Um das zu verhindern, werden Maschinen üblicherweise nach einer bestimmten Anzahl an Betriebsstunden gewartet. Wie das anders gehen kann, wollte der Gummi-Verarbeiter in einem neu errichteten Walzwerk herausfinden und machte deshalb bei der Wartung mit Bosch Rexroth einen Schritt in Richtung Zukunft.
Vorausschauende Wartung sichert Anlagenverfügbarkeit
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 der Verarbeiter außerdem auf ODiN (Online Diagnostics Network) Predictive Maintenance von Rexroth. Kerngedanke dieses Dienstleistungspakets ist es, Wartungsarbeiten durch das Zusammenspiel von Sensorik, Cloud-basierten Anwendungen und Machine-Learning-Methoden auszuführen bevor ein Stillstand eintritt.
Bei Kraiburg erfassen in der neuen Anlage dafür zunächst Sensoren detaillierte Daten zum Ölbehälter, zu den Pumpen, Motoren und dem elektrischen Antrieb. Gemessen werden unter anderem Temperaturen, Ölstände, Volumenströme und Drücke. Die so gesammelten Daten werden an einen Bosch Rexroth Server geschickt und dort mittels komplexer Algorithmen analysiert. Die Speicherung und Verarbeitung der Daten erfolgt auf gründlich abgesicherten Servern von Bosch unter Einhaltung der strengen Datenschutzrichtlinien des Konzerns.
Clevere Vorhersage
Nach der Installation des neuen Walzwerks sammelte die Software 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 – auch 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 dabei, konkrete Handlungsempfehlungen zu erstellen.