Werden die Maschinen bestimmungsgemäß eingesetzt, haben sie eine zu erwartende Lebensdauer von mehreren Jahren. Solche Maschinen fallen daher meist durch Störungen oder Abweichungen im Betrieb der Gesamtanlage aus. Gefordert ist also eine Lösung, mit der solche Störungen frühzeitig erkannt werden.
Durch Analyse und Mustererkennung gelingen in Sachen Instandhaltung über das langfristige Erfassen von relevanten Daten (Temperaturen, Drücke, Volumenströme) und deren Analyse (Trends, Abweichungen) sehr gute Vorhersageergebnisse. Massiv gefallene Preise der immer leistungsfähiger werdenden Sensoren unterstützen dies. Data Mining versucht dann, mit Hilfe statistischer und mathematischer Algorithmen Muster, Trends und Zusammenhänge in großen Datenmengen zu erkennen.
Die Crux ist bis heute, dass smarte Feldgeräte wie Pumpen zwar mit dem zentralen Gebäude- oder Prozessleitsystem kommunizieren, aber die gesammelten Massendaten aufgrund von Sicherheitsbedenken und wegen technischer Hürden vielfach nur zur nachträglichen Fehleranalyse genutzt werden. Experten schätzen, dass 97 % der Daten aus der Feldebene ungenutzt bleiben.
Die Herausforderung ist, an diese Daten ranzukommen. Heute stehen dazu sehr leistungsfähige Echtzeit-Bus-Systeme wie das Industrial Ethernet und Cloud-Anbindungen bereit. Eine datenbasierte Verzahnung der Bereiche Produktion und Instandhaltung ist somit möglich. Sehr anschaulich sprechen Experten von einem ‚Langzeit-EKG‘.
Grundfos greift mit seinem Machine Health-Konzept (GMH) auf eine der weltweit größten Datenbank für typische Maschinengeräusche bzw. Vibrationsprofile zu, mit deren Hilfe äußerst präzise Diagnosen möglich sind. Aus Maschinendaten werden so Handlungsempfehlungen – dank Echtzeit-Meldungen und Algorithmen, die geeignete Reparaturen und Wartungsmaßnahmen vorschlagen. Hochwertige Sensoren und smarte Algorithmen überwachen kritische Aggregate rund um die Uhr. Schon beim ersten Anzeichen eines Problems meldet sich das System mit einer detaillierten Analyse inklusive einer erfolgversprechenden Lösung für das sich anbahnende Problem. Der Betreiber kann Wartungsmaßnahmen gezielt terminieren. In der Praxis ergeben sich durchschnittlich
- 30 % geringere Wartungskosten,
- 90 % niedrigere Reparaturkosten,
- 75 % weniger Ausfälle,
- eine 45 % länger verfügbare Betriebszeit.
Eine wichtige Besonderheit von GMH ist, dass die genutzte Datenbank schon kurz nach der Installation der Sensoren und Empfänger Aussagen über den Zustand der Anlage treffen kann – die Algorithmen der künstlichen Intelligenz müssen also nicht wie sonst oft üblich erst angelernt werden; Tausende von hinterlegten Geräusche- und Vibrations-Mustern können sofort mit den installierten Maschinen verglichen werden.
Grundfos Machine Health gewährt dem Betreiber einen Blick in die nahe Zukunft – damit wandelt sich Instandhaltung zum Asset Management, vom Kostenblock zur Werterhaltung. Darüber hinaus offeriert das Unternehmen die erforderlichen Dienstleistungen, um schlechte Akteure wieder auf Vordermann zu bringen.
