KI-basierte Fehlererkennung an Luftkompressoren

Die Neuron-soundware-Lösung für die Überwachung des Maschinenzustands hat erfolgreich Fehler an Luftkompressoren aufgespürt, die mit anderen Diagnosemethoden nur schwer zu erkennen wären. Dies rettete die Produktion von Autofelgen für einen Hersteller von Autofelgen mit einem Jahresumsatz von 50 Millionen.

Die Herausforderung: Eliminieren Sie Ausfälle von Luftkompressoren

Mit 23 Produktionsstätten in 14 Ländern auf der ganzen Welt und einer Jahresproduktion von mehr als 50 Millionen Rädern ist dieser Kunde ein Marktführer. Die Forderung nach einer reibungslosen Produktion und der Vermeidung von plötzlichen Ausfällen ist für den Kunden von zentraler Bedeutung.

Um die Produktions- und Wartungseffizienz zu steigern, implementierte der Hersteller eine Neuron-Soundware-Lösung für die Überwachung des Maschinenzustands von Kompressoren (kritische Anlagen), die weiterhin mit dem „Run to a Failure“ – Ansatz gewartet wurden.

Dank der Neuron-Soundware-Lösung hat das Wartungsteam die Informationen über den Zustand der Maschine online und im Falle einer Änderung wird das Team gewarnt, wenn sich der Zustand der Maschine verschlechtert. Dass das System gut funktioniert, bestätigte sich, als es zweimal hintereinander Frühwarnungen gab; so konnten wir maschinenstillstand und kostspielige Reparaturen verhindern. Außerdem wären diese Störungen aufgrund ihrer Natur durch andere diagnostische Methoden sehr schwer zu erkennen.

Abb.1: Tatsächliche Installation der nGuard-Hardware in der Produktionsanlage für Autoräder

Die Situation: Kompressorausfälle beeinträchtigen Produktion und Reputation

Der Kunde wollte wiederholte und plötzliche Ausfälle der Druckluftversorgung von Kompressoren vermeiden, die zu ungeplanten Produktionsausfällen geführt haben.

Die Früherkennung eingehender Ausfälle ist für das Unternehmen sehr vorteilhaft, da das Wartungsteam bisher auf den Ausfall des Kompressors gewartet und auf den Ersatzkompressor umgestellt hat. Dieser Ansatz wird als “Run to Failure” bezeichnet und verursacht standardmäßig ein Spektrum an zusätzlichen Kosten und Ineffizienzen.

Um die Betriebszeit der kritischen Anlagen zu schützen, müssen Kunden den Maschinenzustand in Echtzeit verstehen, einschließlich des Empfangs von Warnungen, sobald sich der Maschinenzustand zu verschlechtern beginnt. Auf diese Weise können Wartung und Reparatur geplant, unnötige Produktionsunterbrechungen vermieden und die Nutzung des Maschinenparks hinsichtlich primärer (z.B. Ausfallkosten) oder sekundärer (z.B. Reputationskosten beim Endkunden) Auswirkungen optimiert werden.

Abb.2: Einsatz eines Luftkompressors im Werk

Die Lösung: KI-basierte Fernüberwachung

Entsprechend dem Kundenbedarf implementierte Neuron Soundware die soundbasierte Predictive-Maintenance-Lösung an fünf ausgewählten Luftkompressoren im Werk in USA. Für jeden Kompressor wurden zwei Sensoren zur Erfassung der Maschinenschalldaten installieret, einer am Motor und einer an der Pumpe. Diese Sensoren wurden mit dem nEdge (lloT-Gerät) verbunden, wo die Daten gespeichert und verarbeitet werden.

Der komplexe Algorithmus für maschinelles Lernen (ML) in nEdge hat die gesammelten Daten analysiert und eine Echtzeitwarnung ausgelöst, wenn ein anomales Verhalten im Vergleich zum Nennwert des Kompressors erkannt wird. Bei regelmäßigem Verhalten zeigt der Online-Bericht die Standardleistung im Detail und bestätigt den OK-Status des jeweiligen Kompressors. nEdge wurde mit dem Internet verbunden und alle Kompressoren wurden über das Neuron Soundware Cloud-Portal fernüberwacht.

Das Projekt startete wie üblich mit der Aufnahme von Solldaten. Anschließend wurde die Lösung zur End-to-End-Anomalieerkennung aktiviert.

Trotz der Tatsache, dass die Lösung die meiste Zeit über Standardbetriebswerte (=Bestätigung des Kompressorzustands) zeigte, wurden in den ersten 6 Monaten alle (2) gemeldeten Ausfälle erfasst und von NSW-Lösungen als Anomalien gemeldet

1. Fehlfunktion des Ölabscheiders und des Steuerventils
2. Prozessorfehler in der Hauptsteuerung

Wenn sie nicht rechtzeitig erkannt würden, hätten beide Anomalien höchstwahrscheinlich zu kritischen Ausfällen (= ungeplante Ausfallzeiten) und kostspieligen Reparaturen geführt. Aufgrund der sehr frühen Warnungen aufgrund der hohen Sensibilität der Lösung löste das Wartungsteam des Kunden beide Anomalien durch geplante Wartung ohne zusätzliche Ausfallzeiten in den Fertigungslinien.

27. Mai 2021 – Anomalie an Kompressor W2, W3 (verbundene Kompressoren)

Abb.3: nGuard dashboard mit der Zeitachse der Fehlererkennung

Wartungsaktion: Defekt am W3-Ölabscheider mit “Ölüberfüllungsmanifestation” identifiziert, was zu einer sofortigen Warnung von NSW führte. Aufgrund der Zusammenschaltung wurden beide Kompressoren überprüft. Das Steuerventil wurde ausgetauscht, um Vibrationen beim Entladen zu reduzieren, und die falsche Druckeinstellung wurde behoben. Seit der Reparatur funktionieren beide Kompressoren einwandfrei.

Vorteile: Die Standard-Offline-Vibrationsdiagnostik würde das Problem nicht erfassen – diese Art von Problem entwickelt sich normalerweise innerhalb von 12 Stunden, während die Standard-Vibrationsdiagnose normalerweise 1x pro Monat angewendet wird. Neuron Soundware misst kontinuierlich und erkennt daher das Problem als solches, aber auch seinen Trend/Eskalation. Darüber hinaus wird die Beteiligung des Fehlers durch sich ändernde Frequenz dargestellt – Bewegung von mittleren Frequenzen zu hohen Frequenzen (wobei die Mittleren Frequenzen allmählich verschwinden). Es ist sehr unwahrscheinlich, dass grundlegende Diagnosen (z. B. ISO 10816) das Problem erfassen und die Situation zur Zerstörung führen würden. Advanced Diagnostics of Neuron Soundware hat das Problem basierend auf der Häufigkeit der Datenerfassung, feinen und funktionalen Algorithmen sowie Sensoren mit hoher (Maschinendiagnose ungewöhnlich) Frequenz (10 kHz) erfasst. 

14. Juli 2021 – Anomalie bei Kompressor W1

Wartungsmaßnahmen: Ein frühes Stadium des Gleitlagers wurde als wahrscheinliche Grundursache identifiziert.

Vorteile: Aufgrund der Art dieser Anomalie konnte die herkömmliche Vibrodiagnostik das Problem nicht identifizieren, da der Ton kontinuierlich zwischen dem Nennwert und darüber hinaus schwankt. Angesichts der Komplexen Signaländerungen im Laufe der Zeit würde es selbst einem fortgeschrittenen Vibrodiagnostiker äußerst schwer fallen, das Problem zu interpretieren. Unser nGuard-System war in der Lage, das Problem sehr früh zu erfassen und dem Kunden einen Einblick in die Grundursache zu geben, wodurch sehr früh umsetzbare Informationen bereitgestellt wurden, um die Wartung zu planen und erhebliche Einsparungen zu erzielen.

Resümee: nGuard ermöglicht eine kostengünstige Wartung 

Das Neuron-soundware-System aus Schallsensoren und KI-basiertem Fehlererkennungsalgorithmus ermöglicht es, größere Ausfälle im Werk zu verhindern. Diese Lösung hat sich auch als perfektes Werkzeug für Serviceteams erwiesen, um den Zustand von Maschinen zu überwachen und Probleme zu erkennen, die über die Reichweite von Standardmethoden hinausgehen.

Mit einem einfach zu installierenden loT-Gerät erhielt der Kunde eine Echtzeit-Anlagenüberwachung eines Luftkompressors, die dazu beitrug, dem Betreiber eine frühzeitige Warnung vor einem Ausfall zu senden. Dadurch konnte der Wartungsspezialist die Anlageninspektion priorisieren und auf dem benutzerfreundlichen visuellen Dashboard den Status der Maschine von jedem Gerät aus überprüfen.

Auf Unternehmensebene bedeutet eine solche Lösung eine höhere Effizienz der Mitarbeiterzeit, minimierte Kosten im Zusammenhang mit Ausfällen und eine Verlängerung der Anlagenlebensdauer.

Kundenreferenz

„Die Installation des Neuron-soundware-Systems zur Analyse der Anomalien des Luftkompressors war ein großer Vorteil, von der Installation bis zu Überwachung der Dashboards und der Erhalt der Benachrichtigung, wenn wir eine Anomalie erhalten, ist eine große Hilfe bei der Verfolgung von Problemen bis zu ihrem Auftreten vorausschauende Maßnahme zur Durchführung von Wartungsarbeiten im Voraus statt kostspieliger Ausfallzeiten.“

Teile diesen artikel