Wesentliche Einblicke in den fortschreitenden Bereich der Zustandsüberwachung

Es entstehen ständig neue Technologien zur Überwachung, Diagnose und Vorhersage des Maschinenzustands. Jeden Monat scheinen neue IIoT-Anbieter auf dem Radar zu erscheinen. Sensortechnologien kommen seltener vor, aber neue Optionen für gängige industrielle Messgrößen sind zu einem aktiven Investitionsbereich geworden. Und natürlich dürfen Sie nicht alle neuen Behauptungen, Plattformen und Werkzeuge in der Welt der künstlichen Intelligenz übersehen, die in der einen oder anderen Form aufgetaucht sind.

Bei diesem Artikel handelt es sich um eine fortlaufende Diskussion der IoT-Technologie von einem Technologen in dem bescheidenen Versuch, neue Produkte speziell für die Branchen Zustandsüberwachung und vorausschauende Wartung zu informieren, zu klären und zu entmystifizieren.
 

Jenseits der Vibration?

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

Das ist eine berechtigte Frage. Ein Teil der Antwort liegt in der Verfügbarkeit zentraler Sensor-Wandler-Technologien. Die explosionsartige Zunahme drahtloser Sensoroptionen für Vibrationen wurde nicht nur durch Verbesserungen bei drahtlosen Protokollen (wie BLE) ermöglicht, sondern auch durch kostengünstige MEMS-Beschleunigungsmesser im Chipmaßstab, die eine verbesserte Vibrationsmessleistung aufweisen. MEMS hat dazu beigetragen, dass Unternehmen mit IoT-Kompetenzen, aber weniger Erfahrung in der herkömmlichen Vibrationsmessung in den Markt für industrielle Zustandsüberwachung eintreten können.

Obwohl in einem Universitätslabor ein Sensordurchbruch für die verschiedenen Indikatoren für gesundes Öl oder Schmiermittel wie das Vorhandensein von Partikeln oder Feuchtigkeit, Säuregehalt, TAN/TBN, Viskosität usw. zu finden ist, zeigt eine Untersuchung kommerziell erhältlicher Ölzustandsüberwachungssensoren, dass große Gehäuse Strom aus industriellen Netzteilen (d. h. 10 bis 30 VDC) verbrauchen, die die drahtlose Übertragung nicht besonders unterstützen.

Dennoch versuchen IIoT-Anbieter, den Sensoranforderungen der Branche gerecht zu werden, indem sie Sensor-„Hub“-Topologien zu ihrem Portfolio an drahtlosen Vibrationsprodukten hinzufügen. Bei diesen Hubs handelt es sich im Grunde um drahtlose Brücken mit Ports zur Aufnahme analoger Eingänge, die zum Anschluss und zur Digitalisierung von Ausgängen allgemein verfügbarer Industriesensoren geeignet sind. Diese Funktion kann dazu beitragen, die Palette der für ein Zustandsüberwachungssystem verfügbaren Sensoren zu erweitern.

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

Abbildung 1. Der drahtlose Hub von KCF Technologies (LINKS) bietet IEPE-Sensoranschlüsse sowie Drehzahl, Ultraschall und Ölqualität/-feuchtigkeit. Der Petasense WIFI-Hub (RECHTS) bietet Anschlüsse, die Ultraschall, Strom, Druck, Vibration (triaxial und IEPE) und RTD-Temperatur unterstützen.

Darüber hinaus sind IIoT-Anbieter zu beobachten, die Tools für die Wartung der Schmierung anbieten, etwa das Sammeln von Schmierungsdaten und das Notieren erforderlicher Maßnahmen auf vorhandenen Dashboards neben Vibrationen.

Abbildung 2. Die auf Schmierung ausgerichteten PdM-Dienste UpTimeWorks von Ijssel haben drahtlose Vibrationssensoren entwickelt, deren Daten neben der Ölwartung auf denselben Dashboards verfügbar sind (LINKS). Der kürzlich von Schaeffler herausgebrachte OPTIME C1-Ölspender ist in der Lage, eine drahtlose Verbindung zur Füllstandsüberwachung, NFC-Inbetriebnahme und Öltypinformationen herzustellen, wobei die Daten über dieselben Dashboards verfügbar sind, die die vom Vibrationssensor übertragenen Daten anzeigen (RECHTS).

Trotz dieser Entwicklungen scheint es klar zu sein, dass die Datenerfassung und -analyse von Ölproben weiterhin von qualifizierten Experten durchgeführt wird, während Sensoren und IIoT-Tools zur Steigerung der Effizienz entwickelt werden – ähnlich wie heute bei der Vibrationszustandsüberwachung.
 

Die Rolle der KI – sind wir schon da?

Es ist heute schwierig, eine Website oder Social-Media-Plattform zu öffnen, ohne eine Schlagzeile über künstliche Intelligenz (KI) zu sehen. Aber was bedeutet dieser Ausdruck zum jetzigen Zeitpunkt wirklich, insbesondere für die industrielle Wartungsbranche? Mehrere IIoT-Anbieter, die in den letzten fünf bis zehn Jahren in den Zustandsüberwachungsmarkt eingestiegen sind, haben die KI-Funktionen ihrer Vibrationssensorsysteme stark gefördert. War diese Fähigkeit der von vielen erhoffte Wendepunkt?

Schauen wir uns zunächst die von einigen Anbietern beschriebenen Funktionen etwas genauer an, zusammen mit einigen Fallstudien, in denen Data-Engineering-Ansätze tatsächlich auf die vorausschauende Wartung angewendet wurden.

Abbildung 3. Mobilfunkanbieter, die irgendeine Form von KI-basierter Diagnose anbieten. Von LINKS nach RECHTS – Symphony Industrial, Petasense, Nanoprecise und Augury.
 

Datengetriebene Ansätze lassen sich in mehrfacher Hinsicht von der klassischen Schwingungssignalverarbeitung unterscheiden. Grundlegende Statistiken können auf eine Vibrationswellenform angewendet werden, um mehrere Zustandsindikatoren zu erstellen, von denen jeder speziell auf bestimmte Aspekte des Maschinenverhaltens reagiert.

Data Engineering wird auch versuchen, Gesundheitsindikatoren zu erstellen, allerdings aus mehreren Datenquellen. Die Diagnose wird zum Teil wirksam sein, indem sie aufdeckt, welcher Mitwirkende am meisten für die Veränderung des Gesamtgesundheitsindikators verantwortlich war.

Durch die Zusammenarbeit zwischen Anlagenexperten und Dateningenieuren kann die Fehlerabdeckung auf Anomalien ausgeweitet werden, die über die bei rotierenden Geräten üblichen hinausgehen. Gute Ergebnisse wurden auch gezeigt, wenn datentechnische Ansätze auf bestehende Prozesssteuerungssignale angewendet werden, ohne dass neue Instrumente zum Einsatz kommen.

Ein Vibrationsspektrum kann, wenn es von einem Erfahrungsanalytiker betrachtet wird, viel über die schwächste Komponente eines Motors oder einer Pumpe verraten, aber diese stark visuelle Diagnosepraxis lässt sich nicht einfach skalieren. Im Gegensatz dazu ist ein datengesteuerter Ansatz zur Maschinendiagnose wiederholbar und skalierbar.

Sobald sie richtig trainiert sind, funktionieren verschiedene maschinelle Lernalgorithmen Tag für Tag auf die gleiche Weise [1].

Abbildung 4. Ein aus Vibration, Druck und Durchflussvolumen abgeleitetes Zustandsindikatormodell wird zur Überwachung des Zustands einer Pumpe verwendet. Dominant beitragende Indikatoren deuten auf eine andere auftretende Anomalie hin.
 

Akkulaufzeit, vorne und in der Mitte

Eine Websuche nach Literatur zur Batterielebensdauer führt zu einer ausführlichen Diskussion über Elektrofahrzeuge, aber nur zu wertvollen, wenigen Informationen über die Rolle und das Verhalten von Batterien für das IIoT.

Batterien selbst sind komplexe Geräte, die Ladung elektrochemisch speichern und abgeben. Das bedeutet, dass die Kapazität zur Ladungsabgabe nicht nur von Umgebungsbedingungen wie der Temperatur, sondern auch von anderen anwendungsbezogenen Faktoren abhängt. Jeder Autobesitzer im Norden der USA weiß, dass Batterien kein kaltes Wetter mögen. Aber wie viel wissen sie darüber, wie sich der Laststrom auf die Batteriekapazität auswirken kann, oder was mit der Kapazität passiert, wenn die Batterie völlig leer wird?

Wenn man sich die Spezifikationen für drahtlose Vibrationssensorprodukte anschaut, wird deutlich, dass die Leistung von den Betriebsbedingungen und der spezifischen Anwendung abhängt. Die Interpretation der manchmal vagen Bedingungen für die Spezifikation der Batterielebensdauer ist jedoch möglicherweise nicht einfach.

Abbildung 5. Die Kapazität einer Batterie, Ladung zu liefern, hängt von den Betriebsbedingungen wie der Temperatur und der durchschnittlichen Stromlast ab. Auch Messkriterien für Batterietests wie die Abschaltspannung oder die Entladetiefe (DOD) sind für die Kapazitätsschätzung von entscheidender Bedeutung. (Bildnachweis:Saft Batteries)

Im Allgemeinen umfassen Umgebungsvariablen für IIoT-Anwendungen die erwartete Übertragungsentfernung (Funkleistung), die vielen metallischen Hindernisse in der Anlage (wiederholte Übertragung aufgrund von Empfangsfehlern), die Effizienz des Funkprotokolls und die übertragene Datenmenge. Insbesondere die Vibrationsmessung ist eine Messgröße, die nicht alle anderen ist.

Erfahrene Analysten möchten die Wellenform selbst analysieren. Bei Maschinen mit langsameren Rotationsgeschwindigkeiten kann dies eine hochauflösende Vibrationsmessung mit Abtastlängen von Sekunden bedeuten, wodurch weit mehr Daten als nur die aktuelle Temperatur übertragen werden.

Erwartungsgemäß steigt die Gesamtgebühr mit zunehmender Übertragungsentfernung, da für die Herstellung der Verbindung zum Gateway und die Datenübertragung mehr Energie aufgewendet wird. Vibrationssensoren sind häufig für begrenzte Übertragungen innerhalb eines 24-Stunden-Zeitraums konfiguriert, was auch bedeutet, dass der „Schlafmodus“ den in diesem Zeitraum verbrauchten Strom dominiert. Dieser minimale Stromverbrauch umfasst Stromkreislecks, die bei Halbleitern mit der Temperatur ansteigen.

Beide Effekte verkürzen die Batterielebensdauer, da für jede Übertragungsperiode mehr Ladung benötigt wird.

Beispieldaten aus Feldtests drahtloser Vibrationssensoren, die die Variabilität der Batterielebensdauer drahtloser Sensoren zeigen, finden Sie in den folgenden Daten. Der Gesamtladungsverbrauch während eines 24-Stunden-Zeitraums unter verschiedenen Bedingungen zeigt einen Anstieg des Ladungsverbrauchs mit der Entfernung und der Betriebstemperatur.

Abbildung 6. Einige vorläufige Ergebnisse aus Feldtests einer Handvoll drahtloser Vibrationssensoren. Der Gesamtladungsverbrauch steigt erwartungsgemäß sowohl mit der Übertragungsentfernung als auch mit der Betriebstemperatur.
 

Zusammenfassung

Die Ergänzung der PdM-Toolbox um IIoT-Funktionen bietet dem Dienstanbieter häufigere Messungen, um Maschinen genau zu überwachen, die unsicher oder schwer manuell zugänglich sind. Über IIoT gesammelte Daten sind außerdem für die Analyse aus der Ferne und bequemer zugänglich und können zur Kombination mit Daten von anderen Sensoren an fortschrittliche Datenverarbeitungsplattformen weitergeleitet werden, was zu einer umfassenderen Diagnoseansicht führt.

Wie bei jedem komplexen Tool ist es ohne eine Pilotstudie von gewissem Umfang praktisch unmöglich zu verstehen, wie sich diese Technologie in Ihrer Umgebung verhält. Es kann eine gute Investition sein, vor dem Kauf einer Ausrüstung verfügbare Systeme anhand einer Papierstudie der Systemspezifikationen zu kuratieren, insbesondere wenn Sie mit den Stärken und Grenzen der neuen Technologie nicht so gut vertraut sind.

[1] Vorausgesetzt, dass sich der grundlegende Betriebsmodus der Maschine nicht ändert. Konsistente Bedingungen sind auch für eine effektive Trendermittlung von Vibrationszustandsindikatoren erforderlich.