Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
Predictive Maintenance
© iStockphoto / Fraunhofer ITWM
Predictive Maintenance

© iStockphoto / Fraunhofer ITWM

Condition Monitoring und Predictive Maintenance

Individuelle Anlagen effizienter betreiben mit vorausschauender Zustandsüberwachung


Mit unserer Forschung und Projekterfahrung entwickeln wir angepasste Lösungen zur vorausschauenden und zustandsorientierten Überwachung individueller Sondermaschinen und Prüfstände in der Instandhaltung, ihrer Produktion und Qualitätssicherung.
 

Unsere Mission:​

  • Wir unterstützen dabei, den aktuellen Abnutzungsvorrat mit Auswirkung auf Qualität, Zuverlässigkeit und Energieverbrauch, messbar und berechenbar machen.​
  • Wir helfen bei der Digitalisierung von Inspektionen, um Kennwerte (KPIs) und Pläne in der Instandhaltung und Produktion automatisiert zu erheben.
  • Wir ermöglichen die Überwachung mehrerer Baugruppen mit wenigen Sensoren z.B. am Antriebstrang: Motor, Umrichter, Lager, Getriebe, Welle oder an Werkzeugmaschinen: Spindel, Werkzeugaufhängung, Werkstückaufhängung​
  • Wir bieten Multisensorische Signalanalyse mit intelligenten Algorithmen, die Rüst- und Betriebszustände der Anlage berücksichtigen.​
  • Wir helfen bei dem Inkrementellen Modellaufbau, um SOLL-/IST-Vergleiche der Anlagezustände durchzuführen und Fehler eindeutig zu diagnostizieren und lokalisieren.​
  • Wir unterstützen bei der Identifikation effizienter Stellgrößen, um Anlagen nachhaltiger (Verschleiß, Qualität, Durchsatz, Energieverbrauch, Ausschuss) bzw. effizienter zu betreiben.
Übersicht Konzept Predictive Maintenance
© Fraunhofer ITWM
Unser Konzept erlaubt eine schrittweise Einführung von zustandsorientierter und vorausschauender Instandhaltung.

Überwachung der Betriebszustände individueller Anlagen

Condition Monitoring – in welchem Zustand befindet sich meine Anlage?

Jede Anlage ist anders und fertigt individuelle Produkte. Auf Basis eines ​flexiblen bei uns am Fraunhofer ITWM entwickelten Software-Frameworks realisieren wir ​passend zur Anlage ein Monitoring-System – bestehend aus Sensorik, ​Messtechnik und IPC, das die aktuellen Zustände der Anlage berechnet, ​diese als Kennwerte visualisiert und Produktions-Management-Systemen ​zur Verfügung stellt. Folgendes können Sie von uns erwarten:​

Mathematik und Technik zur Überwachung der Prozessabläufe​

Wir helfen bestehender Sensoren anzubinden und zusätzliche Sensoren zu installieren, um Prozessgrößen (z.B. Beschleunigung, Temperatur, ​Drehmoment, Druck, Drehzahl) der Anlage ausreichend genau zu beobachten.

Überwachung von Getriebespektren im SOLL-IST-Vergleich
© Fraunhofer ITWM
Eine einfache Überwachung von Getrieben erfolgt über einen SOLL-IST-Vergleich von gemessenen Frequenzspektren.

Unser​ Ansatz beinhaltet mathematische Verfahren, um so viele Baugruppen mit so wenig Sensorik wie möglich zu ​erfassen. Wir bewerten den Informationsgehalt erfasster Daten hinsichtlich Sensor-, System- und Prozessrauschen und filtern nach Mustern mit relevanten Informationen. Um ebenso zeiteffizient vorzugehen, führen wir gegebenenfalls mit Ihnen ein »Design-of-Experiments« durch, damit wir gezielt Daten zu unterschiedlichen Betriebspunkte erheben. Außerdem erschließen wir selbst sensorisch unzugängliche Komponenten durch virtuelle Sensoren und verknüpfen Wartungsprotokolle, Rezepte und weitere Informationen aus dem Produktions- und Instandhaltungs-Management, um in das Monitoring zum Beispiel Folgendes mit einzubeziehen:

  • kinematische Frequenzen von Bauteilen (z.B. Wellen, Lager, Getriebe, Antrieb, Umrichter)
  • Einflüsse durch Wartung (der letzten Schmierung)
  • Stellgrößen der Produktion (SPS)

Automatisierte Erhebung von KPIs zu Instandhaltung, Produktion und Energie​

Wir erstellen ein Monitoring-System zur Überwachung der Anlagen mit Kennwerten aus Instandhaltung, Produktion und Energie, die passend zu aktuell anliegenden Betriebspunkten (z.B. das gefertigte Produkt) die Betriebszustände mit physikalisch interpretierbaren Größen darstellen. Zudem identifizieren wir die Effekte auftretender Produktionsereignisse und helfen Anomalien frühzeitig zu identifizieren.​

Diagnose und Bewertung der Anlagenzustände

Zustandsorientierte Instandhaltung – Warum weicht der aktuelle Zustand vom Soll-Zustand ab?

Zustände der gleichen Anlage unterscheiden sich stark, wenn unterschiedliche ​Produkte gefertigt werden. Wir am Fraunhofer ITWM entwickeln ein Diagnosesystem,​ welches die überwachten Zustände in zum Prozess passende Kategorien einordnet.​ Hierdurch geben wir zustandsorientiert Hinweise für zu planende Wartungs- oder Instandhaltungsmaßnahmen. Hierbei können Sie von uns erwarten:​

KI Verfahren passen Diagnosesystem an Ihre Prozesse an​

Wir bewerten den überwachten Zustand der Anlage mit Kategorien, ​um Indikationen für die Ursachenforschung und Wartungs- oder Instandhaltungspläne zu geben. Fehler werden schneller identifiziert und lokalisiert.​

Die Kategorien des Diagnosesystem passen zum Prozess und setzen die überwachten Kennwerte zum Zustand der Bauteile (z.B. Wellen, Lager, Getriebe, Antrieb, Umrichter) in Bezug zu relevanten Zielgrößen (Ausfallwahrscheinlichkeit, Sicherheit, Qualität bzw. Ausschuss, Energieverbrauch). So können Sie bedarfsorientiert Entscheidungen für Ihre Instandhaltungsmaßnahmen treffen.​

Diagnose Predictive Maintenance
© Fraunhofer ITWM
Eine Fehlerdiagnose eines Antriebstrangs wurde mit simulativen Schadensbildern, einer sensorischer Spektralüberwachung und gemessenen Schadensfrequenzen realisiert.

Über Maschinelles Lernen trainieren wir passende Klassifikationsmodelle zu Ihrem Prozess, um für Anlagenführende und Techniker:innen eine einfache, fachliche und qualitative Bewertung des Zustands zu ermöglichen. Die trainierten Modelle laufen entweder in Ihrem Schaltschrank auf Industrie-PCs oder im Fall von Remote Service Plattformen in der Cloud. Das Trainieren der Modelle für neu hinzukommende Zustände erfolgt üblicherweise auf einem geeigneten Server der IT.​

Predictive Maintenance – Wann kann der Zustand die Zuverlässigkeit bzw. Qualität nicht mehr garantieren?

Trends in der Veränderung der Anlagenzustände geben Aufschluss über den ​verbleibenden Abnutzungsvorrat. Wir am Fraunhofer ITWM entwickeln Predictive ​Maintenance Systeme, um die verbleibende Betriebszeit bis zur nächsten notwendigen​ Wartungs-, bzw. Instandhaltungsmaßnahme zu prognostizieren. ​

Diese vorausschauende Instandhaltung gilt als die optimale Herangehensweise zur ​effizienten Planung von Wartungsfenstern, Ersatzteillagerungen und ​Gewährleistungen. Das können Sie von uns erwarten:​

KI-Verfahren passen ihre Prognosen an Ihre Prozesse an​

Wir erkennen den Verlauf in der zeitlichen Veränderung (Degradation durch Verschleiß) ​des Zustands und charakterisieren diesen Trend mithilfe geeigneter Maschineller ​Lernverfahren. Dabei berücksichtigen wir unterschiedliche Belastungen, die die Anlage seit der letzten Wartung erfahren hat. Das resultierende Modell erlaubt eine Simulation des Zustands der Maschine und prognostiziert die Zeit bis zum Erreichen eines Schwellwerts, ab dem ein Betrieb als zu risikoreich bewertet wird. Die trainierten Modelle laufen entweder in Ihrem Schaltschrank auf Industrie-PCs oder im Fall von Remote Service Plattformen in der Cloud. Das Trainieren der Modelle für neu hinzukommende Zustände erfolgt üblicherweise auf einem geeigneten Server der IT.​

Video: Predictive Maintenance – Prognose des Differenzdruck

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: https://policies.google.com/privacy

Die Prognose des Differenzdrucks in einem mit Holzpellets-betriebenem Vergaser ermöglicht die vorausschauende Instandhaltung ab dem letzten Reinigungsereignis.

Optimierung und Anpassung des Betriebszustands

Cycle of Optimization
© Fraunhofer ITWM
Cycle of Optimization

Predictive Control – Wie optimiere ich den Betrieb in der Produktion auf dieser Anlage?

Die zustandsorientierte Erfassung von Anlagen kann vielfältig genutzt werden. ​Wir am Fraunhofer ITWM nutzen erfasste und prognostizierte Betriebszustände Ihrer Anlage ​und bewerten die Sensitivität hinsichtlich anliegender Stellgrößen, um diese als weitere ​Zielgröße in der Produktionssteuerung zu optimieren. Folgendes können Sie von uns erwarten:

Zustandsorientierte Instandaltung ermöglicht Automatisierung mit Digitalen Zwillingen​

Wir erweitern die Automatisierung Ihrer Anlage, ​indem wir die trainierten Modelle über den Anlagenzustand umstellen und nutzen, um ​effiziente Stellgrößen für anvisierte Betriebspunkte im aktuellen Betriebszustand zu finden.​ Dies entspricht im Kern der Idee eines Digitalen Zwillings über den Anlagenzustand.​ Die invertierten Modelle laufen bei On-Premise-Installationen im Schaltschrank auf Industrie-PCs. Diese sind an die SPS-Controller Ihrer Anlage über zusätzliche Stellgrößen verbunden​.
 

Unsere weiteren Leistungen:

Aufbau von Prüfständen zur Digitalisierung der Fertigung

Profile – Wie verhalten sich neue und gebrauchte Produkte in unterschiedlichen Zuständen?

Erhebt man die Zustände für sowohl gefertigte als auch zurück gelieferte ​Bauteile und Maschinen, erhält man eine empirische Datenbank zu ​guten und »schlechten« Zuständen, aufgrund von Verschleiß und Defekten. Wir am Fraunhofer ITWM bauen und erweitern Prüfstände, damit wir diese qualitative Profile über Zuständen mit Lebensabschätzungen bewerten und vorhersagen. Dies ermöglicht Ihnen ​die Entwicklung von digitalen Geschäftsmodellen hinsichtlich Gewährleistung, Leasing, ​Service oder Ersatzteilmanagement. Das können Sie dabei von uns erwarten:​

Wir unterstützen Sie bei der Profilbildung, indem wir Test- und Prüfstände aus der Fertigung ​und Qualitätssicherung sowohl sensorisch als auch durch Software erweitern, um für ​neu gefertigte Maschinen und für Rückläufer strukturiert Zustandsprofile als eine Art Fingerabdruck zu erfassen und zu speichern.

Berührungslose Drehmomenterfassung
© Fraunhofer ITWM
Geliefert werden unsere Systeme mit einem induktiven Sensor zur berührungslosen Erfassung von Drehmomenten.

Wir helfen beim strukturierten Erfassen, indem wir über effiziente Design-of-Experiment-Ansätze (DoE) Experimente kontrolliert und möglichst automatisiert durchführen. Die erhobenen Profile dienen als Referenzen für qualitätsgesicherte gute Zustände und Fehlerbilder für Schadenszustände. Auf dieser Basis können Schwellwerte für die zustandsorientierte bzw. vorausschauenden Instandhaltung empirisch festgelegt und optimiert werden.​

Wir erweitern Ihren Prüfstand mit Sensoren und einem Industrie-PCs, um Zustandsprofile zu erfassen, in einer Datenbank zu speichern und auszuwerten. Hierbei integrieren wir die Lösung in Ihre bestehende IT Infrastruktur, oder installieren nach Bedarf eigene Datenbanken und Dashboard-Lösungen.

Schneller starten mit Hersteller-unabhängiger Software

Software-Tool Predictive Maintenance
© Fraunhofer ITWM
Wir stellen eine vom Messsystem unabhängige Software bereit, um passgenaue Instandhaltungsanwendungen auf Basis von Signalerfassung und -verarbeitung zur Überwachung und Prognose von Maschinenzuständen zu implementieren.

Profiler – Das integrierbare Softwareframework zur Überwachung von Maschinen aller Arten

Nach der Entscheidung die Instandhaltung und Produktion zustandsorientiert zu digitalisieren, ​sollten im Projekt möglichst schnell und nachhaltig erste Ergebnisse installiert werden. ​

Wir am Fraunhofer ITWM stellen mit unserer Projekterfahrung ein von Sensor- und ​IPC- Herstellern unabhängiges Softwareframework (Profiler) zur Verfügung, welches zum ​Erweitern bestehender Systeme mit neusten mathematischen Methoden der ​zustandsorientierten Instandhaltung verwendet werden kann. Das können Sie von uns ​erwarten:​

Der Profiler ermöglicht es, die Projektzeit möglichst effizient in Auswertungen, anstatt ​in Anbindung von Messtechnik zu investieren.

Der Profiler bündelt die Kanäle von angeschlossenen Sensoren und Messverstärkern über gängige digitale Übertragungsprotokolle und stellt diese im internen Anlagennetzwerk über ​Ethernet als einfache Websockets zur Verfügung. Auswerteeinheiten können auf der gleichen Hardware oder weiteren IPCs im Netzwerk ein oder mehrere Kanäle abonnieren und führen zum Prozess passende Algorithmen der Signalverarbeitung, Klassifikation, Prognose oder Regelung aus. Die Ergebnisse werden wieder als Websockets zur Verfügung gestellt.​ Der Profiler bietet die Softwarebasis zum Überwachen der Zustände individueller Anlagen sowie zur Diagnose, Bewertung, Prognose und Optimierung.​ Die Übertragung relevanter Kennwerte, Bewertungen und Prognosen erfolgt über Clients, die Ergebnisse in Datenbanken, Dashboards, Dateien, Oszilloskopen u.ä. übertragen.

Anforderungen​

  • Betriebssystem (Windows, Linux)​
  • x86 oder ARM​
  • Ethernet Schnittstelle​
  • Pro Sensor einen Kern​
  • Speicher und CPU je nach Algorithmus und Datenrate unterschiedlich

Das könnte Sie auch interessieren: