newsonline24

Predictive Maintenance beruht auf dem Einsatz der richtigen Werkzeuge und Techniken zur Messung der wichtigsten Wartungsindikatoren einer Anlage. Im Folgenden stellt Hexagon Asset Lifecycle Intelligence fünf der gängigsten Analysemethoden für die vorausschauende Instandhaltung vor – und erläutert, wann es sinnvoll ist, sie einzusetzen.

1. Schwingungsanalyse

Die Schwingungsanalyse wird an rotierenden Maschinen durchgeführt, die mit kinetischer Energie arbeiten und eine messbare Menge an Schwingungen aussenden. Mit Hilfe von Sensoren wird zunächst eine Grundschwingung ermittelt. Anhand der von diesen Sensoren gesammelten Daten können subtile Veränderungen erkannt und zur Planung anstehender Reparaturen verwendet werden. Die Schwingungsanalyse kommt besonders in der Öl- und Gasindustrie zum Einsatz, in der Maschinen mit rotierenden Elementen alles andere als selten sind.

2. Akustische Überwachung

Bei der akustischen Überwachung werden ebenfalls Sensoren eingesetzt, um das Geräuschprofil einer Maschine zu erfassen. Eine KI wird dann darauf trainiert, zu erkennen, wenn Geräusche von diesem Profil abweichen. Diese Sensoren sind sehr gut auf Geräusche eingestellt und können erkennen, wenn Teile der Maschine locker sind oder nicht geschmiert werden. Die akustische Überwachung ist am erfolgreichsten in Umgebungen, in denen es wenig Hintergrundlärm gibt, der die Sensoren stören könnten.

3. Infrarotspektroskopie

Die Infrarotanalyse misst die Temperatur von Anlagen und erlaubt es, Probleme wie die Überhitzung von Maschinen zu erkennen, die zu einer Beeinträchtigung der Ausrüstung und zur Verletzung von Mitarbeitern führen kann. Auch undichte Dichtungen können zu Energieverlusten und höheren Kosten beitragen. Diese Art der Analyse kann auf viele verschiedene Arten von Anlagen angewendet werden, solange sie eine messbare Wärmemenge erzeugen. Die Sensoren können entweder an einer bestimmten Stelle der Maschine oder an mehreren Stellen angebracht werden, je nach Art der Anlage.

4. Ölanalyse

Bei der Ölanalyse wird die Schmierung einer Maschine analysiert. Mangelnde Schmierung oder der Verlust von deren Integrität kann bei allen Maschinen, die mit Öl arbeiten, zu ungeplanten Ausfällen und übermäßigen Ausfallzeiten führen. Wenn Unternehmen den Ölwechsel intelligent planen können, werden Produktionsausfälle auf ein Minimum reduziert. Die effektivste Art der Ölanalyse erfolgt mit Hilfe von Sensoren, die regelmäßig Proben nehmen und die Ölzusammensetzung analysieren.

5. Maschinelles Lernen

Maschinelles Lernen ist ein wichtiger Bestandteil von Predictive Maintenance, da es auf intelligente und automatische Weise erkennt, wann eine Wartung erforderlich ist. KI und maschinelles Lernen sind an den meisten Strategien zur vorausschauenden Wartung beteiligt, da sie die Automatisierung von Überwachungen ermöglichen, die früher manuell durchgeführt werden mussten. Mit einer modernen, KI-gestützten Asset-Management-Lösung werden die Wartungspläne an die einzelnen Anlagen angepasst und die Teammitglieder werden automatisch auf den Wartungsbedarf aufmerksam gemacht.

Predictive Maintenance kann für Unternehmen einen großen Vorteil schaffen – aber eben nur, wenn die richtige Technologie bei der richtigen Anlage eingesetzt wird. Bevor also der Implementierungsprozess beginnen kann, ist ein Auswahlverfahren unabdingbar. Nur dann ist sichergestellt, dass Predictive Maintenance auch wirklich einen Mehrwert bringt und nicht nur einen Kostenfaktor ohne echten Nutzen darstellt.