Einzigartige Überwachung von Farbrecyclingmaschinen in einem Chemieunternehmen mithilfe von AI

Neuron-soundware-Lösungen zur Überwachung des Maschinenzustands werden in der chemischen Industrie und in Explosionszonen eingesetzt. Sie haben erfolgreich Fehler und falsche Parametereinstellungen in Farbrecyclingmaschinen aufgespürt, die von früheren Überwachungsmethoden nicht erkannt wurden.  Jede solche Störung verursacht Verluste in Form von Produktionsunterbrechungen, der Notwendigkeit, die Maschine zu reinigen und das Material nachzubearbeiten, und im Extremfall kritische Schäden an der Maschine mit Reparaturkosten von mehreren zehntausend Euro.

Die Herausforderung: Vermeidung von Stillstandzeiten der Farbrecyclingmaschinen

Für unseren Kunden, ein führendes Chemieunternehmen, das Verpackungs- und Grafiklösungen, Farb- und Displaytechnologien und andere Produkte für die Automobil- und Gesundheitsprodukte-Industrie herstellt, sind eine reibungslose Produktion und die Vermeidung von plötzlichen Ausfallzeiten eine wichtige Voraussetzung.

Um die Produktions- und Wartungseffizienz zu steigern, setzte der Hersteller eine Neuron-Soundware-Lösung ein, die den Zustand von Farbrecyclingmaschinen überwacht, die zuvor nach dem Prinzip „Laufen bis zum Ausfall“ gewartet wurden.

Die Situation: Ausfälle von Farbrecyclingmaschinen beeinträchtigen die Kontinuität der Produktion

Die Neuron-soundware-Lösung überwacht Farb- und Lackrecyclinganlagen, die altes Material unter Zugabe einer speziellen Chemikalie verarbeiten. Die Maschine läuft 4-8 Stunden lang in einem Kreislauf, in dem das Material zermahlen und wieder zu einem brauchbaren Produkt (Farbe) gemischt wird.  Der wichtigste Teil der Maschine ist das Mahlwerk mit einem Satz von Porzellanstiften im Inneren – wenn diese Stifte brechen, betragen die Reparaturskosten Tausende von Euro.

Wenn die Maschine ausfällt, bedeutet das nicht nur, dass der Kunde sie reparieren, reinigen, das Material herausnehmen und zur Verarbeitung wieder einlegen muss, fällt die Maschine mitten im Produktionszyklus aus, kann das Material nicht mehr verarbeitet werden und muss verschrottet werden.  Ein weiteres Problem tritt auf, wenn die Maschine Material mit der falschen Einstellung (Viskosität) produziert – dann muss der Kunde es ebenfalls verschrotten.

Die frühzeitige Erkennung eines Maschinenausfalls oder einer Fehlausrichtung ist für das Unternehmen sehr vorteilhaft, da das Wartungsteam bisher darauf wartete, dass die Maschine ausfällt oder der Produktionszyklus mit einer Fehlausrichtung läuft.

Um die Betriebszeit der Maschine zu schützen, muss der Kunde den Status der Maschine in Echtzeit kennen und eine Warnung erhalten, wenn sich der Zustand der Maschine zu verschlechtern beginnt. Auf diese Weise können Wartungs- und Reparaturarbeiten geplant, unnötige Produktionsausfälle vermieden und die Maschinenauslastung im Hinblick auf primäre (z. B. Ausfallkosten) oder sekundäre (z. B. Kosten für den Ruf beim Endkunden) Auswirkungen optimiert werden.

Abb.1 Bearing & Processing Unit mit angeschlossenem NSW-Schallsensor

Die Lösung: Fernüberwachung von Maschinen durch künstliche Intelligenz 

Auf Wunsch des Kunden setzte Neuron Soundware eine Lösung zur vorausschauenden Wartung ein, die auf der Erfassung und Auswertung von Schalldaten der Maschine basiert. Die Schallsensoren wurden mit einem IoT-Gerät (nEdge) verbunden, auf dem die gesammelten Daten verarbeitet werden.

Ein komplexer maschineller Lernalgorithmus im nEdge analysiert die gesammelten Daten. nEdge ist mit dem Internet verbunden und die Maschine wird über das cloudbasierte nGuard-Portal fernüberwacht. Das Projekt begann mit der Aufzeichnung von Nennschall und Vibrationen. Bald darauf wurde ein umfassender Dienst zur Erkennung von Abweichungen aktiviert.

Wenn nun ein anormales Geräusch (im Vergleich zum Nennverhalten der Maschine) auftritt, alarmiert das System den Bediener nach 30 Sekunden, um weitere Schäden oder Materialverluste so schnell wie möglich zu verhindern. Bei normalem Verhalten zeigt die Online-Berichterstattung im Portal die Standardleistung an und bestätigt, dass die Maschine in Ordnung ist. Die Anlage ist ATEX-zertifiziert.

Abb 2 .: nBox (IoT-Gerät)

Beispiele für festgestellte Abweichungen

Verstopfter Filter. Am 19.10.2021 wurde vom NSW-System eine Abweichung festgestellt. Das Wartungsteam prüfte, was in dieser Zeit passiert war, und stellte fest, dass das Produkt nicht in die Maschine gelangt war. Nach dieser Untersuchung öffnete das Wartungsteam den Filter der Maschine und stellte fest, dass er völlig verstopft war (siehe Fotos unten). Der Filter wurde gereinigt und die Produktion konnte problemlos fortgesetzt werden. Das NSW-Modell funktionierte einwandfrei und registrierte die Abweichung korrekt.

Abb. 3.: Screenshot aus dem NSW-Portal: Gelbe Linie – Abweichungs-Score; grüne Linie – Volumen; rote Linien – Markierung der Abweichung.
Abb. 4:  Mit Material verstopfter Filter

Fehlkonfiguration der Maschine. Am 23.12.2021 entdeckte der NSW-KI-Algorithmus eine weitere Abweichung. Als das Wartungsteam die Maschine überprüfte, stellte es fest, dass die Produktfertigung mit den Parametern des Reinigungsprozesses lief. Das Modell ermittelte Geräuschunterschiede zwischen der Reinigung mit dem Lösungsmittel und der Reinigung mit dem Produkt (völlig unterschiedliche Viskosität). Dies ist ein sehr gutes Ergebnis, da das System, das der Kunde derzeit verwendet, dies nicht erkannt hat. Nach dem Ausfall musste das Material entfernt werden, und die Maschine musste wirklich einer Reinigung mit einem Lösungsmittel unterzogen werden.

Abb.5: Screenshot des nGuard-Dashboards, der die Zeitleiste der Fehlererkennung zeigt

Wenn diese beiden Abweichungen nicht rechtzeitig erkannt worden wären, hätten sie höchstwahrscheinlich zu ungeplanten Ausfällen und kostspieligen Reparaturen geführt. Dank der hohen Empfindlichkeit unserer Lösung, die zu einer Frühwarnung führt, konnte das Wartungsteam des Kunden beide Fehler sehr schnell beheben, ohne weitere Ausfallzeiten und zusätzliche Kosten.

Vorteile:

  • Einsparung von Wartungskosten und Steigerung der Wartungseffizienz
  • Prävention von Maschinenschäden – Benachrichtigung direkt an das System des Kunden, wenn die NSW-Lösung ein verdächtiges Geräusch erkennt.
  • Zeit- und Materialersparnis (z.B. bei Erkennung falscher Maschineneinstellungen)
  • Gesteigerte Produktionseffizienz
  • Ein Problem, das mit herkömmlichen Überwachungssystemen nicht gelöst werden kann, wird durch die Neuron-Soundware-Lösung abgedeckt

Das Fazit: Neuron-soundware-Lösung zur Überwachung des Maschinenzustands ermöglicht es der Instandhaltung, rechtzeitig auf Probleme zu reagieren

Mit Neuron Soundware verfügt das Wartungsteam über Echtzeit-Online-Informationen zum Maschinenstatus und zu den Materialeinstellungen und kann den Maschinenstatus von jedem Gerät mit Internetzugang aus auf einem übersichtlichen Dashboard abrufen. Der Bediener oder das Wartungsteam wird alarmiert, wenn sich der Zustand der Maschine verschlechtert.

Der Wartungsspezialist kann die Prioritäten für die Anlageninspektion auf Unternehmensebene festlegen. Die Lösung ermöglicht eine effizientere Verwaltung der Mitarbeiterzeit, eine Minimierung der mit Ausfällen verbundenen Kosten und eine Verlängerung der Lebensdauer von Anlagen. Diese Lösung ist außerdem nachweislich in der Lage, Probleme zu erkennen, die mit Standardmethoden nicht erfasst werden können. 


Teile diesen artikel

linked in twitter facebook link

Möchten Sie mehr lesen?
Gehen Sie zurück zum Neuigkeiten-Bereich

Neuron Soundware
Our Office
Panorama Business Center
Škrétova 490, Vinohrady
120 00, Praha 2
Czech Republic
sales@neuronsw.com
+420 774 989 993
Get our case studies and technology news into your mailbox.