Condition Based Monitoring

Maschinenzustände verstehen & zielgerichtet und schnell handeln.

Condition Based Monitoring als Basis für eine zustandsorientierte und vorausschauende Instandhaltung

Mit Condition Based Monitoring werden Maschinendaten permanent gesammelt und überwacht. Messungen und Analysen physikalischer Größen, z.B. Schwingung oder Temperatur, helfen dabei die Maschine besser zu verstehen und Veränderungen rechtzeitig zu bemerken. Damit die Maschine immer im Idealzustand läuft.

Condition Based Monitoring ist die Basis für eine zustandsorientierte und vorausschauende Instandhaltung – also Predictive Maintenance. Durch Bewertungen über den Zustand von Anlagen und ihren Komponenten können Leerläufe oder Ausfälle vermieden und schnell reagiert werden. Des Weiteren können Aussagen über Zuverlässigkeit oder Verfügbarkeit getroffen, Ausfallrisiken bewertet oder Entscheidungen für eine bessere Planung von Betriebs- und Instandhaltungsprozessen getroffen werden. Doch wie geht man mit den vielen Daten um, die die Maschine ausgibt und wie werden diese am besten verwertet?

 

Stellen Sie sich häufig diese Fragen?

  • Wie kann ich unnötige Stillstandszeiten meiner Maschinen oder Anlagen vermeiden?

  • Wie lange läuft meine Maschine, bis eine Wartung tatsächlich notwendig ist?

  • Wie kann ich Veränderungen an der Maschine oder Anlage rechtzeitig erkennen?

  • Wie kann ich die gesammelten Daten meiner Maschine sinnvoll nutzen?

  • Wie gehe ich vor, wenn mir das technische und/oder methodische Know-how zur Umsetzung meines Condition Monitorings fehlt?

  • Wie kann ich die Maschinendaten- und -meldungen abrufen?

  • Wie kann die Maschine automatisiert eigenständig Service-Tickets anlegen?

Mehr zu Predictive Maintenance im Maschinenbau

Vorteile von Condition Based Monitoring

  • Optimierung von Wartungsintervallen von Maschinen und Verbrauchsmitteln:
    Die genaue Überwachung des Zustands und aller Komponenten der Maschine bietet die Möglichkeit, auf Verbrauchsmaterialien zu achten. Somit kann eine optimierte Wartung nach tatsächlicher Leistung ermöglicht werden. Kosten und Zeitaufwand befinden sich im Gleichgewicht. Beispiel: Das Getriebe eines LKWs hat die Besonderheit zu kühlen oder zu bremsen. Für eine schonende Wirkung, dreht sich die Bremse in Öl. Durch die permanente Datensammlung der Öl-Aggregate, wie z.B. Temperatur, kann der optimale Zeitpunkt eines Ölwechsels vorausgesagt werden. Durch die Analyse und Datensammlung bei einer Kupplungsscheibe kann genau bestimmt werden, wie häufig die Kupplung belastet wurde und viel Prozent der Kupplung bereits verschlissen ist.

  • Minimierung von Stillstandszeiten:
    Durch die ständige Überwachung aller Informationen, können kleinste Veränderungen bemerkt und präventiv eingegriffen werden – so läuft die Maschine ohne Stillstand oder Leerlauf. Es wird eine höchstmögliche Qualität garantiert, da durch die Zustandsüberwachung jederzeit die Funktionsfähigkeit der Maschine geprüft und analysiert wird – kleinste Abweichungen fallen sofort auf. Beispiel: Die Wartung einer Seilbahn ist durch die besonderen Außenbedingungen nur schwer möglich. Durch die permanente Zustandsaufnahme werden potentielle Fehler sofort aus der Ferne erkannt und Maßnahmen eingeleitet - Stillstand verhindert.

  • Genaue Fehleridentifikation:
    Die Fehlersuche kann häufig sehr viel Zeit in Anspruch nehmen. Mit Condition Based Monitoring finden sich die Fehler meist bequem und schnell vom Schreibtisch aus. Beispiel: Wichtige Parameter zur Zustandsaufnahme einer Seilbahn wie Öleigenschaften, schwingungstechnische Daten aus dem Getriebelager und weiterer Elemente des Antriebsstranges (z.B. Motoren und Seilscheiben) werden durch das System permanent abgefragt. In einem Hochleistungs-Datencenter werden diese Daten anschließend einer detaillierten Analyse unterzogen. Fehler werden so gezielt analysiert.

Condition Based Monitoring als Voraussetzung für Predictive Maintenance

Die ZF Friedrichshafen AG nutzt Predictive Maintenance, um kontinuierlich Daten (z.B. ZF Ecofluid M Getriebeöl oder ZF Sachs Kupplung) des automatisierten Getriebes TraXon durch die ZF IoT Cloud aufzubereiten, zu visualisieren und die Getriebe-KPIs zu analysieren. Dabei werden ebenfalls Stillstands- und Ausfallzeiten frühzeitig erkannt und optimale Wartungszeiträume abgeleitet. Als strategischer Partner hilft doubleSlash dabei, zukunftsorientierte Technologien in den Bereichen IoT und Cloud zu etablieren.

Mehr über das Projekt erfahren

doubleSlash: Ihr Dienstleister von der Beratung bis zur Umsetzung von Condition Based Monitoring

Eine schnelle Umsetzung durch Bausteine, die in der Cloud wiederverwendet werden. Wir finden die passende Lösung bei individuellen Anforderungen und technische Rahmenbedingungen.

 

 

Unsere Leistungen:

  • Exploration
  • IoT Architektur 
  • IoT Datenmodellierung 
  • IoT Backendentwicklung
  • Device Management/ Provisionierung
  • Aufsetzen Alarme…
  • API Management (Data Warehouses, Ticketing Systeme, etc.)
  • Frontendentwickelung und Datenvisualisierung
  • Aufbau einer Umgebung für Datenanalysen
  • Entwicklung individueller Condition Monitoring Algorithmik / Individuelle Berechnungsalgorithmik 

Eingesetzte Technologien:

  • Microsoft Azure IoT (z.B. IoT Hub, Stream Analytics, Service Bus, Azure AD, SQL, Blog Storage)

  • Python

  • PTC Thingworx

  • Datenvisualisierungs-Technologien wie z.B. Power BI, Tableau

Sie möchten Condition Based Monitoring bei sich im Unternehmen einsetzen?

Wir unterstützen Sie bei der Beratung und der Entwicklung einer Condition Based Monitoring Lösung.

Pflichtfelder *

Alle Informationen zum Datenschutz finden Sie in unserer Datenschutzerklärung.

Ihr Ansprechpartner

Simon Noggler
Testo: 45608
Simon Noggler
Senior Business Consultant

Telefon
+49 7541 70078-738