Die von MacGregor entwickelte Lösung dazu heißt nun OnWatch Scout (Quelle: stock.adobe.com_Alexey Seafarer_456973823)
MacGregor [1] ist ein Unternehmen der finnischen Cargotec AG. Seit 2013 bietet es Kunden die Möglichkeit, eine Fernüberprüfung ihrer Kranausrüstung anzufordern und einen Remote-Techniker zu konsultieren. Doch den Ingenieuren des Unternehmens ging dies nicht weit genug: Sie wollten installierte Geräte zukünftig mit fortschrittlichen Überwachungssystemen ausrüsten, die einen Wartungsbedarf vorhersagen können. Dazu sollte das System Muster im Geräteverhalten erkennen und durch die Kombination aus umfassender Erfahrung, technischem Fachwissen und der Anwendung von künstlicher Intelligenz Anomalien identifizieren können, die auf ein Ausfallrisiko hinweisen. Die von MacGregor entwickelte Lösung dazu heißt nun OnWatch Scout (Bild 1).
Herausfordernde Idee
Um benutzerfreundliche Handlungshinweise erstellen zu können, muss der Gerätezustand permanent auf aktuelle und zukünftige Fehlfunktionen überprüft werden. Dazu ist zunächst eine Sensortechnologie erforderlich, welche die Identifikation von Anomalien und Verschleiß der Geräte sowie deren Ursachen ermöglicht. Darüber hinaus sind die Anforderungen an die Software hoch: Sie muss leicht verständliche Leistungsindikatoren sowie Service- und Wartungsempfehlungen generieren.
„Der Bediener an Bord des Schiffs soll mit konkret umsetzbaren Ratschlägen und detaillierten Schritt-für- Schritt-Anweisungen durch schwierige Betriebs- und Reparaturprozesse geführt werden“, beschreibt Dr.-Ing. Jörg Peschke, Director Drives and Controls, Digitalisation and Business Transformation bei der MacGregor Group, die Grundidee von OnWatch Scout.
Grenzen der bisherigen Analytik
Bei der Konzeptentwicklung des Systems zur Überwachung von Luftkompressoren stellte sich allerdings heraus, dass der bisher verfolgte technische Ansatz der Schwingungsüberwachung und Spektrumsanalyse nicht ausreicht, um die erforderlichen, eindeutigen Kennungen für verschiedene Fehlerquellen zu generieren. Gemeinsam mit den Experten von Bachmann Monitoring [2] wurden schließlich spezielle Attribute für die Fehlererkennung und Verschleißanalyse entwickelt.
Viele der bisher verwendeten Diagnoseansätze beruhen im Bereich der Körperschallanalyse auf breitbandigen Kennwerten, beispielsweise der Bildung von Effektivwerten in bestimmten Frequenzbereichen. Der Effektivwert steht zwar in Abhängigkeit mit dem Energiegehalt des Signals und ist damit gleichzeitig ein starker Indikator für eine grundsätzliche Zustandsänderung der Maschine. Meist ist jedoch dieser Kennwert zur exakten Lokalisierung eines Fehlers zu unspezifisch und kann häufig nur dazu genutzt werden, um schlimmste Havarien und Folgeschäden zu vermeiden.
Für eine tiefergehende Diagnose und Fehlerfrüherkennung ist er damit nicht geeignet. Anstelle dessen nutzt man üblicherweise frequenzselektive Methoden, die sich beispielsweise für die Fehlerfrüherkennung an Wälzlagerungen und Verzahnungen bewährt haben. Hier werden unter anderem Amplituden von Grundfrequenzen bewegter Komponenten und deren Harmonische überwacht. Für bestimmte Diagnosen werden auch Kennwerte von Seitenbändern gebildet. Um variable Drehzahlen zu berücksichtigen, die zu Verfälschungen von Amplitudenwerten führen, werden die Sensorsignale einer sogenannten Ordnungsanalyse unterzogen.
Für die Überwachung von Luftkompressoren gilt es allerdings, einige zusätzliche Herausforderungen zu lösen: In vielen dieser Geräte finden sich Gleitlagerungen, welche sich nicht wie Wälzlager überwachen lassen. Hinzu kommen weitere wichtige Bauteile, wie Ein- und Auslassventile, die es zu beobachten gilt.