Anomalie-Diagnose und Ausfallprognose an Industriegetrieben

Transkript

1 Flender Halle 24 Stand D46 Anomalie-Diagnose und Ausfallprognose an Industriegetrieben Siemens AG 27 siemens.com/hm17

2 Inhalt Einführung zu Flender-Industriegetrieben Schadensdiagnosen Einordnung verschiedener CMS-Klassen Vier Fallbeispiele frühzeitig diagnostizierter Schäden Wälzlagerschaden Kegelritzelschaden Stirnradschaden Ölleckage im Getriebeinneren Zusammenfassung und Ausblick Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

3 Motivation 7,00 Vibration acceleration in m/s 2 6,00 5,00 4,00 3,00 2,00 1,00 0, Lines of Fast Fourier Transform Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

4 Arten und Aufgaben von Industriegetrieben Flender-Industriegetriebe Applikationsspezifische Flender -Getriebe Winergy-Getriebe für Windenergieanlagen Integrated Drive Systems Getriebe dienen zur Umwandlung von Drehzahl und Drehmoment einer Antriebsmaschine in die passenden Größen der Arbeitsmaschine. Kann ein Getriebe diese Aufgabe aufgrund von Fehlern nicht mehr erfüllen, entstehen in der Regel hohe Kosten durch Betriebsunterbrechung, Reparatur oder Austausch. Mittels Zustandsüberwachung (Condition Monitoring) wird versucht, entstehende Schäden an Maschinenelementen so frühzeitig zu erkennen, dass die Reparaturen in geplante Betriebsunterbrechungen gelegt werden können und Folgekosten gering bleiben. Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

5 Definition von Fehler und Schaden Hauptfunktion eines Industriegetriebes ist die Wandlung von Drehzahl und Drehmoment Fehler (gem. DIN 351) 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. Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

6 Diagnoseansätze Diagnoseansätze zur Zustandsdiagnose (gem. ISO ) Vor- und Nachteile Wissensbasierte Analytik Sie basiert auf einer expliziten Darstellung des Schadensverhaltens oder von 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 Datengetriebene Analytik Sie basiert z. B. auf neuronalen Netzwerken, Mustererkennung, statistischen oder numerischen Ansätzen. + - Stark automatisierbar, wenig Expertenwissen nötig Erfordert viele Daten von beobachteten Gutund Schlecht-Zuständen vergleichbarer Maschinen zum Trainieren der Algorithmen Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

7 a [m/s 2 ] Datenerfassung und Trendanalyse signifikanter Schadensmerkmale a(t) Spektrale Analyse Frequency [Hz] Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

8 a [m/s 2 ] Schadensmerkmal S Datenerfassung und Trendanalyse signifikanter Schadensmerkmale 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 Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

9 Messgröße Von der Messgröße zum Zustandsindikator Ein Smart Sensor könnte diese Funktionen beinhalten. A 1 S 1 A 2 S 2 A 3 S 3 A 4 S 4 A 5 S 5 Aufnehmer Messumformer/ Analysegerät Signalkonditionierung Schadensmerkmale Diagnoseverfahren Anzeigeeinheit Zustandsmeldung Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

10 Unterschiedliche Klassen von Sensoren und Systemkonzepten Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

11 Welche Schäden können detektiert werden? Gehäuseschäden, z. B. ausgeschlagener Lagersitz Schäden an Wellen, z. B. ausgebrochene Passfedernuten Öl-Leckagen, auch innere Leckagen (Fallbeispiel) Verzahnungsschäden (Fallbeispiel) Wälzlagerschäden (Fallbeispiel) Gleitlagerschäden (im Spätstadium) Sonstige Schäden Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

12 BPFI Lagerkennwert Fallbeispiel: Frühzeitige Erkennung eines Wälzlagerschadens an einem KMPS-Getriebe 16,00 14,00 Alarmierung Reparatur (Tausch des defekten Lagers) 12,00,00 8,00 6 Monate 6,00 4,00 2,00 0, Datum Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

13 Beschleunigungsamplitude [m/s^2] Fallbeispiel: Frühzeitige Erkennung eines Verzahnungsschadens an einem KMPS-Getriebe 0, ,14 Alarmierung Entgraten der Bruchkante 0,12 0, 0,08 0, ,04 0,02 0, Datum Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

14 Beschleunigungsamplitude [m/s^2] Fallbeispiel: Frühzeitige Erkennung eines Verzahnungsschadens an einem KMPS-Getriebe 0, ,14 Alarmierung Entgraten der Bruchkante 0,12 0, 0,08 0, ,04 0,02 0, Datum Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

15 Beschleunigungsamplitude [m/s^2] Fallbeispiel: Frühzeitige Erkennung eines Verzahnungsschadens an einem KMPP-Getriebe 0,50 0,45 Alarmierung Notreparatur (Ausschleifen der Fehlstelle) 0,40 0,35 0,30 0,25 0,20 0,15 0, 0,05 49 Tage 0, Datum Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

16 Fallbeispiel: Schmieröl-Druckabfall an einem KMPP-Getriebe Plötzlicher Druckabfall Schaden repariert Temperaturanstieg Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

17 Was lernt man daraus? Schäden nennenswerter Ausprägung rufen deutliche Amplitudenanstiege der Schadensmerkmale hervor. Eine geeignete Signalanalyse und Merkmalsbildung vorausgesetzt sind die meisten Getriebeschäden zuverlässig erkennbar. Schwingungsbasiertes Condition Monitoring erkennt Schäden in der Regel bereits in einem sehr frühen Stadium. Vom Zeitpunkt der Schadensdetektion bis zu einer kritischen Eskalation des Schadens 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. Teure Folgeschäden oder Fehler können verhindert werden. Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

18 Datengetriebene Anomaliedetektion, multivariate Analyseverfahren Aggregierte Zustandsinformation der binären Ergebnisse als prozentualer Alarmzustand kodiert. Einzelne Sensoren und Frequenzbänder als binäre Ergebnisse, kodiert 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. Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

19 MindSphere das Cloud-basierte, offene IoT operating system MindApps Verwendung von Apps von Siemens, Partnern oder eigenen Apps Transparenter Überblick in Maschinen und Anlagen Pay-per-Use-Preismodell MindSphere MindSphere Offene Schnittstelle zur Entwicklung kundenspezifischer Apps Unterschiedliche Cloud-Infrastrukturen: SAP, AtoS, Microsoft Azure; public, private oder on-premise (in Vorbereitung) MindConnect Offene Konnektivitätsstandards (z.b. OPC UA) Anbindung von Siemens Produkten und Fremdherstellern per Plug&Play Sichere und verschlüsselte Datenübertragung Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

20 Kann der ideale Instandsetzungszeitpunkt für Getriebe prognostiziert werden? S Schematische Darstellung gemessener Trendverläufe In Abhängigkeit vom Schädigungsmechanismus haben die Schadensentwicklungen sehr unterschiedliche Verläufe Wohin legt man die Grenze? Betriebsdauer Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

21 Fazit Condition Monitoring an Industriegetrieben funktioniert. Auswahl, Anbringung und Betrieb von CMS erfordert immernoch entsprechende Expertise. Algorithmen zur experten-basierten Maschinendiagnose sind bewährt und zuverlässig. Der Nutzen zur Verfügbarkeitssteigerung ist nachgewiesen. Kunden öffnen sich zunehmend den Themen Remote Service und Cloud, da sie den Mehrwert erkennen. Der Einsatz von Data Analytics und Big Data lässt weitere Effizienzsteigerung erwarten. Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring

22 Vielen Dank für Ihre Aufmerksamkeit Dr. Jörg Deckers Senior Key Expert Condition Monitoring Siemens AG Am Industriepark Voerde Telefon: +49(0) joerg.deckers@siemens.com Flender Halle 24 siemens.com/gcm Stand D46 Siemens AG 27 Seite Hannover Messe MDA Forum 27 Dr. Jörg Deckers / Customer Service, Condition Monitoring