"Eine Verschleiß­messung kann die Laufzeit einer Kette deutlich verlängern." Richard Habering, Leiter des Geschäftsbereichs smart plastics bei Igus

„Eine Verschleiß­messung kann die Laufzeit einer Kette deutlich verlängern.“ Richard Habering, Leiter des Geschäftsbereichs smart plastics bei Igus Redaktion IEE

Herr Habering, wann hat Igus das Thema Condition Monitoring von Energieketten aufgegriffen?

Richard Habering: 2017 wurde das erste Projekt angestoßen, das heutige isense online mit der direkten Anbindung an unsere Cloud. Mit den darüber gewonnenen Daten wollten wir das eigene Wissen erweitern, Data Analytics und AI in der Cloud betreiben, um daraus wiederum einen Kundennutzen, wie weiter erhöhte Maschinensicherheit, zu generieren. Allerdings lag der Fokus dabei nicht nur auf Condition Monitoring, sondern galt der ganzheitlichen Betrachtung von Industrie 4.0, der vernetzten Industrie und wie sich die Igus-Komponenten darin wiederfinden. Das betrifft nicht nur Condition Monitoring, auch Onlinekonfiguratoren, CAD-Daten, digitale Bestellsysteme spielen in dem Zusammenhang auch eine Rolle.

Wie regeln Sie das Thema Datenschutz bei ihren Projekten?

Richard Habering: Der ursprüngliche Gedanke war, dass wir die Daten der Kundenanwendungen alle in die Cloud bringen. Die vielen persönlichen Gespräche mit potenziellen Anwendern haben uns aber schnell gezeigt, dass die Wünsche der Kunden in dem Zusammenhang äußerst unterschiedlich sind. Und so haben wir umgehend weitere Entwicklungsprojekte angestoßen.

Sie mussten also das Cloud-Konzept überarbeiten?

Einfache Wartung durch  smart plastics

761iee0619_Bild1_smart_plastics_e-chains für Kasten

igus

Daten sind die neue Leitwährung, sie zu generieren und zu evaluieren, ist eine zentrale Aufgabe, der sich Igus stellt.

Richard Habering: Wir haben schnell gelernt, dass wir das Thema Datenhandling in der Cloud in weiten Teilen anders angehen müssen. So werden in einem separaten und besonders geschützten Bereich der igus Cloud die Sensordaten mit den Kundendaten verknüpft, um in Echtzeit Wartungsempfehlungen oder Warnmeldungen zu generieren und via IoT auf Kundendevices anzeigen zu lassen. In unserem ‚Data Lake‘ wird mittels der komplett anonymen Sensordaten mittels Data Analytics und Machine Learning ein Datenmodell zur Definition des Zeitraumes erzeugt, in denen der Kunde das e-kettensystem ohne das Risiko eines unerwarteten Ausfalls betreiben kann. Parallel dazu haben wir ein mehrstufiges Konzept entwickelt, das Anwendern die Wahl ermöglicht, wie sie smart plastics überhaupt implementieren wollen – von einer reinen Offline-Variante bis hin zur Anbindung an unsere Cloud.

Was überwachen Sie an einer typischen Energiekette?

Richard Habering: Energieketten in dynamischen Anwendungen haben nun mal eine endliche Lebensdauer. Mit unserem Lebensdauerrechner kann man diese online recht zuverlässig berechnen. Die Basis dafür bilden Dauerversuche in unserem 3800 m² großen Testlabor. Dank der 10 Milliarden Testzyklen im Jahr können wir sehr viel mit Algorithmen vorherbestimmen. Hinzu kommen dann die Live-Daten unserer Kunden. Mit diesen Daten kann man Puffer und Grenzen viel mehr ausreizen ‒ ohne das Risiko eines Defekts. Die Sensoren erfassen dazu hauptsächlich den Abbau von Verschleißzugaben, die von vornherein vom Kunden oder uns eingeplant sind. So lässt sich eine smarte Energiekette, weil sie eben die Live-Bedingungen misst, gegebenenfalls länger betreiben, was Kosten spart. Mit den Sensordaten der Applikationen können wir darüber hinaus den Algorithmus an die Realität anpassen und sehen, ob wir mit den Online-Berechnungen auf dem richtigen Weg sind oder doch noch viel zu konservativ in der Auslegung der Energieketten sind.

Gab es da schon Überraschungen bei ihren Vergleichen?

In Sachen   Predictive Mainte­ nance von Energie­ ketten sind wir gut  unterwegs.  Redaktion IEE

„In Sachen Predictive Mainte­nance von Energie­ketten sind wir gut unterwegs. „ Redaktion IEE

Richard Habering: Ein Lebensdauerrechner ist immer konservativ ausgelegt, das heißt mit Sicherheitsreserve. Auch weil wir die Realität im Feld bis dato nicht immer kennen. Denn mitunter entwickelt sich der Verschleiß anders, als wir es angenommen haben, etwa durch veränderte Umgebungsbedingungen.

Bei wie vielen Projekten oder Maschinen können Sie bereits auf reale Daten für die Optimierung ihres Algorithmus zurückgreifen?

Richard Habering: Dazu muss man differenzieren, einerseits in Anwendungen mit Lebensdauerprognose und Wartungsvoraussagen und andererseits in das Management von unerwarteten Ereignissen. Bei einem Kettenbruch geht es darum, dessen Auswirkungen gering zu halten. Wenn die Kette bricht, dann hat es in den allerallermeisten Fällen externe Gründe, etwa eine von einem Gabelstapler verbogene Rinne oder ein vergessenes Werkzeug. Den Bruch überwachen wir per Zug/Schubüberwachung, von denen wir bereits über 2 000 Lösungen im Feld haben. Bei der Bruchüberwachung, die es seit 2018 gibt, geht sind auch schon nahezu 200 Anlagen im Feld. Beide Technologien können mit unserem icom-System verbunden werden und liefern dann zusätzliche Informationen. Wenn es ein Onlinesystem ist, gehen die Daten dann auch in die igus Cloud und werden von uns verarbeitet – anonymisiert versteht sich.

Worin besteht denn der Unterschied zwischen der Bruchüberwachung ab 2018 und der Schub/Zugüberwachung davor?

Richard Habering: Zusätzlich zu der bis 2018 dahin reinen abschaltenden Funktion erfolgt jetzt ein Monitoring aller Sensordaten auf einer SD-Karte sowie auf Wunsch die Ausgabe aller Messwerte über eine UART-Schnittstelle. Diese Daten können vom Kunden zu eigenen Auswertungen genutzt werden aber auch als zusätzliche Information in das Predictive Maintanance System isense online oder isense offline eingespielt werden.

Und die generelle Verschleißdiagnose, wie viele Systeme sind davon im Einsatz?

Richard Habering: Die icom-Installationen werden derzeit erst ausgerollt. Wir erweitern unser eigenes Testlabor auch dahingehend, dass bei jedem Versuchsaufbau in Zukunft immer kontinuierlich gemessen wird.

Wie wird denn der Algorithmus der Lebensdauerberechnung justiert? Erfolgt das fortlaufend oder vergleichbar zum Patch-Day an einem bestimmten Zeitpunkt?

Richard Habering: Beim Online-System liefert die Kette die Informationen über Bewegung und Abrieb an das icom-Modul. Dieses leitet alle Daten in unseren Data Lake weiter. Dort splittet sich das Ganze auf, in den Kunden-Bereich, wo nur er seinen Verschleiß einsehen kann. Die Grundlage bildet das aktuelle Modell des Lebensdauerrechners für seinen Kettentyp.

Und wie nutzt Igus die Daten?

Richard Habering: Alle Informationen aus den Kundenapplikationen pumpen wir anonymisiert zusammen mit den Daten aus unseren eigenen Laborversuchen in den Data Lake. Dort werden mittels AI dann Machine Learning-Algorithmen erzeugt. Ausgangspunkt ist ein Modell, das auf den Erfahrungswerten unserer Online-Tools basiert. Beide Modelle lassen wir gegeneinander laufen. Heraus kommt eine valide Aussage über die verbleibende Restlaufzeit bis zur nächsten Wartung.

Je mehr Daten wir bekommen, desto präziser wird auch der Algorithmus des Lebensdauerrechners. Redaktion IEE

„Je mehr Daten wir bekommen, desto präziser wird auch der Algorithmus des Lebensdauerrechners.“ Redaktion IEE

Lässt sich der im Gerät hinterlegte Algorithmus der tatsächlichen Belastung anpassen?

Richard Habering: Die Onlinelösung hat natürlich dahingehend viele Vorteile. Bei der Installation des Systems basieren die Angaben zur nächsten empfohlenen Wartung anfangs auf den theoretischen Angaben, die beim Setup gemacht wurden. Der Wert ist zumeist viel zu vorsichtig. Geht die Anlage in Betrieb, ermittelt das iCOM das reale Bewegungsprofil. Damit lässt sich sehr einfach die Lebensdaueraussage in Tage umrechnen. Bis zu dem Punkt, an dem der Verschleißsensor der e-kette Alarm schlägt, basiert das auf unserem Lebensdauerrechner.

Tritt dieser Fall nun ein, wird der Algorithmus mit der Realität abgeglichen. Wenn dieser Zeitpunkt laut Berechnung eigentlich schon viel früher hätte eintreffen müssen, wird der Algorithmus mit dem aktuellen Wert upgedatet. Die Rückmeldung aus der Anlage macht die Berechnung der Restlebensdauer daher viel präziser.

Seite 1 von 212