Sensoren und künstliche Intelligenz überwachen Zustand von Industriemotoren
Es gibt mehr als 300 Millionen elektrisch betriebene Industriemotoren, die rund um die Uhr laufen, um weltweit Produktionslinien in Gang zu halten. Sie verbrauchen rund 70 % des an Industrieanlagen gelieferten Stroms. Leider kommt es sehr häufig zu Störungen; jährlich fällt jeder achte Industriemotor aus. Motorausfälle erfordern unnötige Reparaturen, die wegen der ungeplanten Ausfallzeiten stündlich Hunderttausende Euro kosten. Außerdem sind in dieser Zeit die Arbeitskräfte unproduktiv und es stehen verderbliche Rohstoffe sowie letztlich die Zufriedenheit der Kunden auf dem Spiel. Überdies verbrauchen defekte Motoren mehr Energie, da der elektrische Wirkungsgrad aufgrund von Verschleiß mit der Zeit abnimmt. Nichtinvasive Sensoren und Maschinenlernalgorithmen zur besseren Überwachung des Zustands von Industriemotoren Das EU-finanzierte Projekt Motorlisten löste dieses Problem durch den Einsatz eines eingebetteten akustischen Erkennungssensors, Frequenzanalyse und künstliche Intelligenz (KI). „Davon ausgehend haben wir eine Lösung entwickelt, die Fehler erkennt und Motorausfälle vorhersagt“, erklärt Paolo Samontanez, technischer Leiter des Projekts OneWatt. „Auf diese Weise können bei Industrieanlagen die Instandhaltung effizient geplant, die Lebensdauer der Anlagen verlängert, die betriebliche Effizienz gesteigert und ungeplante Ausfallzeiten reduziert werden.“ Das nichtinvasive, berührungslose, vorausschauende Instandhaltungssystem erkennt und prognostiziert physikalische bzw. technische Defekte an Maschinen. Es teilt dem Instandhaltungspersonal nicht nur mit, dass sich eine Störung entwickelt, sondern auch genau, wie, wo und wann der Defekt auftreten wird. Das System ahmt einen erfahrenen Mechaniker nach, der Fehler erkennen kann, indem er einfach die Warnsignale wie etwa die Geräusche und das Brummen der Motoren versteht. Da in ihm künstliche Intelligenz und ein unendlich größerer Datensatz als beim Menschen zum Einsatz kommen, ist die Innovation viel zuverlässiger, als es eine technische Fachkraft oder eine geschickte Person aus dem Handwerkssektor jemals sein könnte. Auf diese Weise werden Instandhaltungsarbeiten optimiert und Ausfallzeiten minimiert, was zwei Hauptanliegen der Industrie- und Versorgungsunternehmen sind. Zudem gewährleistet das System, dass die Motoren mit dem bestmöglichen Wirkungsgrad arbeiten, womit der Energieverbrauch gesenkt wird. Die Projektpartner ermittelten und bewiesen die erforderlichen Parameter zur Realisierung einer Genauigkeit von 99,99 %. Es wurden Zielvorgaben quantifiziert und Methoden entwickelt, um eine längere Lebensdauer der Anlagen, einen geringeren Energieverbrauch und eine höhere Zuverlässigkeit der Vorhersagen zu erreichen. Aus den gesammelten Daten „kann unser System rein statistisch die acht wichtigsten Motorfehler erkennen“, stellt Samontanez fest. Das Motorlisten-Team bewertete die kommerzielle Realisierbarkeit und das Potenzial der Technologie für die beiden wichtigsten Zielkunden: industrielle Hersteller und Energieversorger. Es modifizierte KI und Hardware des Systems, um den Anforderungen dieser Marktsegmente gerecht zu werden. „Unser System kann bei den meisten Motoren unabhängig vom Modell, Alter, Hersteller, von der Größe und der Marke nachgerüstet werden“, erklärt Samontanez. „Wir passen es an Ihr System an und nicht umgekehrt.“ Die Kommerzialisierung befindet sich in vollem Gange, nachdem bereits mehrere Verträge mit Energieversorgern, Unternehmen des Bereichs schnelllebige Konsumgüter und dem Sektor industrielle Instandhaltung abgeschlossen wurden. Die Teammitglieder arbeiten stetig daran, das System weiter zu verbessern. „Dank des Systems von Motorlisten können bei Industrieanlagen die Instandhaltungsprozesse effektiver geplant, die Stromkosten durch effizientere Motoren gesenkt, die Lebensdauer der Motoren verlängert und im Endeffekt durch Reduzierung ungeplanter Ausfallzeiten das Umsatzpotenzial maximiert werden“, so Samontanez abschließend.
Schlüsselbegriffe
Motorlisten, Motoren, Defekte, Störungen, Fehler, Ausfallzeiten, Industrieanlagen, Industriemotor, Elektromotor, vorausschauendes Instandhaltungssystem, vorbeugendes Wartungssystem
