狀態監測可防止運輸系統中的計劃外中斷

如自動扶梯、輸送帶、單軌輸送機和倉儲機等運輸系統一定不能發生故障。適當的狀態監測可以儘早防止意外中斷;但傳統振動分析不適合於這些系統的極低頻率振動。 浩亭 和 Formsmedia GmbH 提出了一種新的狀態監測理念,已經在實踐中得到了證明。

計劃外中斷是運輸系統中重複發生而又代價高昂的障礙。汽車製造中使用的單軌輸送機運輸系統典型地表現出這一問題。支撐結構運輸重型部件或整個車身。整個載荷由塑料塗層的輪子承受。在某一時刻,塗層會從輪子脫落,單軌輸送機輪子將損壞。生產將會中斷,單軌輸送機的維修非常耗時。

Ausfälle in Transport-Systemen kann zum Stillstand kompletter Betriebsabläufe führen. Ein Condition Monitoring System auf Basis des Edge Computers MICA® erkennt Verschleiß frühzeitig und verhindert so ungeplante Ausfälle.

用於單軌輸送機運輸系統的狀態監測還可以改造使用

針對快速運​​​​行的發動機或變速箱的振動分析已在約 20 年來證明它們是可靠的監測儀器。由於微弱和極低頻率的振動,諸如單軌輸送機等慢速移動的運輸系統需要 milli-G 範圍內的更敏感振動檢測。 Formsmedia 是一家測量技術、脈沖和數據分析領域的公司,它已與 浩亭 合作為此需求開發了一種監測解決方案:

  • 包含 MEMS 加速傳感器的高度敏感的傳感器盒可電容性捕獲運輸系統的移動,並檢測輪子上的振動,收集電機電流和驅動器溫度數據。
  • 收集的傳感器數據通過分配到來自 浩亭 的邊緣計算系統 MICA 的 Modbus 來傳輸。 MICA 是一台基於 Linux 操作系統的可聯網安全微型計算機和一個由 Linux 容器組成的虛擬化應用環境。
  • 對於運輸系統的狀態監測,MICA 使用來自 Formsmedia 的分析軟件來聚合、存儲和可視化現場本地包含的傳感器數據。 MICA 適合於直接在現場快速評估數據,以避免傳輸不必要的數據。
  • 使用快速傅裡葉變換 (FFT) 來分析振動的頻譜,以及評估非諧振。
  • 該狀態監測系統還可在改造後附加在具有慢速移動部件的運輸系統上。
  • 數據傳輸到更高級別的 SCADA 控制系統或云 IoT 平台,以執行多個系統的狀態監測,以及提供諸如預測性維護等擴展功能。

惡劣環境條件下的狀態監測

惡劣環境條件下運輸系統的狀態監測必須經常設置。要麼空間不夠,要么需要架橋的距離很大,或者存在多塵、高溫和潮濕等情況。傳感器盒和 MICA 可以在惡劣的環境中使用,而且保護等級達到 IP 65/67,可以承受重度電磁輻射。

所有當地要求都詳細記錄在概念證明中,以預先配置傳感器盒和 MICA 以便安裝。還要檢查傳感器連接的機械適合性,以便可靠地記錄弱振動。可以在調試期間使用一個 Modbus 檢驗程序來現場複查所有預設功能,並確保正確的測量範圍。這意味著可以在很大程度上消除誤報。

取決於環境,經過預處理的數據可以按照交換格式(如 MQTT 或 OPC UA),使用 MICA 的網關功能以無線或有線方式傳輸到更高級別的 IT 系統。 MICA 的無線版本用於單軌輸送機運輸系統,以直接評估每個移動運輸架中的傳感器值,並能通過 WLAN 傳輸它們。

早期警告消息可以防止工廠停工

為了評估傳感器數據而定義了閾值,以便生產工程部門收到有關早期維護需求的消息。在實踐中,已證明在現場安裝一個通過 Modbus RTU(遠程終端單元)連接到 MICA 的監視器是有用的。當前特徵值和關鍵系統狀態以交通燈功能的形式可視化地顯示在監視器上。選定的接收者也會在閾值被超過時收到警報消息。此外,現場員工只需輕觸按鈕即可將諸如中斷,故障或缺料等事件發送到 MICA。這意味著可以將傳感器值與實際操作事件聯繫起來。

狀態監測解決方案可以擴大到包括針對預測性維護的機器學習,以便預測何時需要下一次維護服務。雲端運算一般用於對歷史和當前數據進行必要的分析。開發了機器學習算法,並使用所收集的有關輪子中的振動,電機電流波動以及驅動器溫度變化的數據對此進行了訓練。預測性維護能將傳感器數據的輕微變化識別為異常,並能得出有關當前狀態的結論和有關將來狀態的預測。

對於預測性維護等主題,建議與專業 IT 系統企業合作,他們有數據分析領域的經驗,可按用戶要求單獨開發算法,規則和儀表板,並能將其集成到現有的控製或 ERP 系統中。 MICA.network 就是由 浩亭 與 IT 公司為此目的而建立的。

狀態監測解決方案的快速攤銷

啟動狀態監測系統的成本回收相對較快。借助標準化的狀態監測概念,規劃,系統和安裝成本很低,對系統操作員的好處很高。這意味著關鍵部件的磨損可以儘早識別,並避免運輸系統故障。這樣就提高了系統可用性和設備綜合效率 (OEE)。此外,較少的維修和按需維護降低了維護成本。這最終改善了相關客戶/使用領域的服務。

狀態監測的一個附加效果可以在改造情況下見到。借助數字監測,舊設施可以重新煥發生機。在其他情況下由於產品生命週期而更加頻繁的維護週期可以減少到實際需求,從而延長設施的使用時間。

Durch die Schutzart IP 65/67 sind die Sensorboxen und die MICA auch im rauen Umfeld einsetzbar und außerdem gegen hohe EMV-Belastungen geschützt.

Die vorverarbeiteten Daten können je nach Umfeld drahtlos oder drahtgebunden über die Gateway-Funktionalität der MICA in Austauschformaten wie MQTT oder OPC UA an übergeordnete IT-Systeme übertragen werden. Für das Hängebahn-Transportsystem wurde die Wireless-Version der MICA verwendet, um die Sensorwerte in jedem mobilen Transportgestell direkt auszuwerten und per WLAN übertragen zu können.

Frühzeitige Warnmeldung verhindert den Anlagenstillstand

Für die Auswertung der Sensordaten werden Schwellwerte festgelegt, die der Betriebstechnik frühzeitig eine Meldung über den Wartungsbedarf geben. In der Praxis hat es sich als hilfreich erwiesen, wenn vor Ort ein Monitor installiert wird, der per Modbus RTU (Remote Terminal Unit) mit der MICA verbunden ist. Auf dem Monitor werden die aktuellen Kennwerte und kritische Systemzustände optisch in Form einer Ampelfunktion angezeigt. Zusätzlich erhalten ausgewählte Empfänger eine Alarmmeldung, wenn Schwellwerte überschritten werden. Ergänzend haben Mitarbeiter vor Ort die Möglichkeit, per Touch-Button Ereignisse wie Pausen, Störungen oder fehlendes Material an die MICA senden. So können die Sensorwerte mit echten Betriebsereignissen verknüpft werden.

Die Condition-Monitoring-Lösung kann durch Machine Learning zu Predictive Maintenance erweitert werden, um zeitliche Voraussagen über den nächsten Wartungseinsatz machen zu können. Die dafür notwendige Analyse historischer und aktueller Daten findet in der Regel mit Unterstützung von Cloud-Services statt. Hier werden Machine-Learning-Algorithmen entwickelt und mit den gesammelten Daten über die Vibrationen der Laufräder, den Schwankungen im Motorstrom sowie der Temperaturentwicklung der Antriebe trainiert. Predictive Maintenance ist damit in der Lage, schleichende Veränderungen in den Sensordaten als Anomalien zu erkennen und Schlussfolgerungen über den aktuellen und Voraussagen über den künftigen Zustand zu treffen.

Bei Themen wie Predictive Maintenance empfiehlt sich die Zusammenarbeit mit spezialisierten IT-Systemhäusern, die Erfahrung im Bereich Datenanalyse haben und Algorithmen, Regeln und Dashboards individuell für den Bedarf des Anwenders entwickeln und auch die Integration in bestehende Leit- oder ERP-Systeme übernehmen. HARTING hat dafür gemeinsam mit IT-Unternehmen das MICA.network gegründet.

Schnelle Amortisation der Condition-Monitoring-Lösung

Die Einführung von Condition Monitoring rechnet sich relativ schnell. Die Planungs-, System- und Installationskosten sind durch das standardisierte Condition-Monitoring-Konzept gering und der Nutzen für die Anlagenbetreiber hoch. So lässt sich der Verschleiß von kritischen Bauteilen frühzeitig erkennen und ein Ausfall des Transportsystems vermeiden. Dadurch erhöhen sich die Anlagenverfügbarkeit und die Gesamtanlageneffektivität (OEE). Weniger Reparaturen und die bedarfsgerechte Wartung verringern außerdem die Instandhaltungskosten. Schließlich verbessert sich der Service für die betroffenen Kunden / Einsatzbereiche.

Ein weiterer Effekt von Condition Monitoring zeigt sich beim Retrofit. Durch die digitale Überwachung werden Altanlagen auf den aktuellen Stand der Technik gebracht. Die aufgrund des Product Lifecycle sonst häufigeren Wartungszyklen können auf den tatsächlichen Bedarf reduziert und die Nutzungszeit der Anlage verlängert werden.