Do you want to see our content in English?

x
x

Bedienersupport bei Instandhaltung von Maschinen

““
#Maschinenbau #Bruchglas #Bergbau #Instandhaltung #Seiotec
IoT Use Case seiotec
4 Minuten Lesezeit
4 Minuten Lesezeit

Maschinen zum Pulverisieren von Erzen und Bruchglas sind wartungsintensiv. Ein Rückstand bei der Instandhaltung sorgt für Qualitätsmängel in der Produktion oder Ausfälle der Anlagen. Das Industrial IoT (IIoT) kann diese Schwierigkeiten vermeiden: Sensoren ermitteln den Anlagenzustand und zeigen dem Bediener, wann eine Wartung fällig ist.

Das Problem: Nutzer verzichten oft auf regelmäßige Wartung

Die Anlagen zum Zermahlen von Erzgestein und Bruchglas eines deutschen Maschinenbau-Unternehmens werden weltweit genutzt. Sie helfen in Bergbaugebieten bei der Erzaufbereitung und in Europa beim Glasrecycling. Für besonders hochwertige Ergebnisse müssen die Glasstücke in mehreren Durchgängen zermahlen werden: Große Stücke werden ausgesiebt und noch einmal eingefüllt. Dadurch ist der Verschleiß an den Bauteilen sehr hoch, die Anlagen sind wartungsintensiv.

 

Ein Verzicht auf die regelmäßige Instandhaltung bringt Qualitätsprobleme oder sogar Ausfälle. Leider halten nicht alle Anwender die Wartungszyklen ein. Denn in vielen Ländern werden die Maschinen nicht von ausgebildetem Fachpersonal genutzt. Die Bediener wissen oft nicht, dass sie die Maschine regelmäßig überprüfen müssen. Zudem stellen sie die Anlagenparameter mangels Erfahrung nicht präzise genug ein. So benötigen sie viele Versuche bis zum gewünschten Ergebnis – was zu großen Mengen an Ausschuss führt.

 

Normalerweise erfährt ein Hersteller nichts von diesen Schwierigkeiten seiner Kunden. Sie fallen erst dann auf, wenn es zu Ausfällen während der Gewährleistung kommt. Der Hersteller muss nun Reparaturteams, Ersatzteile versenden und die Kostenfrage klären. Der Maschinenbauer wollte deshalb seine Kunden besser unterstützen, um solche Situationen  zu vermeiden. Sein Wunsch: Aus den installierten Anlagen Informationen über Betriebsparameter und Instandhaltungszyklen erhalten, um den Kunden bei Konfiguration und Wartung zu helfen.

Die Lösung: Eine mobile App mit Informationsaustausch via IIoT

Der Hersteller beauftragte den IoT-Spezialisten seioTec mit der Entwicklung einer Lösung, die auf dem Internet der Dinge aufsetzt. Sie ermittelt Maschinendaten, sendet sie an eine IoT-Plattform und analysiert sie anschließend. Wie bei allen Anwendungen im Industrial IoT (Internet of Things) sind zahlreiche Sensoren notwendig. Sie messen Vibrationen an den Motoren, die Qualität der Ölfilter, den hydraulischen Druck auf den Mahlwalzen, die Belastung der Getriebe und zusätzlich Umgebungsbedingungen, etwa Temperatur und Luftfeuchtigkeit.

Diese Sensoren sind mit einem Industrie-PC verbunden, der als Edge Device die Vorverarbeitung der Daten übernimmt. Außerdem gibt das Bedienpersonal dort weitere Daten ein, zum Beispiel die Zusammensetzung des Rohmaterials oder Angaben zur Instandhaltung. Die konsolidierten Daten gehen über Mobilfunk zu Siemens Mindsphere, der auf die Industrie und Maschinenbau spezialisierten IIoT-Plattform des Münchner Unternehmens.

Der Kunde kann alle Daten in einer mobilen App (MaintApp) darstellen und überprüfen. Sie baut zwischen ihm und dem Hersteller einen zweiseitigen Informationsfluss auf. So erhält dieser Angaben über bereits ausgeführte Wartungen und kann die Bediener über notwendige Aktionen informieren. Da die Analyse auch zusätzliche Informationen wie beispielsweise zur Rohstoffqualität enthält, wird die App auch zum Ratgeber für die Nutzer: Der Hersteller gibt darüber zielgerichtete Handlungsempfehlungen.

Das Ergebnis: Hohe Kundenbindung durch Langzeitüberwachung von Prozessdaten

Der Maschinenbauer erreicht mit seinem System aus Sensoren und mobiler App eine neue Qualität der Kundenbindung. Schwierigkeiten während der Gewährleistung werden vermieden, der Nutzer kann ungeplanten Stillstand verringern. Aus technischer Sicht ist die Datenermittlung und -analyse ein erster Schritt in Richtung „Predictive Maintenance“. Dafür sind große Mengen an Trainingsdaten notwendig, die über den Datenaustausch per App gewonnen werden.

 

In einer nächsten Ausbaustufe kann der Maschinenbauer dann mit „Vorausschauender Instandhaltung“ beginnen: Lernfähige Algorithmen erkennen anhand der einlaufenden Daten frühzeitig, ob sich technische Probleme anbahnen. Dadurch lassen sich vermeidbare Ausfälle und unnötige Reparaturen meiden.

 

Jetzt IoT Use Case Update erhalten

Erhalten Sie monatlich exklusive Einblicke in unsere Use Cases, Aktivitäten und News aus dem Netzwerk - Jetzt kostenlos anmelden.