Was ist Condition Monitoring?
Zentral im Condition Monitoring (dt. Zustandsüberwachung) ist die Erkennung von Unregelmäßigkeiten im normalen Verhalten von Maschinen und Anlagen. Zur Überwachung der Zustände werden verschiedene charakteristische Kenngrößen der Maschinen, wie bspw. Vibrationen, Temperatur, Druck oder Drehmomente, in Echtzeit gemessen. Anhand dieser Messungen können kritische Abweichungen erkannt werden. Folgende Vorteile resultieren aus diesem Vorgehen:
- eine hohe Transparenz über den aktuellen Zustand von Maschinen und Anlagen
- eine datengestützte Entscheidungsgrundlage für Verantwortliche
- längere Laufzeiten, bzw. kürzere Ausfallzeiten der Maschinen oder Anlagen
- weniger Routine-Wartungen – stattdessen punktuelle Wartungen, wenn wirklich notwendig
- eine höhere Produktivität und Produktqualität
Insbesondere KMU werden mit Herausforderungen bei einem Condition Monitoring Projekt konfrontiert. So müssen in der Regel ältere Anlagen unterschiedlichster Hersteller, nachgerüstet werden. Dies hat zur Folge, dass zunächst die relevanten Parameter bzw. Kenngrößen für die Zustandsüberwachung identifiziert werden müssen. Sind die Parameter gefunden, muss eine geeignete Messstelle, z.B. durch einen iterativen Ansatz, gefunden werden. Erfasst werden diese Kenngrößen durch den Einsatz von Sensoren. Je nach Größe und Beschaffenheit der Messtelle kann dann die Sensorik ausgewählt und montiert werden. In der Industrie werden insbesondere Druck-, Vibrations-, Infrarot-, Temperatur- und Sensoren mit Halleffekt eingesetzt. Die aufgenommen Messgrößen werden im letzten Schritt gespeichert, aufbereitet und analysiert.1
Condition Monitoring gilt als wichtiges Werkzeug im Bereich der Predictive Maintenance und verhilft den Maschinen- und Anlagenbetreibern, effizientere Wartungspläne zu bestimmen. Dies erfolgt über prädikative Algorithmen oder KI zur Festlegung von optimalen Wartungszeitpunkten, wie im Artikel zur Predictive Maintenance erläutert (verlinken).2,3 Integriert in Produkte kann Condition Monitoring dabei helfen, nach dem Verkauf weiterhin mit dem Kunden zu interagieren und diesem neue Services anzubieten.
Wie kann Künstliche Intelligenz im Condition Monitoring unterstützen?
Im Gegensatz zur traditionellen Zustandsüberwachung, bei der mit statistischen Mindest- oder Höchstgrenzen für ausgewählte Parameter gearbeitet wird, wird mit dem Einsatz von Künstlicher Intelligenz versucht, Muster in den vorliegenden Daten zu suchen und sich entwickelnde Fehler zu erkennen. Auf herkömmliche Weise gibt es noch ein zu großes Fehlerpotential. Bei der Berücksichtigung der statistischen Grenzen kann es häufiger dazu führen, dass Anlagen durch Fehlalarme den Betrieb unterbrechen und so die Kosten für Ausfälle erhöht werden. Ebenfalls kann es vorkommen, dass sich Fehler entwickeln, da sich die überwachten Parameter innerhalb von Schwellenwerten befinden, ohne Fehlermeldungen auszulösen. So kann es vorkommen, dass weitere Komponenten, die in Verbindung zum überwachten Parameter stehen, verschleißen und letztlich einen Stillstand und damit eine große Reparatur nach sich ziehen. Zur Verbesserung dienen KI-Anwendungen, die die entstehenden fehlenden Informationen berechnen und vorhersagen und damit eine präzisere Zustandsüberwachung in Echtzeit gewährleisten kann.3
Quellenverzeichnis
1. Olga Schmid – Condition Monitorung – clevere Instandhaltung im Voraus (2021)
2. White Paper von USU, Condition Monitoring – wie geht es meiner Maschine?
3. White Paper von Novatec, Manufacturing Condition Monitoring – Türöffner für digitale Geschäftsmodelle im Manufacturing
Dieser Beitrag wurde von Manuel A. Heid verfasst. Er ist Researcher am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) und hat sich im Projekt Mittelstand-Digitalzentrum mit der Einführung KI-basierter Lösungen in Unternehmen beschäftigt sowie KMU auf dem Weg zum Einsatz dieser Lösungen im Bereich der optischen Qualitätskontrolle unterstützt.
