Bild 1: Verschleißkurve eines Elektromotors mit den entsprechenden Signalen (links) sowie Frequenzspektrum des Vibrationssignals mit den jeweiligen Fehlerursachen (rechts).

Bild 1: Verschleißkurve eines Elektromotors mit den entsprechenden Signalen (links) sowie Frequenzspektrum des Vibrationssignals mit den jeweiligen Fehlerursachen (rechts). (Bild: STMicroelectronics)

Um für den hohen Automatisierungsgrad zu sorgen, nach dem die heutigen industriellen Anwendungen verlangen, müssen die Anlagen nicht nur effizienter, intelligenter, kontextbewusster und stärker vernetzt, sondern auch robuster sein und den Menschen, die mit ihnen umgehen, mehr Sicherheit bieten.

  1. Vorteile vorausschauender Instandhaltung

Eckdaten

Angebracht an Maschinen können Sensoren verschiedene Messwerte wie Vibration, Schall oder Temperatur erfassen. Kombiniert mit einem Mikrocontroller spricht man von einem Sensorknoten. Entsprechende Systeme analysieren die gesammelten Daten und geben einen Rückschluss auf den Zustand der Maschine.

Jeder Fabrikbetreiber möchte, dass seine Anlagen mit optimaler Geschwindigkeit und möglichst wenig Stillstandszeiten arbeiten. Bekanntermaßen unterliegen jedoch alle Maschinen mit beweglichen Teilen einem gewissen Verschleiß und kommen nicht ohne Wartung und Reparatur aus.

Eine Möglichkeit besteht nun darin, Instandhaltungsmaßnahmen in festen Intervallen, also ohne Rücksicht auf den tatsächlichen Zustand der jeweiligen Anlage einzuplanen. Dieser Ansatz bietet zwar Planungssicherheit, birgt aber die Gefahr, dass die Instandhaltung entweder zu spät erfolgt, um Schäden an der Anlage oder gefährliche Vorkommnisse zu vermeiden, oder aber zu früh, ohne dass sie eigentlich notwendig wäre.

Sinnvoller ist stattdessen die zustandsbasierte Instandhaltung. Dabei erfolgen Instandhaltungsmaßnahmen anhand des tatsächlichen Zustands einer Maschine – also nur bei echtem Bedarf und bevor es zu einem Ausfall kommt. Nachteilig an diesem Konzept ist, dass der Verzicht auf Instandhaltung häufig riskant ist, solange eine Maschine keine Anzeichen für einen bevorstehenden Ausfall aufweist. Das kann allerdings dazu führen, dass es zu sehr ungünstigen Zeiten zu einer Produktionsunterbrechung kommt.

Bild 1: Verschleißkurve eines Elektromotors mit den entsprechenden Signalen (links) sowie Frequenzspektrum des Vibrationssignals mit den jeweiligen Fehlerursachen (rechts).

Bild 1: Verschleißkurve eines Elektromotors mit den entsprechenden Signalen (links) sowie Frequenzspektrum des Vibrationssignals mit den jeweiligen Fehlerursachen (rechts). STMicroelectronics

Besser ist dagegen die vorausschauende Instandhaltung, die einen etwaigen Instandhaltungsbedarf weit im Voraus erkennt. Sie kombiniert die Zustandsüberwachung mit einem dynamischen, vorausschauenden Modell der Ausfallarten. Dieses Verfahren verspricht einen maximalen Schutz für die Maschinen bei minimaler Beeinträchtigung der Produktivität, ohne die Komplexität des Gesamtsystems unnötig zu erhöhen.

Laut einer McKinsey-Studie kann die vorausschauende Instandhaltung die Stillstandszeiten in Fabriken um bis zu 50 Prozent verringern und die Kosten zur Instandhaltung der Anlagen um 10 bis 40 Prozent reduzieren.

Die vorausschauende Instandhaltung stützt sich auf die Zustandsüberwachung durch Messung und Analyse physikalischer Phänomene wie Schall, Temperatur oder Vibration sowie auf visuelle Inspektion. Da Vibrationen das häufigste Symptom für Unwuchten, Einstellungsfehler und andere Anomalien sind, beruht die vorausschauende Instandhaltung oftmals auf Vibrationsanalysen an rotierenden Maschinen wie etwa Motoren, Pumpen, Spindeln, Förderanlagen, Produktionsmaschinen und Lüftern.

Normalerweise verschlechtert sich der Zustand einer Maschine im Lauf der Zeit, was sich durch eine allmähliche Veränderung der gemessenen Werte äußert. Bild 1 verdeutlicht, wie sich der zunehmende Verschleiß eines Motors an verschiedenen Arten von Signalen sichtbar macht. Im Prinzip gilt: je früher sich ein Defekt aufdecken lässt, umso geringer sind die Instandhaltungskosten und umso weniger Produktionszeit geht potenziell verloren.

Bis vor kurzem konnten fast ausschließlich diskrete, tragbare Sonden, die auf piezoelektrischen und ultraschallbasierten Sensorprinzipien basierten, Fehlerindizien wie Vibration und Schallemissionen erfassen. Leider sind Diagnoseausrüstungen auf der Basis dieser Techniken nicht nur relativ komplex und kostspielig, sondern auch mit Einschränkungen bezüglich Reproduzierbarkeit, Datenmanagement und Auswertung behaftet.

Bild 2: Allgemeine Architektur eines vorausschauenden Instandhaltungssystems und Einbindung in eine ERP-Struktur.

Bild 2: Allgemeine Architektur eines vorausschauenden Instandhaltungssystems und Einbindung in eine ERP-Struktur. STMicroelectronics

Neueste Elektronik und fortschrittliche Algorithmen machen inzwischen ein neues Konzept möglich. Mittlerweile lassen sich kleine, wenig Strom verbrauchende Sensoren direkt an den Maschinen anbringen. Dort überwachen sie verschiedene Größen, bereiten die erfassten Signaldaten auf und übertragen die resultierenden Daten an Analyse- und Kontrolleinrichtungen, die sich vor Ort, in großer Entfernung oder in der Cloud befinden können. Diese kompakten und intelligenten Sensorknoten bestehen aus den eigentlichen Sensoren sowie einem Mikrocontroller, Power-Management-Schaltungen und drahtloser oder leitungsgebundener Konnektivität und bieten zahlreiche Vorteile gegenüber traditionellem Zustandsüberwachungs-Equipment:

  • Kostensenkung: Intelligente, autonom operierende Sensorknoten kosten deutlich weniger als portable piezoelektrische Sonden und deren geschulte Techniker.
  • Reproduzierbare, zuverlässige und zeitnahe Daten: Messung und Analyse erfolgen im laufenden Betrieb und nicht nach starren Instandhaltungsplänen, die frühzeitige oder kritische Fehlersymptome übersehen können.
  • Fähigkeit zum Anstoßen umgehender lokaler Aktionen: Intelligente Algorithmen können die Daten vor Ort, also direkt im Knoten analysieren und Sofortmaßnahmen auslösen, um die Anlagen zu schützen und die Sicherheit des Personals zu gewährleisten.
  • Anpassung der Überwachungsparameter im Lauf der Zeit: Der Sensorknoten lässt sich so konfigurieren, dass sie zunehmenden Toleranzen alternder Anlagen berücksichtigen.

Abgesehen von den lokalen Vorteilen, die Sensorknoten für einzelne Maschinen bieten, ist auch die Verwendung in Cloud-Netzwerken möglich, um größere Datenmengen für fundierte vorausschauende Instandhaltungs-Analysen zu erfassen.

Welche Architekturen und Techniken sich am besten für die vorausschauende Instandhaltung eignen, lesen Sie auf Seite 2.

  1. Architekturen und Techniken

Systeme für die Zustandsüberwachung und die vorausschauende Instandhaltung enthalten eine Reihe intelligenter Sensorknoten, die zu einem Netzwerk verbunden und über ein Gateway an einen Edge-Server oder einen Cloud-Dienst angeschlossen sind (Bild 2).

Bild 3: Blockschaltbild eines Sensorknotens (leitungsgebunden oder drahtlos) für die Vibrationsanalyse.

Bild 3: Blockschaltbild eines Sensorknotens (leitungsgebunden oder drahtlos) für die Vibrationsanalyse. STMicroelectronics

Abhängig von der jeweiligen Enterprise-Resource-Management-Architektur kann die Verarbeitung der Daten entweder mit unmittelbar in den Sensorknoten eingebetteter Analytik erfolgen, oder aber auf dezentralen Servern oder in einer Cloud-Infrastruktur, die mit der Zeit mehrere Datensätze verarbeiten und korrelieren kann. Systeme für die vorausschauende Instandhaltung sind in der Regel mit den Instandhaltungs- und Beschaffungs-Komponenten von ERP-Systemen verknüpft, damit das System rechtzeitig Ersatzteile bestellen kann.

In diesen umfassenderen Systemen kommt es darauf an, die Analysen auf die Cloud, Edge-Server und Sensorknoten zu verteilen, um die Effizienz und Effektivität zu maximieren. Die Fähigkeit zum Erkennen des zunehmenden Verschleißes einer Maschine ermöglicht das umgehende Einleiten von Abhilfemaßnahmen, um weitere Schäden oder gar einen Ausfall zu verhindern. Langfristigere Analysen und Aktionen lassen sich in der Cloud koordinieren, wobei komplexere Analysen an großen Mengen vorab aufbereiteter Daten möglich sind. Dies eignet sich zur Ermittlung von Trends und zur Optimierung lokaler Analysemodelle.

Bild 3 gibt die zahlreichen Komponenten wieder, die in einem intelligenten Sensorknoten am Werk sind.

Die verwendeten Sensoren können unterschiedlicher Art sein – zum Beispiel Temperatur-, Druck- und Feuchtigkeitssensoren zum Einholen von Umgebungsdaten, Beschleunigungssensoren für die Vibrationsmessung, Stromsensoren sowie Mikrofone für die Ultraschall-Erfassung. Beschleunigungssensoren eignen sich besonders für die Fehleranalyse an rotierenden Maschinen, bei denen Beschleunigung, Geschwindigkeit und Amplitude einer Vibration frühzeitige Anzeichen für bevorstehende Ausfälle sein können. Ein weiterer Warnparameter sind Ultraschall-Emissionen, die den Vibrationen vorausgehen können (Bild 1).

Die in Smartphones und anderen Konsumgeräten weit verbreitete, kapazitive MEMS-Technik fasst auch in industriellen Anwendungen zusehends Fuß. MEMS-Bauelemente sind kostengünstiger, bieten mehr Flexibilität und schließen die Lücke zu den piezoelektrischen Systemen, was die Genauigkeit, Stabilität, Bandbreite und Temperatur sowie den Dynamikbereich angeht. Abgesehen davon sind sie weitaus beständiger gegen stoßbedingte hohe Beschleunigungswerte.

Was die Schallemissionen betrifft, kann die Analyse sowohl im hörbaren als auch im Ultraschallbereich erfolgen, was eine sehr frühzeitige Verschleißerkennung erlaubt und sich auch zur Detektierung verschiedener Fehlerursachen eignet.

Mikrocontroller besitzen die Fähigkeit zur Datenverarbeitung vor Ort – von der Erfassung und Verarbeitung der Daten bis zur Abwicklung der Kommunikation. Sie bieten unterschiedliche Eigenschaften, was die Verarbeitungsleistung, die Speicherausstattung und die Schnittstellen betrifft, und lassen sich somit gezielt nach den Erfordernissen der jeweiligen Anwendung auswählen.

Bild 4: Beispiel für die Überwachung im Frequenzbereich mit programmierbaren Alarmgrenzwerten.

Bild 4: Beispiel für die Überwachung im Frequenzbereich mit programmierbaren Alarmgrenzwerten. STMicroelectronics

Zu den wichtigsten Aufgaben des Mikrocontrollers gehört die eingebettete Analytik sowohl im Zeit- als auch im Frequenzbereich (FFT), ergänzt durch weitere eingebettete Analysen.

Durch die sensornahe Einbindung der FFT-Analyse lassen sich Veränderungen in der Vibrationssignatur unmittelbar bestimmten Quellen zuordnen. Darüber hinaus lassen sich FFT-Operationen und weitere Vorverarbeitungs- und Analysemaßnahmen entwickeln, um das Rauschen aus den realen Signalen herauszufiltern und exakte Alarmgrenzwerte festzulegen. Ein Beispiel hierfür ist in Bild 4 zu sehen.

Künstliche Intelligenz (KI) in Form von Machine Learning und Deep Learning ist ein technologischer Durchbruch, der durch die schiere Menge der verfügbaren Daten, moderne Programmiertechniken und Open-Source-Tools für das Einlernen neuronaler Netze, leistungsstarke Rechenzentren und immer besser werdende Embedded-Processing-Systeme möglich gemacht wurde.

Künstliche Intelligenz lässt sich als die Fähigkeit einer Maschine definieren, logische Analysen vorzunehmen, sich Wissen anzueignen und sich an eine Umgebung anzupassen, die sich über die Zeit oder in einem bestimmten Kontext verändert. KI ist eine Möglichkeit zum Extrahieren nützlicher Informationen und zum Auslösen von Aktionen auf der Basis von Daten. Anstatt spezialisierten Programmierern die Ausarbeitung detaillierter Algorithmen zu überlassen, die jeden analytischen Schritt für eine anvisierte Applikation implementieren, verleiht KI den Maschinen die Fähigkeit zu „lernen“ und ihre eigene Art zum Analysieren von Daten zu entwickeln. Das Resultat dieses „Lernvorgangs“ lässt sich zu einem sogenannten neuronalen Netz destillieren.

Betrachtet man die Architektur vorausschauender Instandhaltungssysteme, so ist erkennbar, dass sich die KI auf verschiedenen Ebenen anwenden lässt. Dabei reichen die Einsatzgebiete von Cloud-Rechenzentren, die große Datenmengen analysieren und geeignete neuronale Netze entwickeln, bis zu den Mikrocontrollern, in denen komprimierte Versionen dieser neuronalen Netze lokale eingebettete Analysen durchführen. In neuen Generationen intelligenter Sensoren lassen sich die neuronalen Netze sogar direkt einsetzen.

Die Konnektivität wird über standardmäßige leitungsgebundene Anbindung und Industriestandard-Protokolle, aber auch über drahtlose Anbindung abgewickelt. Es gibt nicht die einzig richtige Lösung. Was die beste Wahl ist, hängt vielmehr oftmals von der Fabrik-Infrastruktur und anderen äußeren Umständen ab.

Der Security-Aspekt in einem industriellen Umfeld verlangt, dass intelligente Sensorknoten bei der Datenverarbeitung und Kommunikation geschützt sind, um unbefugte Zugriffe zu unterbinden. Außerdem sollen sie sicherstellen, dass die Verbindung zwischen den Sensoren und dem zentralen System vertrauenswürdig sind. Die entsprechende Absicherung ist auf verschiedenen Ebenen zu implementieren.

Das Power-Management in einem batteriebetriebenen Sensor hat einen entscheidenden Stellenwert. Die Power-Management-Systeme müssen deshalb so ausgelegt sein, dass die Zustandsüberwachungs-Sensoren ohne Intervention über lange Zeiträume betriebsfähig bleiben.

Wichtige Schritte zum Umsetzung eines intelligenten Sensorsystems finden Sie auf der folgenden Seite.

  1. Beschleunigtes Systemdesign und Feldprüfungen

Bild 5: Das Portfolio von STMicroelectronics beinhaltet unter anderem Kits für Zustandsüberwachung und vorausschauende Instandhaltung.

Bild 5: Das Portfolio von STMicroelectronics beinhaltet unter anderem Kits für Zustandsüberwachung und vorausschauende Instandhaltung. STMicroelectronics

Das Einrichten einer vorausschauenden Instandhaltungslösung auf der Basis eines intelligenten Sensorsystems kann ein bis zwei Jahre dauern und umfasst mehrere wichtige Schritte:

  • Festlegung der Systemarchitektur
  • Auswahl von Sensoren, die in Bezug auf Genauigkeit, Stabilität, Preis und Verfügbarkeit den Anforderungen entsprechen
  • Definition der erforderlichen Spezifikationen für den Mikrocontroller (Rechenleistung sowie Speicher- und Schnittstellenausstattung)
  • Wahl der Konnektivitäts-Technologien
  • Design der Power-Management-Stufe und des geeigneten Formats
  • Implementierung der notwendigen Analysen und Charakterisierung des Systems
  • Validierung der Gesamtlösung in einem realen Anwendungs-Szenario

STMicroelectronics betätigt sich seit langer Zeit im Bereich der industriellen Anwendungen und bietet ein speziell hierfür ausgelegtes Portfolio mit Liefersicherheit über zehn Jahre. Das Portfolio umfasst verschiedene industrielle Sensoren wie MEMS-Beschleunigungssensoren, Umweltsensoren sowie Mikrofone, Mikrocontroller wie die STM32-Familie, Analysetools sowie Entwicklungskits für leistungsgebundene Sensorknoten. Darüber hinaus hat ST eine spezielle Infrastruktur ausgearbeitet, die Designern vorausschauender Instandhaltungssysteme bei der Evaluierung der von ihnen benötigten Produkte und dem Deployment für die Charakterisierung im Feld mithilfe vorab validierter Tools hilft.

Fazit

Die vorausschauende Instandhaltung gehört zu den entscheidenden Wegbereitern für die Smart Factorys der Zukunft. Die Technologien für ihre Verwirklichung sind bereits verfügbar – von der Sensorik über Security, Power-Management und Embedded Processing bis hin zu KI-Fähigkeiten. Nimmt man zusätzlich das Cloud Computing und die Cloud-Anbindung hinzu, so stehen alle notwendigen Zutaten für die Entwicklung ausgefeilter, leistungsfähiger Systeme zur Verfügung, die sämtliche Vorteile der vorausschauenden Instandhaltung ausschöpfen können. ST hat eine umfassende Infrastruktur an Produkten entwickelt, die bei der Realisierung hilft. Die Spanne reicht hier von speziellen Sensoren und Mikrocontrollern über Referenzdesigns bis zu Softwarebibliotheken.

Giusy Tomarchio

Joint Labs Coordination and Business Development, STMicroelectronics

Alessandro Faulisi

Sensing and Connectivity Application Team Manager, STMicroelectronics

Vladimir Janousek

Application Team Manager, MEMS and Analog EMEA, STMicroelectronics

Werner Neumann

Marketing Manager MEMS and Analog Central Europe, STMicroelectronics

(prm)

Sie möchten gerne weiterlesen?

Unternehmen

STMicroelectronics GmbH

Bahnhofstr. 18
85609 Aschheim-Dornach
Germany