39 IN D U ST R IE LL E A U FT R A G SF O R SC H U N G Kovacs sowohl im Projekt als auch in ihrer Dissertation die durch die Langfristigkeit der Zusammenarbeit ermöglicht wird Mit Datenanalysen und Statistiken ist es uns gelungen diese Überlebenswahrscheinlichkeit für verschiedene Bauteile auf Basis von Alter und von Messungen aus der Anlagensteuerung vorherzusagen erklärt sie Dabei wird die Belastung der das Bauteil ausgesetzt ist mitberücksichtigt Die richtigen Daten Für ihre Analysen benötigen die Forscherinnen und Forscher verschiedenste Arten von Daten für Predictive Maintenance waren es die Informationen von Servicetechnikern Kon struktionsexperten und Elektrotechnikern über die bisherigen Tauschintervalle und die Abnutzung von Bauteilen für andere Anwendungen sind es beispielsweise Temperatur Temperatur änderungen oder Taktzyklen Das Team nutzte aber nicht nur die vorhandenen Daten son dern unterstützte auch beim Aufbau einer effektiven Daten strategie denn nicht alle Daten haben dieselbe Aussagekraft Für eine datengetriebene Instandhaltung ist es nicht unbe dingt wichtig viele Daten zu haben Vielmehr ist es wichtig die richtigen Daten zu haben und diese im richtigen Format erklärt Klaudia Kovacs Um die idealen Daten zu Verfügung zu haben und dadurch die Vorhersagegenauigkeit noch zu erhöhen wurden auch nachträglich Sensoren beispielswei se für Schwingungen und Stromaufnahme eingebaut ein sogenanntes Retrofitting durchgeführt Diese neu gewonne nen Informationen sind auch essentiell für das sogenannte Condition Monitoring Das Fieberthermometer Das Condition Monitoring Modul funktioniert wie eine Art Fieberthermometer für die Anlage und eignet sich für die Vorhersage von kurzfristigen Ausfällen Weicht die Anlage von einem definierten Gut Zustand ab leuchtet eine Warnung in der App auf Das Team von Fraunhofer Austria war daran beteiligt das Regelwerk für dieses Warnsystem zu entwickeln Nun ist die App bereits in Betrieb Klaudia Kovacs ist insbeson dere von der Vielfalt der Zusammenarbeit beeindruckt Für mich war es besonders spannend dass wir in dem Projekt nicht nur Teilaspekte behandeln sondern den gesamten innovativen Prozess von der Entwicklung bis zur Umsetzung begleiten konnten sagt sie FACT BOX Projekt Vorausschauende Instandhaltung für industrielle Thermoprozessanlagen Projektdauer 2 5 Jahre Methode Datenanalysen Prozessanalysen Aufbau einer Datenstrategie Retrofitting Konzeptausarbeitung für moderne Methoden der Störungsdokumentation Projektergebnis Mitentwicklung der Instandhaltung App jakob insbesondere des Condition Monitoring und des Predictive Maintenance Moduls Implementierung einer digitalen Störungsdokumentation Projektleiter Dipl Ing Klaudia Kovacs I klaudia kovacs fraunhofer at

Hinweis: Dies ist eine maschinenlesbare No-Flash Ansicht.
Klicken Sie hier um zur Online-Version zu gelangen.