Um die Verfügbarkeit industrieller Maschinen zu optimieren und so mit den immer weiter steigenden Anforderungen Schritt zu halten, ist für Anlagenbetreiber und -personal ein hohes Verständnis der dynamischen, technischen Prozesse erforderlich. Grundlage dafür ist die Erfassung und vor allem die anschließende Auswertung aller relevanten Prozessdaten. Da hier im Regelfall unterschiedliche Signalquellen berücksichtigt werden müssen, können kausale Zusammenhänge nur dann erkannt werden, wenn die Daten aller beteiligten Steuerungen, Sensoren und Geräte synchron erfasst, mit einem zentralen Zeitstempel versehen und gemeinsam ausgewertet werden.

Ergo ist für Systeme zur Messwerterfassung und -analyse eine ausgeprägte Konnektivität zu unterschiedlichen Automatisierungs- und Bussystemen unabdingbar. Zudem sollten sich die online berechneten Kennwerte zur webbasierten Analyse in Datenbank- oder Cloudsystemen speichern lassen. Für konstant laufende Maschinen existieren in gängigen Messsystemen hierfür meist zuverlässige Methoden zur Überwachung. Die meisten Systeme zur Schwingungsüberwachung basieren auf Daten, die unter reproduzierbaren Messbedingungen aufgezeichnet werden und damit eine hohe Vergleichbarkeit aufweisen.

Deutlich komplexer und vor allem datenintensiver wird die Analyse jedoch in Prozessen mit variablem Verhalten. In diesen beeinflussen sich die Zustände der unterschiedlichen Komponenten gegenseitig. Hinzu kommt, dass die meisten Produktionslinien eine große Bandbreite unterschiedlicher Produkte aufweisen. All dies macht es sehr schwierig,  reproduzierbare Messbedingungen zu finden. In diesen Fällen sind Methoden nötig, die alle Arten von Daten – beispielsweise Schwingungs- und Prozessdaten – nutzen und eine  zuverlässige und zeitsynchrone Überwachung unter allen Prozessbedingungen ermöglichen.

Erfassung von Schwingungs- und Prozessdaten in einem System

Hierfür bietet beispielsweise das System zur Messwerterfassung und -analyse von iba ein geeignetes Werkzeug, da es die Erfassung und Analyse von Prozess- und Schwingungsdaten in einem System hat und so hilft, ungeplante Stillstände zu vermeiden. Je genauer die Daten dabei erfasst werden, desto besser und detaillierter kann die anschließende Prozess- und Ursachenanalyse ausgeführt werden. So wird die größte Flexibilität bei der Analyse von Prozess- und Maschinendaten erzielt, wenn die Daten als hochaufgelöste Rohdaten und nicht als voraggregierte Daten aufgezeichnet werden. Nachteilig bei dieser Erfassung ist jedoch die entstehende Datenmenge, denn hier können schnell über 100 Mbyte/s zusammenkommen. Aus diesem Grund ist es wichtig, die Informationen und das Wissen aus den Rohdaten mit effizienten Methoden zu extrahieren und so die Komplexität des Prozesses unterschiedlichen Nutzergruppen wie Produktion und Qualitätswesen möglichst übersichtlich darzustellen.

Die Überwachung eines Schrägwalzwerks

Die Fertigung nahtloser Stahlrohre ist ein komplexer und energieintensiver Prozess

© Bild: industryviews (Shutterstock) / iba

Ein solch komplexes Prozessverhalten ist beispielsweise in Schrägwalzwerken zu finden: Für die Fertigung nahtloser Stahlrohre werden aus massiven Blöcken Rohrluppen, also dickwandige Hohlkörper, hergestellt. In dem Prozess wird ein Stahlblock zunächst auf eine Temperatur von über 1200 °C erwärmt, auf Walzen geführt, gewalkt, bis er zentrisch aufreißt, und mithilfe eines Dorns durchstochen. Der Dorn wird dabei von  Führungsböcken stabilisiert und in Position gehalten. Da für den korrekten Ablauf sämtliche Komponenten einwandfrei und aufeinander abgestimmt funktionieren müssen, haben Beschädigungen oder Verschleiß der verschiedenen Aggregate großen Einfluss auf die Produktqualität.

Außerdem sorgen weitere Prozessschritte und die notwendige Abkühlzeit dafür, dass zwischen dem Auftreten und dem Bemerken einer Abweichung viel Zeit vergehen kann – was im schlimmsten Fall kostspielige Konsequenzen hat: Wird die Qualitätskontrolle erst im erkalteten Zustand durchgeführt, sind in der Regel mehrere Rohre betroffen und müssen erneut eingeschmolzen oder verschrottet werden. Bei solch energie- und kostenintensiven Prozessen sollte die Überwachung daher in Echtzeit erfolgen. Hier bietet das iba-System mit ‚Edge Analytics‘die Möglichkeit, die relevanten Kennwerte aus den hochaufgelösten Messdaten direkt am Prozess im Edge Device, etwa einem ‚ibaM-DAQ‘, zu berechnen. So werden die Daten genau da ausgewertet, wo sie entstehen, und im Fehlerfall ist eine schnelle und gezielte Reaktion möglich.

Aussagekräftige KPIs aus Rohwerten

Die Verarbeitung der Rohdaten findet idealerweise im OT-Netzwerk statt, nur die KPIs landen in der Cloud.

© iba

Komplettiert wird eine umfassende Datenanalyse durch die Anbindung an übergeordnete IT-Systeme wie etwa Cloud-Umgebungen. Mit diesem Schritt wird das volle Potenzial der Messdaten genutzt, da die gewonnenen Erkenntnisse unterschiedlichen Nutzergruppen zugänglich gemacht und ganzheitlich genutzt werden können. Aufgrund der immensen Datenmenge, der verfügbaren Bandbreite und den Wechselwirkungen zwischen OT- und IT-Netzwerken ist es allerdings nicht sinnvoll, sämtliche Messdaten zur Auswertung heranzuziehen, sondern nur die berechneten Kennwerte in die Cloud zu transferieren. Diese Daten können mit Online-Visualisierungstools wie ‚ibaDaVIS‘ dann in aussagekräftigen Dashboards dargestellt werden. So kann das Bedienpersonal Anlagen, Maschinen und die Produktqualität analysieren, miteinander vergleichen und auch Optimierungspotenziale aufdecken. Es reicht jedoch nicht aus, nur die Kennwerte zur Verfügung zu stellen; es ist notwendig, die KPIs in der Cloud im Zuge eines ‚drill-down‘ wieder zurück auf die Rohwerte zurückführen zu können. So lassen sich im Fehlerfall Ursachenanalysen ohne Informationsverlust durchführen.

Das iba System

Mit dem iba-System steht ein System zur Verfügung, das mit seiner Architektur und den verschiedenen Applikationen die vorgestellte Methode der Erfassung hochaufgelöster Rohdaten und des Edge Analytics unterstützt. Basierend auf der strukturierten Datenerfassung mit zentraler Zeitstempelung mit ibaPDA und der hier verfügbaren umfassenden Prozesskonnektivität können die Rohdaten direkt in den Edge Devices ibaDAQ oder ibaM-DAQ verarbeitet werden. ibaPDA bietet einen Ausdruckseditor zur Verknüpfung von Signalen und der Berechnung statistischer Kennwerte in Echtzeit.

Zur Online-Schwingungsanalyse steht zudem das Add-On ibaInSpectra, für die Überwachung zyklischer Prozesse das Add-On ibaInCycle zur Verfügung, sodass alle relevanten Daten in einem System erfasst und überwacht werden können. Von den Edge Devices aus ist direkt eine Alarmierung über verschiedene Ausgabeschnittstellen möglich. Zuletzt verfügt das iba-System mit ibaDaVIS über ein webbasiertes Analyse-Tool, mit dem individuelle Dashboards mit unterschiedlichen Grafikelementen zur Auswertung des Langzeitverhaltens der überwachten Prozesse und der Produktqualität erstellt werden können. Interaktive und flexible Filtermöglichkeiten erlauben es, die im Edge Device berechneten Kennwerte nach beliebigen Kriterien und technologischen und zeitlichen Filtern zu analysieren.

Christian Reinbrecht, iba

© iba

Der Autor: 

Christian Reinbrecht ist Produktmanager und Experte für Schwingungen und Zustandsveränderungen bei iba in Fürth.