Predictive Maintenance : Schritt für Schritt zu mehr Lebensqualität

„Wie gelingt es uns, mit Predictive Maintenance den Übergang von der reinen Zustandsüberwachung zu einer realen zustands­orientierten Instand­haltung für den Antriebs­strang zu schaffen?“, fragten sich Tim Lang, Abteilungs­leiter Applikationen bei STÖBER, und sein Team. Denn um eine höhere Verfügbarkeit, weniger Instandhaltungs­aufwand und längere Lebens­zyklen zu erreichen, wird die Vorher­seh­barkeit für Anwender­innen und Anwender immer wichtiger: „Wie wahrscheinlich ist es, dass der Getriebe­motor bald ausfällt?“ oder „Wann ist eigentlich der ideale Zeitpunkt, um diesen zu warten oder zu tauschen?“ Um diese und ähnliche Prognosen treffen zu können, beschäftigt sich der Antriebs­spezialist seit einigen Jahren mit dem Thema Predictive Maintenance. „Wir entwickeln uns permanent weiter. Dazu haben wir einen dreistufigen Plan ausgearbeitet. Schritt zwei gehen wir aktuell an“, erläutert Tim Lang.

In der ersten Stufe erhielt der Anwender eine Predictive-Maintenance-Lösung, die den Getriebe­motor eines Antriebs­systems überwacht. Seine Lebens­leistung wird über ein analytisches Modell berechnet und in der Software der Antriebs­regler durch den sogenannten Lebens­leistungs­indikator ausgegeben – dabei handelt es sich um einen Wert zwischen 0 und 100 Prozent. Bei 90 Prozent gibt die Software eine Empfehlung zum Tausch des Getriebe­motors aus und stellt diese auch einer Steuerung in Form eines auslesbaren Parameters zur Verfügung. Diese effiziente Lösung zur voraus­schauenden Wartung erfordert keine externe Sensorik und zusätzliche Verdrahtung.

„Im zweiten Schritt lassen wir zu diesem Rechen­modell noch eine aktive Messung miteinfließen“, beschreibt Tim Lang. Dazu integriert STÖBER in sein System, das aus Getriebe, Motor, Kabel und Antriebs­regler besteht, einen Beschleunigungs­sensor. Externe Peripherie­geräte, wie zusätzliche Strom- oder Spannungs­quellen, sind dabei nicht erforderlich. So können Lagersitze, Ver­zahnungen oder auch andere Antriebs­komponenten effizient gemessen werden. „Durch Frequenz­analysen können wir spektrums­basiert auf sich ankündigende Schäden schließen“, erklärt Tim Lang. „Aktuell befinden wir uns noch in der Umsetzungs­phase.“ STÖBER arbeitet dabei eng mit HEIDENHAIN zusammen, um gemeinsam einen Getriebe­motor mit integriertem Beschleunigungs­sensor zu entwickeln.

STÖBER wird Predictive Maintenance basierend auf den ersten beiden Schritten mit Deep Learning und künstlicher Intelligenz (KI) konsequent weiterentwickeln. Das Ziel ist ein smarter Antriebs­strang, der sowohl seinen eigenen Zustand erkennt als auch wichtige Informationen aus dem Feld in Echtzeit liefern kann.

„Seit Sommer 2024 konnten wir für unser Release nützliche Er­weiterungen umsetzen“, resümiert Tim Lang. Unter anderem haben die Antriebs­spezialisten das analytische Modell verbessert und die Datenbank auf über 80.000 Variationen aus Getriebe und Motoren erweitert. Darüber hinaus können jetzt auch kundenspezifische Sonder­versionen ausgewertet werden. Anwenderinnen und Anwender profitieren von einer ein­facheren Bedienung und verbesserten Visualisierung. STÖBER wird künftig auch Funktions­bausteine und Beispiel­programme bereit­stellen. Damit können die gewonnenen Daten und insbesondere die Last-Matrix auch über EtherCAT oder PROFINET auslesen werden. Die Last-Matrix bildet die solide Daten­basis für die Erfassung von realen Belastungs­situationen: Der kumulierte Last­zustand des Antriebs­systems wird über die gesamte Betriebs­zeit fortlaufend dokumentiert.

„Ende des Jahres werden wir unseren Kundinnen und Kunden zudem ein Analyse­tool bieten können, das mehrere Last-Matrizen auswerten, vergleichen und standardisierte Reports erstellen kann“, verspricht Tim Lang. „Wir haben damit eine zustands­orientierte Instand­haltung, die uns ein sehr breites Anwendungs­feld bietet. Es lassen sich unter anderem auch Auslegungs- und Montage­einflüsse über einen Maschinentyp detektieren oder Langzeitanalysen realisieren.“