Auswahl optimaler Predictive Maintenance Sensoren für zuverlässige Asset Health

Condition-Based Monitoring (CbM) trackt Equipment Health mit Sensoren, während Predictive Maintenance (PdM) CbM, Machine Learning und Analytics kombiniert, um Ausfälle vorherzusagen. Die Wahl der richtigen Sensoren ist kritisch, um Fehler vor Downtime zu detektieren, diagnostizieren und vorherzusagen.

Industriemotoren sind für 20-jährigen Dauerbetrieb in Werken und Kraftwerken engineered, doch viele erreichen ihre erwartete Lebensdauer nicht ¹. Ursachen sind Unterauslastung, inadäquate Wartung oder Abwesenheit eines PdM Systems. Ein gut implementiertes PdM Programm plant Reparaturen proaktiv, verhindert ungeplante Outages und extendet Asset Longevity.

Eine robuste PdM Strategie setzt multiple Techniken und Sensoren ein, um Fehler früh mit hoher Confidence zu catchen – es gibt keinen universellen „One-Sensor-Fits-All“. Dieser Artikel erklärt, warum Sensoren in PdM unverzichtbar sind, und beleuchtet ihre Stärken und Limitierungen.

System Fault Timeline

Abbildung 1 illustriert den Lebenszyklus eines Motors – von Installation bis Failure – neben dem empfohlenen Sensor an jedem Stage. Nach Ablauf der Warranty verschiebt sich Maintenance von häufigen Inspektionen zu scheduled Checks.

Ungeplante Downtime tritt oft auf, wenn ein Fault zwischen scheduled Checks entsteht. Der Schlüssel ist ein Sensor, der Issues früh flaggt – dieser Artikel fokussiert auf Vibrations- und Akustik-Lösungen, wobei Vibrationsanalyse typischerweise als PdM Starting Point dient ².

Predictive Maintenance Sensoren

Einige Sensoren detektieren spezifische Fehler, wie Bearing Damage, früher als andere. Accelerometer und Mikrofone sind am weitesten verbreitet für frühe Fault Detection. Tabelle 1 listet Sensor Specs und die Fehler, die sie offenbaren können. PdM Systeme deployen normalerweise eine Submenge dieser Sensoren, daher ist Verständnis jedes Fault Types und des besten Sensors zur Erfassung essenziell.

Sensor und System Fault Considerations

Über 90 % industrieller Rotating Machinery verlassen sich auf Wälzlager ³. Abbildung 2 zeigt die Verteilung von Motor-Komponenten-Failures, unterstreicht die Wichtigkeit von Bearing Monitoring. Ein Vibrationssensor muss Low Noise und Wide Bandwidth bieten, um potenzielle Fehler zu detektieren, diagnostizieren und vorherzusagen.

Tabelle 2 detailliert häufige Fehler in rotierenden Maschinen und Vibrationssensor-Anforderungen für frühe Detektion. High-Performance Sensoren sind pivotal für zuverlässigen Betrieb.

Vibrationsenergie (Peak, Peak-to-Peak, RMS) offenbart Imbalance oder Misalignment ⁵. Early-Stage Fehler wie Bearing oder Gear Defekte erfordern oft Low-Noise (<100 µg/√Hz) und Wide-Bandwidth (>5 kHz) Sensoren gepaart mit advanced Signal Processing.

Vibrations-, Sonic- und Ultraschall-Sensoren für PdM

MEMS Mikrofone betten ein MEMS Element auf PCB ein, typischerweise in Metall gehoused mit Port für Sound Pressure. Sie sind kosteneffektiv, kompakt und ideal für batterie-powered Monitoring von Bearing Health, Gear Meshing, Pump Cavitation, Misalignment und Imbalance. In noisy oder harshen Environments kann Performance jedoch durch Ambient Noise, Humidity oder Mechanical Shock degradieren.

Viele MEMS Datasheets listen benign Applikationen (Mobile, Laptop, Gaming), notieren aber auch Sensitivity zu Shock – manche claim bis 10.000 g Survivability ⁷. Klarheit über Suitability für extreme Environments bleibt limitiert.

MEMS Ultraschall-Mikrofone analysieren Sounds im 20–100 kHz Range, wo Ambient Noise minimal ist. Höhere Frequenzen ergeben kürzere Wellenlängen (0,3–1,6 cm) und mehr directive Energy, aidend präzise Fault Lokalisierung in Bearings oder Housings.

Accelerometer dominieren Vibrationssensing für große Rotating Equipment (Turbinen, Pumpen, Motoren, Gearboxes). Tabellen 3 und 4 vergleichen High-Performance MEMS Vibrations-/Akustik-Sensoren mit dem Industry Gold-Standard Piezo Accelerometern.

Der CbM Markt wird signifikant über die nächsten fünf Jahre wachsen, wobei Wireless Deployments viel Expansion treiben ⁶. Piezo Accelerometer, though highly capable, sind bulkier und verbrauchen mehr Power, making MEMS Accelerometer und Mikrofone attraktiv für batterie-powered PdM Systeme.

Alle Sensor Types bieten adequate Bandwidth und Low Noise, aber MEMS Accelerometer liefern einzigartig DC-to-High-Frequency Response, beneficial für Low-Speed Imbalance Detection und Tilt Sensing. Sie feature auch Self-Test Functions, ensuring functional Integrity – ein kritischer Safety Vorteil.

Hermetisches Sealing ist möglich für MEMS Accelerometer (Keramik) und Piezo Accelerometer (mechanisch), enabling Use in dirty oder harshen Environments. Tabelle 4 highlightet mechanische und Environmental Performance Unterschiede, guiding Sensor-to-Asset Matching.

Dreiachsige Vibrationsdaten liefern reichere Diagnostik, verbessern Fault Detection über Single-Axis Setups – ein klarer Benefit sowohl von Piezo als auch MEMS Accelerometern.

MEMS Mikrofone können bis –8 dB Distortion in High-Humidity Environments leiden ⁷. In solchen Conditions können Electret Condenser Mikrofone (ECMs) besser performen. Andere Environmental Factors – Wind, Pressure, EM Fields, Shock – impacten auch akustische Sensoren ⁸.

In benign Settings liefern MEMS Mikrofone exzellente PdM Performance. Mounting sie jedoch in harshen, vibratory, dusty oder humid Environments stellt Herausforderungen; sie benötigen einen Port für akustischen Zugang, der interne Elektronik Contaminants exponieren kann.

Jüngste Advances in kapazitiver MEMS Accelerometer Technologie ermöglichen nun kleine, Low-Cost, Wireless CbM Lösungen für Lower-Priority Assets, offering tiefere Insights in Facility Operations und Uptime. Diese MEMS Sensoren nähern Piezo Performance für wired Systeme an, mit Low Noise, Wide Bandwidth und Industry-Standard IEPE Interfaces.

Dedizierte PdM Module, wie Analog Devices' ADcmXL3021, integrieren drei Single-Axis MEMS Accelerometer, ADCs, Prozessoren, Memory und Algorithmen in ein mechanisches Package mit Resonanz >50 kHz. Dies ermöglicht On-Node FFTs, Alarm Triggers und Statistical Outputs essenziell für ML-basierte Failure Prediction.

Die Wahl des richtigen Vibrationssensors hängt davon ab, Sensor Capabilities mit den wahrscheinlichen Failure Modes des Assets zu matchen. MEMS Mikrofone sind noch nicht bewiesen, um alle vibrationsbasierten Fehler in härtesten Environments zuverlässig zu detektieren, wohingegen Accelerometer eine jahrzehntelange Reliability Track Record haben. MEMS Ultraschall-Mikrofone zeigen Promise für frühe Bearing Fault Detection und könnten Accelerometer für hybride PdM Lösungen komplementieren.

Während kein einzelner Sensor alle Szenarien abdeckt, bleiben Accelerometer eine bewährte, sich entwickelnde Wahl. Analog Devices bietet ein breites Portfolio an MEMS Accelerometern – von Low-Power, Low-Noise, High-Stability Units bis zu intelligenten Edge-Node Modulen – um diverse Applikationsbedürfnisse zu treffen.

Referenzen

1 Leslie Langnau. „Sensors Help You Get Maximum Use from Your Motors.“ Machine Design, September 2000.

2 Bram Corne, Bram Vervisch, Colin Debruyne, Jos Knockaert, and Jan Desmet. „Comparing MCSA with Vibration Analysis in Order to Detect Bearing Faults—A Case Study.“ 2015 IEEE International Electric Machines and Drives Conference (IEMDC), IEEE, May 2015.

3 Brian P. Graney and Ken Starry. „Rolling Element Bearing Analysis.“ Materials Evaluation, Vol. 70, No. 1, The American Society for Nondestructive Testing, Inc., January 2012.

4 Pratyay Konar, R. Bandyopadhyay, and Paramita Chattopadhyay. „Bearing Fault Detection of Induction Motor Using Wavelet and Neural Networks.“ Proceedings of the 4th Indian International Conference on Artificial Intelligence, IICAI 2009, Tumkur, Karnataka, India, December 2009.

5 Pete Sopcik and Dara O'Sullivan. „How Sensor Performance Enables Condition-Based Monitoring Solutions,“ Analog Dialogue, Vol. 53, June 2019.

6 Motor Monitoring Market by Offering (Hardware, Software), Monitoring Process (Online, Portable), Deployment, Industry (Oil and Gas, Power Generation, Metals and Mining, Water and Wastewater, Automotive), and Region—Global Forecast to 2023. Research and Markets, February 2019.

7 Pradeep Lall, Amrit Abrol, and David Locker. „Effects of Sustained Exposure to Temperature and Humidity on the Reliability and Performance of MEMS Microphone.“ ASME 2017 International Technical Conference and Exhibition on Packaging and Integration of Electronic and Photonic Microsystems, September 2017.

8 Marcel Janda, Ondrej Vitek, and Vitezslav Hajek. Induction Motors: Modelling and Control. InTech, November 2012.

9 Muhammad Ali Shah, Ibrar Ali Shah, Duck-Gyu Lee, and Shin Hur. „Design Approaches of MEMS Microphones for Enhanced Performance.“ Journal of Sensors, Vol. 1, March 2019.