Algemeen
Lenze SPS 2019
De demonstraties op de beurs simuleren zaken als verhoogde wrijving op de spindel en slijtage aan de riemaandrijving (foto: Lenze)

Een van de hoogtepunten van Lenze onlangs op de SPS in Neurenberg was een showcase die laat zien hoe slimme conditiebewaking kan worden gerealiseerd die uitgebreide informatie geeft over de ‘gezondheidstoestand’ van machines en installaties zonder dat er extra, kostbare sensortechnologie nodig is. De aandrijving wordt een sensor, zeg maar.

Onderwerpen zoals voorspellend onderhoud en voorspellende modellen op basis van kunstmatige intelligentie (AI) zijn momenteel van groot belang voor de machinebouw. Maar veel klanten hebben geen idee wat voor voorspellingen er gedaan kunnen worden. Het enige waar ze geïnteresseerd in zijn, is het monitoren van machines en processen.

Machine learning en AI

Conditiebewaking en predictief onderhoud worden herhaaldelijk als synoniemen behandeld, maar zijn in feite twee zeer verschillende concepten. Predictive Maintenance is de voorspelling van gebeurtenissen of de waarschijnlijkheid van gebeurtenissen, bijvoorbeeld als de kans op een storing in een tandwielkast binnen de komende 50 bedrijfsuren stijgt tot meer dan 90 procent. Een dergelijke voorspelling kan worden gebruikt om de vervanging van een tandwielkast tijdig te plannen voordat de machine of installatie daadwerkelijk uitvalt.

Conditiebewaking daarentegen is een voorfase die een meer gedetailleerde beschrijving van de huidige toestand mogelijk maakt door de beschikbare gegevens te interpreteren. Dit vereist een beter begrip van de machines en processen om uit de ‘kale’ gegevens zinvolle informatie te genereren. Analyses op basis van machine learning (ML) en AI kunnen helpen om anomalieën sneller te identificeren.

Geen extra sensortechnologie

Het feit dat de toegevoegde waarde van Condition Monitoring niet gepaard gaat met hogere hardwarekosten maakt het voor OEM’s bijzonder interessant. Er zijn namelijk geen extra sensoren nodig. De truc met deze oplossing is om de toegevoegde informatiewaarde uit reeds beschikbare gegevensbronnen te halen. Lenze levert vooraf geteste algoritmes voor diverse toepassingen en helpt werktuigbouwkundigen om hun proceskennis en kennis van machines om te zetten in een Condition Monitoring model dat de efficiëntie zal verbeteren.

Voorbeeld van een 2-assige robot

De automatiseringsleverancier demonstreert dit principe door op de beurs twee verschillende benaderingen te presenteren. Een daarvan is modelgebaseerd, waarbij de werkelijke waarden die worden gemeten worden vergeleken met de waarden uit de veronderstelde wiskundige beschrijving van de machine. Als bepaalde toleranties worden overschreden, wordt dit geïnterpreteerd als een fout.

De andere benadering is gebaseerd op gegevens. Een algoritme leert het gedrag van het systeem en de wederzijdse invloeden van verschillende parameters, zoals snelheid, versnelling, koppel, positie en stroomverbruik. De werkelijke waarden worden vergeleken met de aangeleerde beschrijving om afwijkingen te definiëren.

De demonstraties op de beurs simuleren zaken als verhoogde wrijving op de spindel en slijtage aan de riemaandrijving. De anomalieën kunnen in beide gevallen worden gedetecteerd door middel van stroom- en koppelwaarden, hetzij door een absolute verhoging van de waarde, hetzij door anomalieën in de frequentieanalyse. Conditiebewaking geeft in beide gevallen alarm en toont de oorzaken op een dashboard.

Controle system of cloud?

De twee Condition Monitoring benaderingen verschillen niet alleen qua concept. Ook de vraag hoe deze gegevens worden geëvalueerd, heeft verschillende antwoorden. De modelmatige evaluatie vindt meestal plaats op het besturingssysteem omdat er geen noemenswaardige rekenkracht voor nodig is. ML- en AI-analyses die gebruikt worden voor dat gebaseerde evaluaties worden normaal gesproken als een cloudapplicatie geïmplementeerd.

Lenze’s portfolio geeft de OEM volledige keuzevrijheid. Dit omvat een aantal verschillende driedimensionale PLC’s voor modelgebaseerde Condition Monitoring. Data-based evaluatie kan ook lokaal worden uitgevoerd als de krachtige c750 kastcontroller wordt gebruikt. Als alternatief kan een route naar de cloud worden geboden via de x500-gateway.

In combinatie met het x4-platform hebben werktuigbouwkundigen een kant-en-klare Cloud-oplossing die niet alleen Condition Monitoring omvat, maar ook onderhoud op afstand van de machine en gebruiksvriendelijk Asset Management.

Conclusie

Efficiënte conditiebewaking is gebaseerd op de interpretatie van bestaande informatie. Er is geen extra sensortechnologie nodig. In plaats daarvan werken de apparaten van de machine als sensoren. Met zijn uitgebreide automatiseringsportfolio van hardware, software, netwerken en cloudtoepassingen en de expertise die Lenze op dit gebied heeft opgebouwd, kan Lenze uitgebreide ondersteuning bieden bij het interpreteren van gegevens. Tegelijkertijd helpt de fabrikant OEM’s om data wetenschappers te worden voor hun machines. 

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

x
Mis niet langer het laatste nieuws

Schrijf u nu in voor onze nieuwsbrief.

Inschrijven