Der 12-kHz-Schwingungssensor von Pepperl+Fuchs erfasst zentrale Zustandsdaten. (Quelle: Pepperl+Fuchs)
Die Industriefritteuse arbeitet bei der Herstellung von Tiefkühlkost im Dauerbetrieb und unter verschärften Bedingungen. Das heiße Öl wird ständig umgewälzt. Die Pumpe, die das erledigt, muss mit der hohen Temperatur, dem viskosen Öl und den darin enthaltenen Rückständen zurechtkommen. Trotz regelmäßiger Reinigung und Wartung fiel eine solche Pumpe bei einem lebensmittelverarbeitenden Betrieb immer wieder aus, ohne dass man die genaue Ursache fand.
In vier Schritten vom Sensor in die Cloud
Abhilfe schafft in diesem Fall das Digital Twin Starter Kit von Bosch Digital Twin Industries und Pepperl+Fuchs. Es basiert auf den vier Säulen Connect, Collect, Consume und Cognition. Mit Integrated Asset Performance Management (IAPM) wird eine KI-gestützte Modellierungslösung für geschäftliche, technische und physikalische Probleme von Industrieanlagen, die Simulation und Prediction zur Unterstützung des digitalen Managements dieser Assets erstellt. Sensoren und Aktoren werden zum Beispiel mittels der Bosch Device Bridge und dem AWS IoT Core mit der Digital Twin Plattform verbunden (Connect). Gemessene Werte, virtuelle Sensoren, Simulationsergebnisse und synthetische Daten laufen in der Phase Collect zusammen. Das Ziel: ein qualitativ hochwertiges Datenset aufbauen. Die Phase Consume stellt die gesammelten Daten nutzerfreundlich bereit: Über Dashboards, mobile Apps und Ähnliches erhalten Mitarbeiter die für sie relevanten Informationen. Die Phase Cognition kombiniert physikalische Modelle, First-Principles und KI-Algorithmen zur Analyse, Fehlerdiagnose und zu Prognosen. Aus einer reinen Datensammlung entsteht eine „Digital Prediction Machine“. Im Fall der Fritteusenpumpe werden bereits existierende Temperaturwerte und vorliegende Daten aus der Leistungselektronik (Frequenzumrichter, Stromwandler, Motor) übernommen. Das IAPM-Starter-Kit ist flexibel und frei skalierbar. Aus den erhobenen Daten wird ein Simulationsmodel gebildet, in dem die gesammelten Geräte und Prozessdaten analysiert und zu einem umfassenden Zustandsbild zusammengefügt werden. Es entstehen tiefe Einblicke in den Anlagenzustand sowie Empfehlungen für Wartung, Betriebsoptimierung und strategische Entscheidungen. Damit kann der Anlagenbetreiber bei absehbaren Problemen rechtzeitig Gegenmaßnahmen einleiten.
Wärmetauscher ohne Nachrüstung abbilden
Ein anderes Beispiel für den konkreten Nutzen des digitalen Zwillings bietet der Wärmetauscher, der in zahllosen industriellen Prozessen eine wichtige Rolle spielt und einen wesentlichen Einfluss auf die Energieeffizienz hat. Sein Wirkungsgrad kann von Ablagerungen (Fouling), Leckagen oder thermischen Ungleichgewichten beeinträchtigt werden. Effizienzverluste werden oft nicht erkannt, weil etwa die Temperaturdifferenz oder der Druckverlust nicht lückenlos überwacht werden können. Typischerweise fehlt es an zuverlässigen, kontinuierlich verfügbaren und umfassenden Daten über den aktuellen Zustand des Wärmetauschers.
Die Stellen, an denen entscheidende Betriebsparameter, wie Temperatur, Druck, Durchfluss oder Verschmutzungsgrad, gemessen werden müssten, sind oft schwer zu erreichen oder nicht für eine einfache Sensorintegration geeignet. Wichtige Eingabegrößen, wie Primär- und Sekundärtemperatur, Volumenströme oder Druckverluste, können nicht kontinuierlich gemessen werden.
Mit dem digitalen Zwilling lässt sich der aktuelle physikalische Zustand des Wärmetauschers trotzdem in Echtzeit abbilden. Dafür werden vorhandene Betriebsdaten zu Temperaturdifferenzen, Druckverhältnisse oder Durchflussraten kontinuierlich in ein Modell eingespeist, das die reale Funktion simuliert und analysiert. So wird – auch ohne Nachrüstung an schwer zugänglichen Stellen – eine sofortige Zustandsdiagnose auf Basis aller erfassten Parameter möglich. Auch an bereits installierten Wärmetauschern, bei denen klassische Instandhaltungsstrategien an ihre Grenzen stoßen, kann der digitale Zwilling implementiert werden. Er erlaubt den Vergleich von Soll- und Ist-Werten; mit Trendanalysen lassen sich schleichende Effizienzverluste frühzeitig erkennen, um zielgenaue Maßnahmen zu ergreifen.