Maschine, Bild: Kraiburg

Der Anwender will über vorausschauende Wartung an seinen Maschinen ungeplante Ausfälle minimieren. Bild: Kraiburg

Da Walzwerke wie die der Gummiwerke Kraiburg fast durchgängig im Dreischichtbetrieb laufen, spielt die Maschinenverfügbarkeit dort eine wichtige Rolle. Schließlich verzögern Ausfälle bei einer einzigen Maschine den gesamten Produktionsprozess und verursachen so am Ende hohe Kosten. Um das zu verhindern, werden Maschinen üblicherweise nach einer bestimmten Anzahl an Betriebsstunden gewartet. Wie das anders gehen kann, wollte das Unternehmen in einem neu errichteten Walzwerk herausfinden und machte deshalb bei der Wartung mit Bosch Rexroth einen Schritt in Richtung Zukunft.

Bei Kraiburg bewegen bereits seit einiger Zeit hydraulische Hägglunds-Radialkolbenmotoren von Rexroth die Walzwerke, die die Gummimischungen homogenisieren und auswalzen. Für seine neue Anlage setzt das Unternehmen zudem auf das Online Diagnostics Network Predictive Maintenance (Odin) des Anbieters. Kerngedanke dieses Dienstleistungspakets ist es, Wartungsarbeiten durch das Zusammenspiel von Sensorik, cloudbasierten Anwendungen und Machine-Learning-Methoden auszuführen, bevor ein Stillstand eintritt.

Bei dem Walzspezialisten erfassen Sensoren in der neuen Anlage dafür zunächst detaillierte Daten zum Ölbehälter, dem elektrischen Antrieb, den Pumpen und Motoren. Gemessen werden unter anderem Temperaturen, Ölstände, Volumenströme und Drücke. Die so gesammelten Daten werden an einen Bosch-Rexroth-Server geschickt und dort analysiert. Die Daten werden auf abgesicherten Servern unter Einhaltung der Datenschutzrichtlinien des Konzerns gespeichert und verarbeitet.

Vorhersage des „Gesundheitszustands“

Nach der Installation des neuen Walzwerks sammelte ODiN in einer mehrmonatigen Trainingsphase zunächst Daten zu allen überwachten Komponenten. Auf Grundlage dieser Signale ermittelt ein Machine-Learning-Algorithmus einen normalen „Gesundheitszustand“ für das Walzwerk. Nach der Einlernphase erhebt ODiN mit einem datenbasierten Modell dann kontinuierlich den Health Index des Walzwerks. Bricht nur ein einzelner Messwert kurzzeitig aus dem Toleranzband aus, führt das nicht unbedingt zu einer – eventuell unbegründeten – Warnung, da Verschleiß selten mit einem einzigen Signal erfasst werden kann. Verschlechtert sich der Health Index aber, weil sich die Daten mehrerer Sensoren verändern, warnt das System vor einem Problem – selbst wenn die einzelnen Veränderungen innerhalb der definierten Grenzen liegen. ODiN gibt in den regelmäßig erstellten Health-Index-Berichten durch Machine Learning entsprechende Hinweise und hilft, konkrete Handlungsempfehlungen zu erstellen. kk

 

Diese Themen interessieren Sie? Mit unserem wöchentlichen fluid-Newsletter sind Sie immer auf dem Laufenden.