Wer im Wettbewerb bestehen will, muss seine Kosten im Griff haben und die Produktivität seines Unternehmens steigern. Sichere Betriebsabläufe durch zuverlässig arbeitende Anlagen sind dafür Grundvoraussetzungen. Speziell bei individuellen technischen Anlagen zur Realisierung komplexer Aufgabenstellungen muss man sich deshalb auf die Instandhaltungsmaßnahmen und - methoden verlassen können. Doch was tun, wenn dieser Verlass nicht mehr gegeben ist?
Unser Kunde, ein mittelständischer Holzverarbeiter, stieß aufgrund der besonderen Gegebenheiten seiner Branche an die Grenzen aller gängigen prädiktiven Instandhaltungsmaßnahmen.
Die Grenzen der Vibrationsanalyse
Vor allem in der Holzindustrie versagen gängige Methoden wie Schwingungsmessungen und Vibrationsanalysen zur Vorhersage von Lager- und Motorausfällen. Die vorhandenen Störschwingungen durch den Transport und Durchlauf von tonnenschweren Baumstämmen sind derart hoch, dass die relevanten Signale nicht herausgefiltert werden können. Des Weiteren muss im laufenden Betrieb unter ständigem Lastwechsel gemessen werden, wobei die gängigen Methoden der “Schwellenwertüberschreitung” dieser Komplexität nicht gewachsen sind.
Das Resultat: Die Ergebnisse der gängigen Methoden verlieren aufgrund der soeben beschriebenen Problematik ihre Aussagekraft.
Wenn Ultraschall auf Künstliche Intelligenz trifft
Um unseren Kunden dennoch eine zuverlässige Lösung für seine Anlagenwartung zu gewährleisten, wurden im ersten Schritt einmal pro Monat Ultraschallmessungen an den Lagerstellen der betroffenen Anlagen vorgenommen. Im Anschluss werden diese Messungen in 400 verschiedene, statistische Faktoren zerlegt, um sie danach durch künstliche Intelligenz bewerten zu lassen. Die Ergebnisse liegen in ca. 2 bis 3 Tagen vor.
Anhand der von uns trainierten Künstlichen Intelligenz und der Einspielung der Ultraschallmessungen konnten wir uns dem tatsächlichen Ausfallzeitpunkt somit erheblich annähern und unnötig frühzeitige Lagerwechsel und ungeplante Ausfälle vermeiden.
Autor: Dipl. Ing. Mag. Markus Loinig, Senzoro GmbH
Email: markus@senzoro.com
