Predictive Maintenance von Industriegetrieben. Wie genau können Anomalie-Diagnose und Ausfallprognose sein?

Transkript

1 Predictive Maintenance von Industriegetrieben Wie genau können Anomalie-Diagnose und Ausfallprognose sein? siemens.com/gcm

2 Gliederung Definition von Fehler und Schaden Auslöser von Schäden an Industriegetrieben Diagnoseansätze Sechs Fallbeispiele Fazit Ausblick Seite

3 Siemens Mechanical Drives ist Getriebespezialist in vielen Branchen Fördertechnik Chemie und Umwelt Energie Minerals & Mining Gummi und Plastik Öl und Gas Marineantriebe Papierindustrie Zementindustrie Windenergieanlagen Seite

4 Definition von Fehler und Schaden Hauptfunktion eines Industriegetriebes ist die Wandlung von Drehzahl und Drehmoment Fehler (gem. DIN 31051) Unfähigkeit, eine geforderte Funktion zu erfüllen.. Schaden (gem. DIN ISO Beiblatt 1) Abweichung des Istwerts des Zustands, der Funktion oder des Verhaltens eines Überwachungs- oder Diagnoseobjekts (Anlage, Maschine) vom Sollwert über eine zulässige Toleranz hinaus. Hieraus folgt: Ein Getriebe kann einen Schaden haben und dennoch seine geforderte Funktion (Wandeln von Drehzahl und Drehmoment) ohne Fehler erfüllen. Die Festlegung der zulässigen Toleranz ist eine wesentliche Kernaufgabe. Seite

5 Auslöser von Lager- und Verzahnungsschäden und typisches Aussehen Tribologisch bedingt (Ölzustand, Temperaturen...) Betriebsfestigkeitsbedingt: (Belastungen, Betriebsdauer) Verschmutzung, Wassereintrag Graufleckigkeit / Micro Pitting Pitting Abplatzer / Spalling Anschmierung Fressen / Scoring Plastische Verformung Zahnbruch / Tooth Crack Schäden sind schwingungsbasiert erst messbar, wenn sie bereits eingetreten sind Seite

6 a [m/s 2 ] Datenerfassung und Trendanalyse signifikanter Zustandmerkmale a(t) Spektrale Analyse Frequency [Hz] Seite

7 a [m/s 2 ] Zustandsmerkmal S Datenerfassung und Trendanalyse signifikanter Zustandmerkmale Überwachung: Absolutwert: Trend von S: S S = ds dt Prognose Bruch (Fehler) a(t) Spektrale Analyse unzulässiger Zustand S III Extrapolierter Trend signifikante Zustandsänderung Statusanzeige S II Alarm Warnung S I normaler Zustand Vorlaufzeit Ok Frequency [Hz] Einlaufphase Normalbetrieb unter Ausnutzung des Verschleißvorrates Schädigungsphase Betriebsdauer Seite

8 Diagnoseansätze Diagnose Ansätze zur Zustandsdiagnose (gem. ISO ) Vor- und Nachteile Datengetriebene Analytik Sie basiert z.b. auf Neuronale Netzwerke, Mustererkennung, statistische oder numerische Ansätze. + - Stark automatisierbar Wenig Expertenwissen nötig Erfordert viele Daten von beobachteten Gutund Schlecht-Zuständen vergleichbarer Maschinen zum Trainieren der Algorithmen Wissensbasierte Analytik Sie basiert auf einer expliziten Darstellung des Schadensverhaltens oder Symptomen durch Schadensmodelle oder Modelle des korrekten Verhaltens + - Zuverlässige Diagnosen auch bei wenigen historischen Vergleichsdaten. Erfordert Maschinendiagnose-Experten bzw. gute mathematische Modelle der Symptom Fehler Zusammenhänge Seite

9 (294,25) IR_Pos150 IR_Pos150 Harmonic #2 IR_Pos150 Harmonic #3 Beispiel: Erkennung eines Lagerschadens an einem Walzenpressen-Getriebe a op [m/s²] 4,8 4,4 4,0 3,6 3,2 2,8 2,4 2,0 1,6 1,2 0,8 0,4 0,0 roller press\movable roller\1002, A_2 vibration horizontal input shaft\1004 HA30kHz10sec :01: f [Hz] Seite

10 Beschleunigung [m/s 2 ] Beispiel: Erkennung eines Lagerschadens an einem Walzenpressen-Getriebe 6 y = a x 2 + b x + c Tage Reparatur 3 2 x 6, Reparatur zur richtigen Zeit! Datum Seite

11 Beschleunigung [m/s 2 ] Beispiel: Erkennung eines Schadens an einer Welle eines Walzenpressen-Getriebes 6.0 y = a x 2 + b x + c Tage Reparatur x Reparatur zur richtigen Zeit! Datum Seite

12 Beispiel: Erkennung eines Lagerschadens an einem Kugelmühlen-Getriebe Front view Side view a op [m/s²] Rohrmühlenantrieb\A_3 Getriebegehäuse Eingangsseite horizontal\1007 AA30kHz10sec :37:58 3,0 2,8 2,6 2,4 2,2 2,0 1,8 1,6 1,4 1,2 1,0 0,8 0,6 0,4 0,2 0, Seite

13 Beschleunigung [m/s 2 ] Beispiel: Erkennung eines Lagerschadens an einem Kugelmühlen-Getriebe y = a x 2 + b x + c Monate Reparatur 1 x Datum Reparatur zur richtigen Zeit! Seite

14 Schwinggeschwindigkeit [mm/s] Beispiel: Erkennung eines Verzahnungsschadens an einem Vertikalmühlen-Getriebe y = a x 2 + b x + c Monate Reparatur 0.6 x Reparatur zur richtigen Zeit! Datum Seite

15 Beschleunigung [m/s 2 ] Beispiel: Erkennung eines Lagerschadens an einem Kugelmühlen-Getriebe 3 y = a x 2 + b x + c Monate Reparatur x Datum Reparatur zur richtigen Zeit! REM-Aufnahme Seite

16 Beispiel: Erkennung eines Verzahnungs- und Lagerschadens an einem Vertikalmühlengetriebe Getriebe läuft noch. Seite

17 Kann der ideale Instandsetzungszeitpunkt prognostiziert werden? S Schematische Darstellung der untersuchten Verläufe In Abhängigkeit vom Schädigungsmechanismus haben die Schadensentwicklungen sehr unterschiedliche Verläufe. Wohin legt man die Grenze? Betriebsdauer Eine Prognose der Veränderung von Zustandsmerkmalen, wird in vielen Fällen möglich sein, sofern genügend Daten vergleichbarer Schadensszenarien zur Verfügung stehen. Seite

18 Data-driven anomaly detection, Multivariate Analyseverfahen Aggregierte Zustandsinformation der binären Ergebnisse als Prozentualer Alarmzustand codiert. Einzelne Sensoren und Frequenzbänder als binäre Ergebnisse, codiert als farbige Pixel in einem 2D Bild Unbekannte und komplexe Anomalien werden automatisch erkannt Mit zunehmendem Datenbestand wächst die Sicherheit der Anomaliedetektion und automatische Diagnosen werden möglich. Seite

19 Was lernt man daraus? Schäden nennenswerter Ausprägung rufen deutliche Amplitudenanstiege der Diagnosemerkmale hervor. Eine geeignete Signalanalyse und Merkmalsbildung vorausgesetzt sind die meisten Getriebeschäden zuverlässig erkennbar. Schwingungsbasiertes Condition Monitoring erkennt Schäden in der Regel bereits in einem frühen Stadium. Es treten unterschiedliche Schadensmechanismen an unterschiedlichen Bauteilen auf, die eine Systematik der Prognose erschweren. Vom Zeitpunkt der Schadensdetektion bis zu einer kritischen Eskalation des Schadens (einem Fehler) vergehen meist Wochen bis Monate. Es bleibt daher in der Regel genügend Zeit, eine Instandsetzungsmaßnahme zu planen und mit den entsprechenden Vorrichtungen von versierten Monteuren durchzuführen zu lassen. Zieht man weitere Informationen aus visuellen Inspektionen, Ölanalysen, Erfahrungen mit vergleichbaren Antrieben und der Instandhaltungsplanung hinzu, findet man meist einen geeigneten Instandsetzungszeitpunkt. Seite

20 Spannungsamplitude Sa (log) Verbesserte Einbeziehung von Lastdaten, Flender Gearlog Verweildauer [s] K Kurzzeitfestigkeit Formfestigkeit Formdehngrenze Z Zeitfestigkeit Zeitfestigkeitsgerade Dauerfestigkeit Schwingspielzahl [-] Drehmoment [knm] D Dauerfestigkeit D Z D Schwingspielzahl N (log) Drehmomentmessung, Klassierung Anwendungsfaktoren K A aus realen Lastkollektiven Vergleich des Auslegungskollektivs mit dem tatsächlichen gemessenen Belastungskollektiv Ggf. kleinere Getriebe möglich Restlebensdauerabschätzung Seite

21 Vielen Dank für Ihre Aufmerksamkeit Dr. Jörg Deckers Senior Key Expert Condition Monitoring Siemens AG / Customer Service Am Industriepark Voerde Telefon: +49(0) joerg.deckers@siemens.com Besuchen Sie uns in Halle 9, Stand D35 siemens.com/gcm Seite