Die Realisierung von präventiver Wartung (CBM)

Die aufwändige Implementierung für CBM kann wesentlich abgekürzt werden, wenn man das Wissen aus der Produktentwicklung überträgt und nutzbar macht. Uptime SOLUTIONS™ liefert dafür das Werkzeug. Damit gelingt ein rascher und effektiver Einstieg in die präventive Wartung.

Shuai Zaho et al. beschreiben einen Prozess für die Steuerung der präventiven Wartung von Leistungselektronik durch eine modell-basierte Analytik von Überwachungsdaten (IEEE Trans. 36, 4, 2021), Abb. 1.

Abb. 1: Prozess zur Realisierung präventiver Wartung, Shuai Zaho et al., IEEE Trans. 36, 4, 2021

Dabei werden folgende Fragen geklärt:

1.  Wie kann Technik degradieren und ausfallen?
2.  Was soll überwacht und analysiert werden?
3.  Wie werden Nutzen aus diesen Analysen erzielt?

In der Praxis wird ein Großteil der Aufgaben zu den ersten beiden Fragen schon in der Produktentwicklung erledigt. Allerdings wird das dort erarbeitete Wissen nicht systematisch für präventive Wartung angewendet. Dieser Transfer lässt sich aber elegant und höchst allgemein mit Hilfe der Software Suite Uptime SOLUTIONS erledigen. Abb. 2 skizziert, welche Aufgaben die Module PROVE, LOCATE und HARVEST übernehmen, um den gesamten Prozess zu überdeckt.

Abb. 2: Nutzung von Entwicklungsergebnissen für präventive Wartung.

Wie kann Technik degradieren und ausfallen?

Die Ausfallsrisiken sind vielfältig.

Mit der Untersuchung, wie Technik ausfallen kann, wird eine solide Basis für präventive Wartung gelegt. Eine solche Risiko-Analyse erfordert allerdings die Integration eines ganzen Bündels von Informationen. Sie ist also mit erheblichem Aufwand verbunden und benötigt Input aus verschiedenen Quellen, die bei der Konzipierung von präventiven Wartungsprozessen in der Regel nicht mehr verfügbar sind.

Bei genauerem Hinsehen stellt sich aber heraus, dass das notwendige Wissen schon im Rahmen der Produktentwicklung erarbeitet wird, speziell für die Absicherung der Zuverlässigkeit. Das Wissen und die Modelle aus der Entwicklung werden also für CBM wiederverwendet, und zwar für Anomalie-Detektion, Diagnose und Prognose. CBM-/PDM-Methoden werden in diesem Zugang als Erweiterung der Produkt-Entwicklung erledigt.

Die Praxis zeigt, dass ein Großteil der Ausfallsrisiken von Bauteilen generischer Natur ist. Uptime Engineering hat daher eine Wissensbasis zu Ausfallsrisiken inklusive Modellierung von Abweichungen und Schädigung aufgebaut. Für konkrete CBM-Anwendungen wird diese Wissensbasis mit der System-Architektur (als digitaler Zwilling) in Uptime HARVEST hochgeladen. Diese Modelle werden für die Adaptierung auf die Eigenschaften konkreter Bauteile parametriert. Sie sind verstehbar, also „white-box“ Modelle. Das ist wichtig, weil sei im Rahmen von CBM-Prozessen die Basis für folgenreichende Entscheidungen liefern.

Was soll überwacht und analysiert werden?

Die Überwachung soll mehr nutzen als kosten.

Wenn Systeme zuverlässig sind, sollte das so wenig wie möglich durch Sensorik gefährdet werden. Damit nicht Sensor-Defekte das Ausfallsgeschehen dominieren sollten nur Risiko-relevanten Messkanäle installiert sein. Die Wissensbasis liefert dafür die Anforderung. Ein guter Anteil der relevanten Daten liegt i.A. schon in der Steuerung oder Regelung vor, sodass mit wenigen Zusatz-Sensoren eine gute Überdeckung der Ausfallsrisiken zu erzielen ist.

Die Indikatoren für Ausfallsrisiken sind zu überwachen. Dafür wird als erstes das erwartete Last-Antwortverhalten ermittelt. Es dient als Referenz für die Anomalie-Detektion. Auch diese Aufgabe wird schon im Rahmen der Produkt-Verifikation erledigt, z.B. in Form von Kennlinien, Abkühlkurven, Energie-Bilanzen, u.ä.m. Ob eine Schädigung tatsächlich eine messbare Abweichung vom erwarteten Verhalten liefert, kann in dieser Phase schon mittels „Fault seeding“ experimentell oder simulatorisch untersucht werden. Die aussichtsreichen Indikatoren für die Anomalie-Detektion sind also im Rahmen der Produktentwicklung rasch und kostengünstig zu ermitteln.

Nach der Beobachtung einer Anomalie ist die Ursache für diese Abweichung zu klären, also die Diagnose durchzuführen. Sie ist für nachhaltige Problemlösung wichtig und kann wie folgt automatisiert werden:

In der Wissensbasis sind die Indikatoren den Schädigungsmechanismen zugeordnet. Man kann daher für die Diagnose abfragen, welche dieser Mechanismen als Ursache für die beobachteten Indikatoren in Frage kommen. Falls es mehrere Kandidaten sind, liefert die Wissensbasis auch die Inspektions-Aufgaben für den Ausschluss der nicht-zutreffenden Möglichkeiten. Sie stellt dieses Expertenwissen als gut verstehbare Erklärung den Wartungstechnikern zur Verfügung – zur Unterstützung der Problemlösung.

CBM Prozessentwicklung mit Uptime SOLUTIONS™

Uptime SOLUTIONS™ stellt mit dem digitalen Zwilling, der Wissensbasis und den Modell-Bibliotheken den Rahmen und die Werkzeuge für die oben beschriebenen Aufgaben zur Verfügung. Sie werden erfolgreich zur Realisierung der Analytik und Prognostik von Flotten und Anlagen angewendet.