeitfenster, zum Beispiel bei einem geplanten Stillstand, er­ledigt werden können. Damit kommt die Industrie einer wirtschaftlich attraktiven Predictive Maintenance einen bedeutenden Schritt näher, da die Zahl ungeplanter Stillstände und die damit verbundenen Kosten deutlich reduziert werden. Zudem müssen Ersatzteile und Aggregate nicht mehr ‚für den Fall der Fälle‘ auf Lager vorgehalten ­werden.

Die Kombination macht‘s

Der geringe Installationsaufwand und die schnelle Inbetriebnahme machen die Zustandsüberwachung von sehr vielen Maschinen- und Aggregaten in einer Produktionsanlage realisierbar. Die Konfigurierung erfolgt per App auf dem Mobiltelefon, Identifizierung und Aktivierung eines ‚Optime‘-Sensors erfolgen mittels NFC.

© Schaeffler

Wie funktioniert das nun im Detail? Das CMS besteht aus kabellosen, batteriebetriebenen Sensoreinheiten, einem Gateway mit SIM-Karte, einer Analyse-Software auf einem IoT-Hub sowie einer App beziehungsweise einem webbasierten Dashboard zur Inbetriebnahme und zur Visualisierung der Analyse-Ergebnisse. Die applizierten Sensoren messen Schwingungen und Temperaturverläufe und ermitteln daraus relevante Kennwerte (KPI). Sie verbinden sich außerdem automatisch zu einem Mesh-Netzwerk. Mit Hilfe des Gateways gelangen die Daten in den IoT-Hub von Schaeffler. Dort sind Algorithmen implementiert, die auf Basis der KPI sowie der Zeitsignale Alarme sowie Entscheidungs- und Handlungsempfehlungen an das Mobiltelefon oder die Leitwarte übertragen.

Konzeptionell unterscheidet sich ‚Optime‘ von anderen Überwachungslösungen durch folgende Kombination an Eigenschaften:

• Minimierter Installationsaufwand und Near Field Communication (NFC)

• Selbstkonfiguration

• Selbstkonnektivität

• Automatisierte Analyse

• Aggregierte Visualisierung der Ergebnisse

• Transparentes Kostenmodell

Die Montage des stabförmigen ‚Optime‘-Sensors an den Maschinengehäusen erfolgt mittels Schraubverbindung. Eine elektrische Verkabelung ist aufgrund des Batteriebetriebes der Sensoren nicht nötig. Dank optimierter Datenübertragung wird eine Batteriegebrauchsdauer von fünf Jahren erreicht. 

Für die Montage und Inbetriebnahme des Sensors sind üblicherweise nur wenige Minuten einzuplanen. Nachdem der Sensor über die Mobiltelefon-App ‚Optime‘ per NFC aktiviert und eindeutig mit einer ID erkannt wurde, kann der User einen Namen für den Messpunkt vergeben und den Sensor am Aggregat befestigen. Die anschließende Parametrierung erfordert lediglich ein Mindestmaß an Informationen: Dazu zählen die Auswahl des Maschinentyps: Kompressor, Elektromotor, Lüfter, Zahnradgetriebe, Riemengetriebe, Pumpe, Rolle, Welle, Wasserturbine, Säge, optional die ISO-Klasse, weiterhin die Angabe, ob es sich um einen Antrieb mit einer (konstanten) Nenndrehzahl handelt oder mit einer variablen Drehzahl. Abhängig vom gewählten Maschinentyp führt die App den User durch einfache Abfragen – bei Elektromotoren zum Beispiel die Auswahl ‚starre‘ oder ‚elastische‘ Befestigung.

Innerhalb eines Tages können so problemlos mehrere Hundert Messpunkte installiert und in Betrieb genommen werden. Damit der User den Überblick nicht verliert, lassen sich die Sensoren beziehungsweise Maschinen in der App hierarchisch in mehreren Ebenen organisieren, etwa: Petroleumstation, Reintank 3, Pumpe 2. In Pilotprojekten haben Kunden die Hierarchie und bestehende Namengebung beispielsweise aus ihrem Instandhaltungsplanungssystem oder Asset Management System verwendet.

Selbstkonnektivität und automatisierte Analyse

Die Analyse-Algorithmen wurden unter Praxisbedingungen in Produktionsanlagen von Schaeffler – zum Teil über Jahre – eingesetzt und optimiert. ‚Optime‘ verfügt über Technologien wie Machine-Learning-Algorithmen, Analyse in der Cloud sowie Wireless-Mesh.

© Schaeffler

Die ‚Optime‘-Sensoren verbinden sich untereinander automatisch zu einem Mesh-Netzwerk. Sollte einmal ein Sensor ausfallen oder die Batterie erschöpft sein, erfolgt autonom eine Umleitung des Datentransfers auf andere intakte Sensoren. Dadurch ist das Mesh-Netzwerk äußerst zuverlässig, der Überblick auf den aktuellen Zustand ganzer Produktionsstandorte bleibt so stets erhalten. 

Eine Besonderheit ist die vollautomatisierte Schwingungsanalyse. Anders als übliche Schwingungsüberwachungssysteme benötigt ‚Optime‘ keine aufwendige Konfiguration, die Alarmschwellen müssen nicht manuell von einem Experten definiert werden, das System ist sofort einsatzbereit. Der Betreiber oder Instandhalter erhält den Maschinenstatus für alle überwachten Maschinen jeweils in den drei Stufen ‚Suspect‘, ‚Warning‘ und ‚Severe‘ angezeigt. Darüber hinaus bietet das System Zugriff auf einige nach Norm berechnete KPI, beispielsweise RMS (low und high), ISO (velocity) oder Kurtosis (high). Mit zunehmender Betriebsdauer lernt ‚Optime‘ die spezifischen Eigenschaften der jeweiligen Maschine besser kennen: 
Die Analyse basiert auf einer Kombination aus automatisierten Funktionen – beispielsweise der Generierung dynamischer Schwellenwerte, aus Algorithmen für spezifische Schadenstypen und auch aus Machine-Learning-Funktionen. Unter anderem erkennt das System Wälzlagerschäden, Unwuchten, Fehlausrichtung, Kavitation bei Pumpen, Getriebeschäden und Schmierungsprobleme.
Da die Analyse ohne zusätzliches Drehzahlsignal realisiert wurde, ließen sich die Installations- und Hardwarekosten soweit reduzieren, dass das System auch für eine sehr große Anzahl an Messpunkten wirtschaftlich attraktiv ist.

Aggregierte Visualisierung der Ergebnisse

Das Mesh-Netzwerk von ‚Optime‘ ist unabhängig von der bestehenden IT- Infrastruktur des Nutzers.

© Schaeffler

Um auch bei Hunderten von Messpunkten den Überblick zu behalten, bietet das CMS zunächst eine aggregierte Sicht auf die Analyse-Ergebnisse. Darunter finden sich mehrere Detaillierungsebenen bis zur einzelnen Maschine. Die Statusinformationen ‚Suspect‘, ‚Warning‘ und ‚Severe‘ in der App zeigen auf einen Blick, wie es um die Maschinen in einer Produktion steht. Dem User wird angezeigt, welches Aggregat dringend überprüft werden muss oder an welchen Maschinen es beginnende Auffälligkeiten gibt. Mit weiteren Informationen darüber, um welche Schäden und Auffälligkeiten mit welcher Kritikalität für die Produktion es sich handelt, fällt es Instandhaltern leicht, rechtzeitig Maßnahmen zu ergreifen und einen Stillstand von Maschine oder Anlage abzuwenden.