Fallstudie: Störung am Kolbenkompressor bei einem Hersteller aus der Automobilindustrie

Die Neuron-soundware-Technologie hat die bevorstehende Störung eines Kolben-Helium-Kompressors zum Härten von Getrieben in der Automobilindustrie erfasst.

NSW

Im März 2021 erfasste die Künstliche Intelligenz einen bevorstehenden, kritischen Defekt des Kolbenkompressors, der später zu einem Produktionsausfall führte. Die Erkennung dieses Defekts ist das nachweisliche Ergebnis und ein anschauliches Beispiel für die Fähigkeiten der Lernalgorithmen, die bei der vorausschauenden Wartung helfen können.

Künstliche Intelligenz wird an kritischen Produktionsanlagen eingesetzt

Um den reibungslosen Betrieb der Härterei zu gewährleisten, entschied sich ein Kunde aus der Automobilindustrie, im Jahr 2021 in ihrem Produktionsbetrieb die Technologie zur Erkennung akustischer Abweichungen von der Gesellschaft Neuron soundware einzusetzen.

 

Der nun schon zweite eingesetzte Kolben-Helium-Kompressor mit dieser Technologie dient dazu, die Heliumtanks unter Druck zu setzen. Das unter Druck stehende Helium wird zur Kühlung (Härtung) der Werkstücke für Getriebeteile in der Härtekammer verwendet.

 

Kommt es jedoch zum Ausfall dieser Anlage, droht der Gesellschaft des Klientes das Risiko eines Produktionsausfalls. Im Falle eines längeren, ungeplanten Stillstands kann es während dieser ungewollten Produktionspause zu Verlusten in Millionenhöhe kommen. Daher ist es notwendig, solche Ausfälle zu verhindern.

NSW

Abb.1 Zylinderkolbenkompressor J.P. Sauer&Sohn Modell WP 318L, an dem die am Elektromotor und an den Pumpenkolben installierten Sensoren zu sehen sind.

Wie die Abweichung und die bevorstehende Störung in der Praxis entdeckt wurden

NSW

Abb.: Zeitliche Abfolge der Ereignisse von der Installation des IoT-Geräts bis zur Störung

  • Im Januar 2021 wurden Sensoren an den Kompressor installiert und mit einem IoT-Gerät ausgestattet.
  • 1. 2. 2021 – Der Upload des ersten Datensatzes auf den Kompressor wurde eingleitet.
  • 5. 2. 2021 – Nach dem Aufspielen des ersten Datensatzes wurde ein KI-Modell zur Erkennung von Abweichungen an den Kompressor montiert. Das bedeutet, dass die Künstliche Intelligenz während der vorhergehenden 5 Tage mit den Nominaldaten (Verhalten) des Kompressors „trainiert“ hat, um den Klang des gängigen Betriebs erkennen zu können und ihn von dem Klang zu unterscheiden, der nicht dem gängigen Betrieb entspricht und auf eine Störung hinweisen könnte.
  • 12. 3. 2021 – Während der regelmäßigen Wartung des Kompressors durch den Kunden, die am 12.3. ausgeführt wurde, entdeckte man Kratzer am Kolben und am Zylinder Nr. 2. Es erfolgten eine Reparatur und ein Test des Kompressors. Aus der Analyse des Signals durch die Neuron soundware-Diagnose ging hervor, dass dieser Schaden an der Anlage bereits vorhanden war, sodass er Teil des Nominalklangs wurde und vom Algorithmus nicht als Fehler erkannt wurde.
  • 14. 3. 2021 – Der Kompressor wurde zwischen 20:00–22:00 Uhr in Betrieb genommen.
  • 16. 3. 2021 – Um 9:00 Uhr verlief seitens des Kunden eine Kontrollmessung des Kompressors – Vibrationen und Temperatur. Die Ergebnisse der Messung entsprachen den Standardwerten.
  • 16. 3. 2021 – Um 12:11 Uhr stieg kurz nach der Messung in der Neuron-soundware-Plattform der Wert einer Abweichung, der das Maß der Beschädigung charakterisiert über den Wert, bei dem das Modell einen Alarm auslöst. Es wurden insgesamt drei Alarme ausgelöst:
    • 16. 3. 12:11–12:21 (für 10 min)
    • 16. 3. 15:30–15:41 (für 11 min)
    • 17. 3. 04:00–05:31 (für 91 min)

    Leider hatten die Diagnostiker während der Schicht aufgrund anderer Aufgaben keine Möglichkeit, den Kompressor wiederholt zur kontrollieren.

  • Am 17. 3.2021 ca 4:00 Uhr zeigte der Zylinder Nr. 2 einen Druckverlust. Aufgrund der durchgeführten Kontrolle, und da es schon im vergangenen Jahr zu einer ähnlichen Störung am Kompressor gekommen war, entschied sich das Wartungsteam statt einer Reparatur den Austausch des gesamten Kompressors vorzunehmen.
  • 17. 3. Um 17:00 Uhr wurde ein neuer Kompressor nach ungefähr 12 Stunden Ausfall in Betrieb genommen.
NSW

Abb. Beispiel für die Erkennung von Anomalien im Portal nShield

Welchen Wert hat also das installierte Überwachungssystem

Die NSW-Diagnose zeichnet wiederholt den Nominalzustand am Zylinder Nr. 2, des KRH101-Kompressors vor, trotzdem der klassische Bewertungsansatz des Maschinenzustands mithilfe von Vibrationsdiagnostik und Temperaturmessung einige Stunden zuvor keine Störung festgestellt hatte. Der erste Alarm wurde schon 16 Stunden vor der Störung und dem Ausfall des Kompressors ausgelöst.

 

Da die Auswertung der gemeldeten Warnungen nicht zur Produktionseinstellung geführt hat, kann an diesem Fall der hohe Wert der eingesetzten Überwachungslösung gemessen werden. Für Neuron Soundware ist dies auch ein wertvolles Datenmuster, dass zu einer weiteren Verbesserung des Algorithmus beitragen wird.

 

Dieser Fall zeigt sehr gut die Folgen von unentdeckten Maschinenschäden.

Im Fall des Kunden und des Härtungsprozesses von Getrieben bedeutete diese Störung 12 Stunden Produktionsausfall, davon 4 Stunden Arbeit zum Ausräumen der Härtekammer und 80% Ausschussprodukte, die durch den unterbrochenen Härteprozess entsorgt werden mussten.

Schlüsselergebniss der Fallstudie

Aufgrund der Tatsache, dass während des Betriebs relativ häufig Störungen am Kompressor auftreten und es sich um eine kritische Anlage handelt, die in Betrieb ist, hat die installierte Lösung in diesem Fall einen hohen Mehrwert.  Das frühzeitige Erkennen bevorstehender Störungen kann dazu beitragen, Defekte an Maschinen zu erkennen und Produktionsunterbrechungen zu vermeiden, die zu Verlusten in Millionenhöhe führen können.

 

Um Störungen an Industrieanlagen vorzugreifen, eignet sich hier ein bewährtes Verfahren. Das rechtzeitige Installieren einer IoT-Anlage zusammen mit Sensoren an der kritischen Maschine. Das Sammeln von Nominaldaten während die Maschine in Betrieb ist, damit das Modell der Künstlichen Intelligenz „trainieren“ kann, dauert nur einige Tage. Anschließend wird sofort ein kontinuierlicher Überwachungsservice an der ausgewählten Maschine bereitgestellt. Bei einem ausgelösten Alarm muss rechtzeitig reagiert werden und über einen adäquaten Eingriff entschieden werden, um einen möglichen Verlust kleinzuhalten.

 

Der Wert der installierten Dienstleistung wächst mit der Zeit für den Kunden. Je mehr Abweichungen erfasst werden, desto mehr lernt die Künstliche Intelligenz über den Zustand der Maschine und verbessert somit stetig ihre Fähigkeit zu diagnostizieren.

 

Zu Beginn, wenn die Überwachunslösung an der Maschine installiert ist, erhält der Kunde den Wert in Form von Fernüberwachung der Anlage. So weiß er, ob sie läuft oder ob es nicht zu einem Ausfall kam und hat Daten für die eigene Analyse und Kontrolle zur Verfügung. Anschließend erhält er Informationen über Abweichungen am Gerät. Diese werden zunächst durch die Expertenmeinung der „menschlichen“ Diagnostik ergänzt.  Nach einiger Zeit und nach einem fortgeschrittenen Lernprozess des Modells wertet die Künstliche Intelligenz die Zustände schon allein aus.

 

Die Investition in eine Überwachung mithilfe von Künstlicher Intelligenz ist eine Investition in die Zukunft, die mit der Zeit wächst. Produktionsleiter, die sich bereits heute eine solche Lösung zulegen, sind gegenüber denen im Vorteil, die sich noch in der Phase der vorbeugenden Wartung befinden und teure menschliche Arbeitskraft für alle Aufgaben im Zusammenhang mit der Maschinenwartung einsetzen.

 

Da es immer weniger Experten auf dem Markt gibt und der Druck zu Innovationen und Digitalisierung von Anlagen steigt, ist es höchste Zeit, Künstliche Intelligenz zur Überwachung einzusetzen.

Sind Sie an einer solchen Lösung interessiert, zögern Sie nicht, uns unter  www.neuronsw.com zu kontaktieren.


Anlage: Parameter des Schlüsselgeräts - des Kolbenkompressors und Einzelheiten zur Installierung der Sensoren

Die überwachte Maschine ist ein Kolbenkompressor der Gesellschaft J.P. Sauer&Sohn Modell WP 318L, mit den Basisdaten: Kapazität 235m3/h, Leistung 58,kW, Betriebsdruck 40 bar, Drehzahl 1480 rpm. Der Kompressor arbeitet im Start/Stopp-Modus, setzt die Heliumtanks ca 5 min unter Druck. Nach Erreichen des gewünschten Drucks tritt eine Ruhephase für ca 10 min ein. Das Anlaufen des Kompressors geht allmählich von Stufe Nr.1 - Zylinder Nr.1 und 2. vor sich, der Druck steigt auf 2,6 bar, Stufe Nr.2. Zylinder Nr.3, der Druck steigt auf 12 bar und Stufe Nr. 3 der Druck steigt auf 36 bar.

Der Kolbenkompressor besteht aus einem Kühler, der mit dem Block verbunden ist und 4 Zylinder trägt, die in einem halbkreisförmigen 45-Grad-Abstand auf den Block montiert sind. Außerdem ist der Block über einen Flansch mit einem angeflanschten Elektromotor verbunden.

NSW

Abb.1 Zylinderkolbenkompressor J.P. Sauer&Sohn Modell WP 318L.

NSW

Abb. 2 Demontierter defekter Kolben mit Zylinder Nr. 2 mit festgefressenen Kolbenringen.

Messpunkte – Position der Sensoren

NSW

Abb. Zylinder 1 - Sensor Nr.4

NSW

Abb. Zylinder 2 - Sensor Nr.3

NSW

Abb. Zylinder 3 - Sensor Nr.2

NSW

Abb. Zylinder 4 - Sensor Nr.1

NSW

Abb. Motor - Sensor Nr.5

NSW

Abb. Motorflansch - Sensor Nr.6

Haben Sie ein ähnliches Problem? Möchten Sie mehr wissen?

NSW