Zustandsüberwachung mit intelligenten Antrieben

Zustandsbasierte Wartungskonzepte führen in Anlagen zu einer höheren Verfügbarkeit sowie geringeren Kosten

Neue Funktionen für bessere Wartungskonzepte

Antriebe sind heute mehr als einfache Frequenzregler. Mit der Fähigkeit, als Sensoren und Sensor-Hubs zu fungieren, Daten zu verarbeiten, zu speichern und zu analysieren, sowie mit ihrer Konnektivität sind Antriebe wichtige Elemente in modernen Automatisierungssystemen. Die integrierte zustandsabhängige Überwachung ermöglicht neue Wege der Durchführung von Wartungsarbeiten, wie z. B. die zustandsabhängige Wartung.

Entwicklung der industriellen Automatisierungssysteme

Im Übergang zum laufenden Jahrtausend haben wir einen tiefgreifenden technologischen Wandel erlebt, der zu einer ganz neuen Art des Arbeitens in einer digitalen Welt geführt hat. Dies ist die vierte industrielle Revolution. Die erste industrielle Revolution, die im 18. und 19. Jahrhundert stattfand, war eine mechanische Revolution, die durch die Erfindung der Dampfmaschine ausgelöst wurde. Am Ende des 19. und Anfang des 20. Jahrhunderts entfaltete sich die zweite industrielle Revolution mit der Einführung der Massenproduktion, der Elektrifizierung und Veränderungen in der Kommunikation. Diese Periode wird auch als die elektrische Revolution bezeichnet. Später im 20. Jahrhundert brachte die dritte industrielle Revolution Fortschritte in den Bereichen Halbleiter, Computer, Automatisierung und Internet. Diese Phase wird auch als die digitale Revolution bezeichnet.

Die vierte industrielle Revolution ist das Ergebnis der Vernetzung von Computern, Menschen und Geräten, die durch Daten und maschinelles Lernen angetrieben wurden. Obwohl der Begriff "Industrie 4.0" recht vage ist, beschreibt eine mögliche Definition für Industrie 4.0 die intelligente Vernetzung von Menschen, Geräten und Systemen unter Ausnutzung aller Möglichkeiten der Digitalisierung über die gesamte Wertschöpfungskette.

Trends in den Automatisierungssystemen von Industry 4.0

Die Auswirkungen von Industry 4.0 auf Motorensysteme ist eine Migration von der "Automatisierungspyramide" zu "vernetzten Systemen". Das bedeutet, dass die verschiedenen Elemente des Systems, wie Motoren, Antriebe, Sensoren und Steuerungen, miteinander verbunden und zu einer Wolke verbunden sind - einem Rechenzentrum, in dem Daten gespeichert, verarbeitet, analysiert und Entscheidungen getroffen werden.

Caption: Automation pyramidAbb: Typische Struktur in der Automatisierung


Caption: Automation networkAbb: Vernetzung in der Automatisierung

In einem Automatisierungsnetzwerk steht die Datenmenge im Vordergrund. Da Daten hauptsächlich von Sensoren produziert werden, nimmt die Anzahl der Sensoren in modernen Automatisierungssystemen zu. Motoren und angetriebene Maschinen wie Ventilatoren, Pumpen und Förderer sind nicht die offensichtlichsten Teilnehmer in einem Datennetzwerk. Daher werden Sensoren benötigt, um Daten von diesen Maschinen zu sammeln. Um die Daten zu nutzen, werden die Sensoren mit verschiedenen Mitteln an das Datennetz angeschlossen. Bei der Einführung eines fortschrittlichen Zustandsüberwachungssystems werden die zusätzlichen Kosten für Sensoren und Konnektivität oft als Hindernis gesehen.

Moderne drehzahlvariable Antriebe eröffnen neue Möglichkeiten im Automatisierungsnetzwerk Industry 4.0. Traditionell wurden Antriebe als Leistungsprozessoren zur Steuerung der Motordrehzahl betrachtet. Heute sind Antriebe auch Teil der Informationskette und nutzen den Vorteil der im Antrieb integrierten Verarbeitungsleistung, Speicherkapazität und Kommunikationsschnittstelle.

Was ist ein intelligenter Antrieb?

Im Industry 4.0-Netzwerk spielt der Antrieb eine wichtige Rolle und zeichnet sich durch einige unterstützende Funktionen aus:

  • Sichere Konnektivität: Der Antrieb kann auf sichere Weise mit anderen Elementen verbunden werden. Andere Elemente im Netzwerk können Antriebe, PLCs, Sensoren und eine Wolke umfassen.
  • Der Antrieb fungiert als Sensor: Der Antrieb nutzt die Analyse der Motorstrom- und Spannungssignatur, um die Motor- und Anwendungsleistung zu erfassen.
  • Der Antrieb fungiert als Sensor-Hub: Der Antrieb erfasst Daten von externen Sensoren, die sich auf den Prozess beziehen, der vom Laufwerk gesteuert wird.
  • Der Antrieb fungiert als Controller: Der Frequenzumrichter kann die SPS ersetzen, wo immer es die Anwendungsbeschränkungen erlauben.
  • Bringen Sie Ihr eigenes Gerätekonzept mit: Drahtlose Konnektivität zu intelligenten Geräten (Smartphone, Tablet).

Informationen vom Antrieb können wie folgt identifiziert werden:

  • Sofortige Signale: Signale, die direkt vom Antrieb über eingebaute Sensoren gemessen werden. Daten wie Motorstrom, Spannung, Antriebstemperatur und deren Ableitung, d.h. Leistung als Multiplikation von Strom und Spannung, oder Motordrehmoment. Darüber hinaus kann der Antrieb als Hub für den Anschluss externer Sensoren verwendet werden, die Momentansignale liefern.
  • Verarbeitete Signale: Signale, die aus den Momentansignalen abgeleitet werden. Zum Beispiel statistische Verteilung (Maximal-, Minimal-, Mittelwert und Standardabweichung), Frequenzbereichsanalyse oder Einsatzprofilindikatoren.
  • Analysesignale: Signale, die Hinweise auf den Zustand von Antrieb, Motor und Anwendung liefern. Die Signale werden verwendet, um Wartungsarbeiten auszulösen oder zu Verbesserungen des Systemdesigns zu führen.

Techniken zur Analyse der Motorstromsignatur ermöglichen es dem Antrieb, den Zustand des Motors und der Anwendung zu überwachen. Die Technik erlaubt es, physikalische Sensoren potenziell zu eliminieren oder frühe Fehlersignaturen zu extrahieren, die möglicherweise nicht erkannt werden konnten. Beispielsweise ist es mit dieser Technik möglich, Wicklungsfehler im Voraus zu erkennen oder die Exzentrizität der mechanischen Belastung zu erkennen.

Das Konzept des Antriebs als Sensor-Hub beinhaltet den Anschluss externer Sensoren an den Antrieb, wodurch die Notwendigkeit eines Gateways zur Verbindung des physikalischen Sensors mit dem Datennetzwerk eingespart wird. Schwingungssensoren, Drucksensoren und Temperatursensoren sind Beispiele für Sensoren, die an das Laufwerk angeschlossen werden können. Der Vorteil des Konzepts liegt nicht nur in den Kosten, sondern ermöglicht auch die Korrelation von Sensordaten mit verschiedenen Arten von Daten, die im Laufwerk vorhanden sind. Ein offensichtliches Beispiel ist die Korrelation des Schwingungspegels von einem externen Sensor mit der Motordrehzahl, da die Schwingung drehzahlabhängig ist.

Zustandsabhängige Wartung

Im Folgenden sind verschiedene Arten von Instandhaltungsstrategien aufgeführt:

  • Korrigierende Instandhaltung: Das Produkt wird nach einem Fehler ausgetauscht.
  • Vorbeugende Wartung: Das Produkt wird vor einem Fehler ausgetauscht, obwohl keine Benachrichtigungen vom Produkt empfangen werden.
  • Zustandsabhängige Wartung: Das Produkt gibt eine Warnung aus, wenn die tatsächliche Lebensdauer des Produkts von der erwarteten Lebensdauer abweicht und mögliche Ursachen angegeben werden.
  • Vorbeugende Wartung: Das Produkt gibt eine Warnung aus, bevor das Produkt die vorgesehenen Betriebsstunden erreicht, um Servicemaßnahmen einzuleiten.

Warum ist eine zustandsabhängige Wartung erforderlich?

Korrektive und vorbeugende Wartung sind störungs-(ereignis-) oder zeitbasiert. Daher wird die Wartung im Falle eines Fehlers (korrigierend) oder nach im Voraus festgelegten Betriebsstunden (vorbeugend) durchgeführt. Bei diesen Wartungsarten wird kein Feedback aus der eigentlichen Anwendung verwendet.

Mit der Einführung von Industry 4.0 und der Verfügbarkeit von Sensordaten ist nun eine zustandsbasierte und vorausschauende Instandhaltung möglich. Solche Wartungsstrategien verwenden aktuelle Sensordaten, um den Zustand der in Betrieb befindlichen Ausrüstung zu bestimmen (zustandsbasierte Wartung) oder um zukünftige Ausfälle vorherzusagen (vorausschauende Wartung).

Überblick und Vorteile

Zustandsbasierte Wartung ist die einfachste und intuitivste Wartungstechnik, die auf Daten aus der eigentlichen Anwendung basiert.Die erfassten Daten werden verwendet, um den Zustand der in Betrieb befindlichen Geräte zu überwachen. Zu diesem Zweck werden Schlüsselparameter als Indikatoren ausgewählt, um sich entwickelnde Fehler zu identifizieren. Der Zustand eines Ausrüstungsteils verschlechtert in der Regel Überstunden. Dies wird durch die P-f-Kurve veranschaulicht, die ein typisches Verschleißmuster zeigt. Ein Funktionsfehler tritt auf, wenn das Gerät die vorgesehene Funktion nicht erfüllt. Die Idee der zustandsabhängigen Wartung besteht darin, den potenziellen Ausfall zu erkennen, bevor ein tatsächlicher Ausfall auftritt.

Caption: P-f curve depicting a typical degradation patternAbb: Die P-f Kurve zeigt ein typisches Verschleißmuster an

In diesem Fall bietet die Planung von Instandhaltungsmaßnahmen viele Vorteile, wie z.B.:

  • Reduzierung der Ausfallzeit
  • Eliminierung unerwarteter Produktionsstopps
  • Optimierung der Instandhaltung
  • Reduzierung des Ersatzteilbestands

Zustandsüberwachungsfunktionen für drehzahlvariable Antriebe

Ein integraler Bestandteil der zustandsorientierten Instandhaltung ist die Überwachung des Zustands der Ausrüstung. Bei Anwendungen mit variabler Drehzahl hängt der Zustand der Anwendung oft von der Drehzahl ab. Beispielsweise neigen Schwingungspegel dazu, bei höheren Geschwindigkeiten höher zu werden, obwohl diese Beziehung nicht linear ist. Tatsächlich können Resonanzen bei bestimmten Geschwindigkeiten auftreten und dann verschwinden, wenn die Geschwindigkeit erhöht wird.

Die Verwendung eines unabhängigen Systems zur Überwachung des Zustands einer Anwendung mit variabler Drehzahl wird durch die Notwendigkeit erschwert, die Drehzahl und den korrelierenden überwachten Wert mit der Drehzahl zu kennen. Die Verwendung von Antrieben für die Zustandsüberwachung ("Antrieb als Sensor" oder "Antrieb als Sensornabe") ist eine vorteilhafte Lösung, da die Information über die Anwendungsgeschwindigkeit bereits im Antrieb vorhanden ist. Zusätzlich sind Informationen über das Last-/Motordrehmoment und die Beschleunigung bereits im Antrieb vorhanden.

Die Zustandsüberwachung erfolgt in einem dreistufigen Verfahren:

  1. Erstellen einer Grundlinie
  2. Definieren von Schwellenwerten
  3. Überwachung durchführen

1. Eine Grundlinie festlegen

Für ein effizientes Zustandsüberwachungssystem besteht der erste wichtige Schritt darin, die normalen Betriebsbedingungen zu bestimmen und zu definieren. Das Festlegen einer Baseline bedeutet, den normalen Betriebszustand für die Anwendung zu definieren, der als Baseline bezeichnet wird. Es gibt mehrere Möglichkeiten zur Bestimmung der Basislinienwerte.

Manuelle Grundlinie: Wenn die Grundlinienwerte anhand früherer Erfahrungen definiert werden, werden die bekannten Werte in den Antrieb programmiert.

Grundlinienlauf: Die Grundlinie kann während der Inbetriebnahme bestimmt werden. Bei dieser Methode wird ein Geschwindigkeits-Sweep durch den relevanten Drehzahlbereich durchgeführt, um den Zustand in jedem Drehzahlpunkt zu bestimmen. In bestimmten Szenarien während der Inbetriebnahme ist es jedoch möglich, dass die Anwendung nicht voll ausgelastet ist oder eine Einlaufzeit erforderlich ist. In diesen Situationen muss der Basislinienlauf nach der Einlaufphase durchgeführt werden, um einen Betriebszustand zu erfassen, der dem normalen Betrieb so nahe wie möglich kommt.

Online-Baseline: Hierbei handelt es sich um eine fortgeschrittene Methode, bei der die Grundliniendaten während des normalen Betriebs erfasst werden. Dies ist in Situationen nützlich, in denen ein Grundlinienlauf nicht durchgeführt werden kann, weil die Anwendung es nicht erlaubt, den gesamten Geschwindigkeitsbereich zu erforschen.

Nach der Festlegung der Grundlinie besteht der nächste Schritt darin, Schwellenwerte für Warnungen und Alarme zu generieren. Die Schwellenwerte geben den Zustand der Anwendung an, bei dem der Benutzer benachrichtigt werden muss. Es gibt verschiedene Möglichkeiten, den Zustand der Anlage anzuzeigen, und eine der beliebtesten in der Branche ist ein vierfarbiger Ampelstatus, der in der VDMA-Spezifikation 24582 Feldbusneutrale Referenz für die Zustandsüberwachung in der Fabrikautomatisierung beschrieben wird.

Die Farben haben folgende Bedeutung:

Grün: Zeigt an, dass die Ausrüstung in gutem Zustand ist und effizient arbeitet.

Gelb: Zeigt Warnung 1 Stufe an und bedeutet, dass die erste Schwelle überschritten ist. Eine Wartungsmaßnahme kann vom Wartungspersonal geplant werden.

Orange: Zeigt Warnung 2 oder kritische Stufe an und bedeutet, dass der zweite Schwellenwert überschritten ist. Eine sofortige Wartungsmaßnahme muss vom Wartungspersonal durchgeführt werden.

Rot: Zeigt einen Alarm an und bedeutet, dass die Maschine angehalten wird und eine korrigierende Wartung erforderlich ist.

2. Definieren Sie Schwellenwerte für Warnungen und Alarme

Die folgenden Methoden werden zur Definition von Schwellenwerten verwendet:

  • Absolut: Dies ist die übliche Methode, wenn die Ausstattungswerte bereits bekannt sind. Der Schwellenwert hat unabhängig vom gemessenen Basislinienwert einen festen Wert. Wenn der Bediener zum Beispiel den absoluten Grenzwert für die Ausrüstung kennt, wird ein absoluter Wert für den Alarmgrenzwert festgelegt. Im Falle der Vibrationsüberwachung können die in Normen wie ISO 10816/20816 beschriebenen Grenzwerte für die Alarmschwelle als absoluter Wert verwendet werden.
  • Versatz: Die Methode zur Festlegung von Grenzwerten setzt das Verständnis der Anwendung und der Basiswerte voraus. Der Schwellenwert hängt von dem Basislinienwert ab, bis zu dem ein benutzerdefinierter Offset gewählt wird. Das Risiko besteht in diesem Fall darin, einen sehr niedrigen oder hohen Wert einzustellen, der zu falsch positiven Ergebnissen führt. Falsche Einstellungen können selbst im Falle von Fehlern zu einer nicht reagierenden Überwachung führen.
  • Faktor: Diese Methode ist einfacher zu verwenden als der Offset, da sie weniger Anwendungsverständnis erfordert. Der Schwellenwert hängt vom Basislinienwert ab, der mit einem Faktor multipliziert wird. Der Schwellenwert kann z.B. 150% des Ausgangswertes betragen. Das Risiko besteht in diesem Fall darin, einen sehr hohen Schwellenwert festzulegen.

3. Überwachung durchführen

Die Überwachung wird mit einem kontinuierlichen Vergleich mit den Schwellenwerten durchgeführt. Im Normalbetrieb werden die tatsächlichen Werte mit dem Schwellenwert verglichen. Wenn die überwachten Parameter einen Schwellenwert für eine vordefinierte Zeit überschreiten, wird eine Warnung oder ein Alarm aktiviert. Der Timer ist so konfiguriert, dass er als Filter fungiert, so dass kurze Transienten keine Warnungen und Alarme auslösen.

Traffic light status with four colors as described in the VDMA specification 24582 Fieldbus neutral reference for condition monitoring in factory automation.Abb: Technologien für ein zustandsbasiertes Monitoring

Die tatsächlich überwachten Werte können über LCP sowie Feldbus- oder IoT-Kommunikation aus dem Frequenzumrichter ausgelesen werden. Darüber hinaus lassen sich digitale Ausgänge so konfigurieren, dass sie auf bestimmte Warnungen und Alarme reagieren. Einige Frequenzumrichter verfügen über einen integrierten Webserver, der auch das Lesen des Zustandsstatus erlaubt.

Fazit

Frequenzumrichter sind heute mehr als einfache Drehzahlregler. Mit der Fähigkeit, als Sensoren und Sensor-Hubs zu fungieren, Daten zu verarbeiten, zu speichern und zu analysieren, sowie mit ihrer Konnektivität sind Antriebe wichtige Elemente in modernen Automatisierungssystemen.

Antriebe sind oft bereits in Automatisierungsanlagen vorhanden und bieten daher eine große Chance für ein Upgrade auf Industry 4.0.

Dies ermöglicht neue Wege zur Durchführung von Wartungsarbeiten, wie z.B. zustandsbasierte Wartung. Die Funktionen sind bereits in einigen Antrieben vorhanden, und die ersten Anwender haben bereits damit begonnen, den Antrieb als Sensor zu verwenden.