Wesentliche Einblicke in das fortschreitende Feld der Zustandsüberwachung

Neue Technologie für Überwachung, Diagnose und Vorhersage von Maschinengesundheit entsteht kontinuierlich. Frische IIoT-Anbieter scheinen monatlich auf dem Radar aufzutauchen. Sensortechnologien seltener, aber neue Optionen für gängige industrielle Messgrößen sind zu einem aktiven Investitionsbereich geworden. Und natürlich kann man all die neuen Behauptungen, Plattformen und Tools in der Welt der künstlichen Intelligenz nicht übersehen, die in der einen oder anderen Form aufgetaucht sind.

Dieser Artikel ist eine fortlaufende Diskussion über IoT-Technologie, von einem Technologen in dem bescheidenen Versuch, zu informieren, zu klären und neue Produkte spezifisch für die Zustandsüberwachungs- und vorausschauende Instandhaltungsbranchen zu entmystifizieren.

Jenseits der Vibration?

Die Frage wurde gestellt: Warum gibt es nicht mehr drahtlose Sensoroptionen für gängige Industriesensoren wie Ölzustand?

Es ist eine faire Frage. Ein Teil der Antwort liegt in der Verfügbarkeit von Kernsensor-Transducer-Technologien. Die Explosion bei drahtlosen Sensoroptionen für Vibration wurde nicht nur durch Verbesserungen bei drahtlosen Protokollen (wie BLE) ermöglicht, sondern durch kostengünstige, chipskalige MEMS-Beschleunigungssensoren, die die vibrationsmessende Leistung verbessert haben. MEMS hat Unternehmen mit IoT-Kompetenzen, aber weniger Erfahrung in traditioneller Vibrationsmessung, den Markteintritt in die industrielle Zustandsüberwachung ermöglicht.

Obwohl ein Sensordurchbruch für die verschiedenen Indikatoren gesunden Öls oder Schmierstoffs – wie Partikelvorhandensein oder Feuchtigkeit, Säurezahl, TAN/TBN, Viskosität etc. – in einem Universitätslabor gefunden werden mag, offenbart eine Übersicht kommerziell verfügbarer Ölzustands-Überwachungssensoren große Gehäuse, die Strom von industriellen Netzteilen (z. B. 10 bis 30 VDC) verbrauchen, was nicht besonders förderlich für drahtlose Übertragung ist.

Dennoch versuchen IIoT-Anbieter, industrielle Sensorbefürfnisse zu adressieren, indem sie Sensor-„Hub“-Topologien zu ihrem Portfolio drahtloser Vibrationsprodukte hinzufügen. Diese Hubs sind im Grunde drahtlose Bridges mit Ports für analoge Eingänge, geeignet zum Anschließen und Digitalisieren von Ausgängen gängiger Industriesensoren. Diese Fähigkeit kann die Suite der für ein Zustandsüberwachungssystem verfügbaren Sensoren erweitern.

Heute verfügbare IIoT-Hubs können Sensorsignale proportional zu Öltemperatur und -feuchtigkeit, Druck, Temperatursonde, Ultraschall, Strom und Maschinendrehung digitalisieren, die dann über dasselbe Netzwerk an Cloud- oder Mobile-Anwendungen übertragen und angezeigt werden wie die Vibrationssensoren im Portfolio.

Abbildung 1. KCF Technologies drahtloser Hub (LINKS) bietet IEPE-Sensorports sowie Tacho, Ultraschall und Ölqualität/Feuchtigkeit. Petasense WIFI Hub (RECHTS) bietet Ports, die Ultraschall, Strom, Druck, Vibration (triaxial und IEPE) und RTD-Temperatur unterstützen.

Zusätzlich bieten IIoT-Anbieter Tools für Schmierinstandhaltung an, wie das Sammeln von Schmierdaten und das Notieren erforderlicher Aktionen auf bestehenden Dashboards neben Vibration.

Abbildung 2. Ijssels UpTimeWorks schmierorientierte PdM-Services haben drahtlose Vibrationsmessung mit Daten entwickelt, die neben Ölwartung auf denselben Dashboards verfügbar sind (LINKS). Schaefflers kürzlich veröffentlichter OPTIME C1 Ölabgeber ist fähig zur drahtlosen Verbindung für Füllstandsüberwachung, NFC-Inbetriebnahme und Öltypinformationen mit Daten über dieselben Dashboards, die Daten vom Vibrationssensor anzeigen (RECHTS).

Trotz dieser Entwicklungen scheint klar, dass Datenerfassung und -analyse von Ölproben weiterhin von qualifizierten Experten bedient werden, während Sensoren und IIoT-Tools entwickelt werden, um Effizienz zu steigern – ähnlich wie der aktuelle Stand der Vibrations-Zustandsüberwachung.

Die Rolle der KI – Sind wir schon so weit?

Heute ist es schwierig, eine Website oder Social-Media-Plattform zu öffnen, ohne eine Schlagzeile über künstliche Intelligenz (KI) zu sehen. Aber was bedeutet dieser Begriff an diesem Punkt wirklich, besonders für die industrielle Instandhaltungsgemeinschaft? Mehrere IIoT-Anbieter, die in den letzten fünf bis zehn Jahren in den Zustandsüberwachungsmarkt eingetreten sind, taten dies mit starker Bewerbung der KI-Fähigkeiten ihrer Vibrationsmesssysteme. War diese Fähigkeit der Gamechanger, den viele erhofft hatten?

Beginnen wir damit, die Fähigkeiten, die von einigen Anbietern beschrieben werden, sowie einige Fallstudien, in denen Data-Engineering-Ansätze tatsächlich auf vorausschauende Instandhaltung angewendet wurden, etwas genauer zu betrachten.

Abbildung 3. Drahtlose Anbieter, die irgendeine Form KI-basierter Diagnostik anbieten. VON LINKS NACH RECHTS – Symphony Industrial, Petasense, Nanoprecise und Augury.

Datengestützte Ansätze lassen sich in mehreren Aspekten von klassischer Vibrationssignalverarbeitung unterscheiden. Grundlegende Statistiken können auf eine Vibrationswellenform angewendet werden, um mehrere Zustands-„Indikatoren“ zu erstellen, die jeweils spezifisch empfindlich auf bestimmte Aspekte des Maschinenverhaltens reagieren.

Data Engineering wird ebenfalls versuchen, Gesundheitsindikatoren zu erstellen, aber aus mehreren Datenquellen. Diagnostik wird teilweise effektiv sein, indem sie aufdeckt, welcher Beitragende für die Veränderung des Gesamtgesundheitsindikators am meisten verantwortlich war.

Zusammenarbeit zwischen Asset-Fachexperten und Data Engineers kann die Fehlerabdeckung auf Anomalien ausweiten, die über diejenigen hinausgehen, die für rotierende Geräte typisch sind. Gute Ergebnisse wurden auch demonstriert, als Data-Engineering-Ansätze auf bestehende Prozesssteuersignale angewendet wurden, ohne neue Instrumentierung.

Ein Vibrationsspektrum, das von einem erfahrenen Analysten betrachtet wird, kann viel über das schwächste Komponenten eines Motors oder einer Pumpe verraten, aber diese hochvisuelle Diagnosepraxis lässt sich nicht leicht skalieren. Im Gegensatz dazu ist ein datengestützter Ansatz zur Maschinendiagnostik wiederholbar und skalierbar.

Einmal ordnungsgemäß trainiert, werden verschiedene Machine-Learning-Algorithmen Tag für Tag gleich performen [1].

Abbildung 4. Ein Gesundheitsindikator-Modell, abgeleitet aus Vibration, Druck und Durchflussvolumen, wird verwendet, um den Zustand einer Pumpe zu überwachen. Dominant beitragende Indikatoren werden eine andere aufkommende Anomalie anzeigen.

Batterielebensdauer, im Fokus

Eine Websuche nach Literatur zur Batterielebensdauer ergibt beträchtliche Diskussionen über EVs, aber nur spärliche Informationen zur Rolle und zum Verhalten von Batterien für IIoT.

Batterien selbst sind komplexe Geräte, die elektrochemisch Ladung speichern und liefern, was nicht nur bedeutet, dass die Kapazität zur Ladungslieferung von Umweltbedingungen wie Temperatur abhängt, sondern auch von anderen anwendungsbezogenen Faktoren. Jeder Autobesitzer im nördlichen Teil der USA weiß, dass Batterien kaltes Wetter nicht mögen. Aber wie viel wissen sie über die Auswirkungen von Laststrom auf die Batteriekapazität oder was mit der Kapazität passiert, wenn die Batterie vollständig entladen wird?

Beim Überprüfen der Spezifikationen für drahtlose Vibrationssensor-Produkte wird klar, dass die Leistung von Betriebsbedingungen und der spezifischen Anwendung abhängt. Doch die Interpretation der manchmal vagen Bedingungen, die auf die Batterielebensdauerspezifikation angewendet werden, mag nicht einfach sein.

Abbildung 5. Die Kapazität einer Batterie, Ladung zu liefern, ist abhängig von Betriebsbedingungen wie Temperatur und durchschnittlicher Laststrom. Messkriterien für Batterietests wie Abschaltspannung oder Entladetiefe (DOD) sind ebenfalls entscheidend für die Kapazitätsschätzung. (Bildquelle: Saft Batteries)

Im Allgemeinen umfassen Umgebungsvariablen für IIoT-Anwendungen die erwartete Übertragungsdistanz (Funkleistung), die vielen metallischen Hindernisse in der Anlage (wiederholte Übertragung aufgrund von Empfangsfehlern), die Effizienz des Funkprotokolls und die Menge der übertragenen Daten. Vibrationsmessung ist insbesondere eine Messgröße, die nicht wie alle anderen ist.

Erfahrene Analysten möchten die Wellenform selbst analysieren, und bei Maschinen mit niedrigeren Drehzahlen kann dies hochauflösende Vibrationsmessungen mit Probenlängen von Sekunden bedeuten, was zu viel mehr übertragenen Daten führt als nur der aktuellen Temperatur.

Wie zu erwarten, steigt die Gesamtladung mit zunehmender Übertragungsdistanz aufgrund des höheren Energieaufwands für die Verbindung zum Gateway und die Datenübertragung. Vibrationssensoren sind oft für begrenzte Übertragungen in einem 24-Stunden-Zeitraum konfiguriert, was bedeutet, dass der „Sleep“-Modus den elektrischen Strom dominiert, der während dieses Zeitraums verbraucht wird. Dieser minimale Stromverbrauch umfasst Schaltkreisleckströme, die in Halbleitern mit der Temperatur zunehmen.

Beide Effekte reduzieren die Batterielebensdauer, indem sie mehr gelieferte Ladung für jeden Übertragungszeitraum verlangen.

Beispieldaten aus Feldtests drahtloser Vibrationssensoren, die die Variabilität der Batterielebensdauer drahtloser Sensoren zeigen, sind in den untenstehenden Daten zu sehen. Die insgesamt während eines 24-Stunden-Zeitraums über verschiedene Bedingungen verbrauchte Ladung zeigt einen Anstieg des verbrauchten Ladungs mit sowohl Distanz als auch Betriebstemperatur.

Abbildung 6. Einige vorläufige Ergebnisse aus Feldtests einer Handvoll drahtloser Vibrationssensoren. Gesamtverbrauchte Ladung steigt, wie erwartet, mit sowohl Übertragungsdistanz als auch Betriebstemperatur.

Zusammenfassung

Die Hinzufügung von IIoT-Fähigkeiten zum PdM-Werkzeugkasten bietet dem Dienstleister häufigere Messungen, um Maschinen, die unsicher oder manuell schwer zugänglich sind, engmaschig zu überwachen. Über IIoT gesammelte Daten sind auch remote und bequem für Analysen zugänglicher und können in fortschrittliche Datenverarbeitungsplattformen eingespeist werden, um sie mit Daten anderer Sensoren zu kombinieren, was zu einem umfassenderen diagnostischen Bild führt.

Wie bei jedem komplexen Werkzeug ist es praktisch unmöglich zu verstehen, wie irgendeine dieser Technologien in Ihrer Umgebung performen wird, ohne eine Pilotstudie von gewissem Umfang. Die Kuratierung verfügbarer Systeme durch eine Papierstudie der Systemspecs vor dem Kauf von Ausrüstung kann eine gute Investition sein, besonders wenn Sie nicht allzu vertraut mit den Stärken und Grenzen der neuen Technologie sind.

[1] Vorausgesetzt, der grundlegende Betriebsmodus der Maschine ändert sich nicht. Konsistente Bedingungen sind auch für effektives Trending von Vibrationszustandsindikatoren notwendig.