Condition Monitoring mit Prognose-Software

Gerade bei sensiblen Anlagen, wie sie in der Chemie- und Pharmabranche verwendet werden, können defekte Maschinen neben finanziellen und betriebswirtschaftlichen Nachteilen auch Umweltschäden verursachen. Eine Lösung bietet die intelligente Nutzung von Daten, um genaue Informationen über die Anlagen und Maschinen zu erhalten. Daten intelligent zu nutzen, ist und bleibt Zukunftsthema für die Industrie. Unternehmen wie Cassantec unterstützen Unternehmen dabei, mit stochastischen Algorithmen ihre Maschinendaten effizienter zu verwenden.

Bessere Interpretation von Daten

Durch die Analyse erhalten Betriebe die Information, wann in der Zukunft die Wahrscheinlichkeit einer Störung wie hoch ist. Für dieses Ergebnis durchläuft der Monitoring-Dienstleister mit den betreuten Anlagenbetreibern insgesamt drei Schritte. Bereits zu Beginn während der Konfiguration erkennen die Betreiber das große Potenzial ihrer Daten und verstehen ihre Anlagen besser – obwohl die Datenanalyse ohne vorherige Kenntnis komplex erscheint.

Projekte lassen sich grob in drei Phasen aufteilen. Im ersten Schritt ermitteln Betreiber und Dienstleister den Zustand der Anlage auf Basis aktueller und historischer Zustands- und Prozessdaten. Derartige Daten zu besitzen, ist eine Voraussetzung, um Prognosen für Anlagen zu erstellen. Unternehmer besitzen die benötigten Daten in der Regel schon. Wichtig dabei ist, wie sie diese interpretieren können. Bereits dieser erste Arbeitsschritt ermöglicht die Unterstützung eines Rock-Programms. Rock steht dabei für „Retention of Critical Knowledge“ und zielt darauf ab, kritisches, aber oft unstrukturiertes Wissen von Mitarbeitern für nachfolgende Mitarbeiter zu dokumentieren und weiterzugeben. Für Unternehmen wird Knowledge-Management immer wichtiger. Mitarbeiter bleiben nicht mehr für Jahrzehnte im Unternehmen oder arbeiten häufig projektbezogen. Hier das Wissen sinnvoll aufzubereiten, hilft Unternehmen, nichts zu verlieren.

Die Implementierung der Software Cassantec Prognostics unterstützt diesen Prozess, indem während der Konfigurationsphase genau diese kritischen Daten einer Maschine erkannt und analysiert werden. Um danach die Daten für den Einsatz der zustandsbasierten Prognosen vorzubereiten, setzt der Anbieter diese mit spezifischen Störungsarten der Komponente und datenbasierten Störungsmerkmalen in Beziehung. Hier werden Zusammenhänge aufgezeigt. Im finalen Schritt erstellt der Dienstleister den Prognosebericht, der sowohl die Restlebensdauer als auch einzelne Störungspotenziale anzeigt. Diese Prognoseberichte werden auf Wunsch für die gesamte Maschinenflotte berechnet. Sie ermöglichen einen flottenweiten Lernprozess, um anhand der Daten bessere Entscheidungen bezüglich der optimalen Asset-Strategie zu treffen. Daten werden neu aufbereitet und vermitteln dem Anwender ein Wissen, das er in vielen Entscheidungsprozessen verwenden kann. Dies spart Zeit und Geld und unterstützt den unternehmerischen Prozess des Knowledge-Managements. Der gesamte Vorgang ermöglicht einen flottenweiten Lernprozess: Im Ergebnis werden Daten dazu verwendet, bessere Entscheidungen bezüglich der optimalen Instandhaltungszyklen zu treffen.

Die Software Cassantec Prognostics (Screenshot) erkennt, sammelt und analysiert die kritischen Daten einer Anlage, um eine Prognose zu erstellen. Bild: Cassantec

Zusammenspiel von Diagnose und Prognose

Doch wie genau funktioniert eine derartige Technologie? Ein Betreiber von petrochemikalischen Anlagen erkannte im Sommer 2015 das Potenzial solcher Daten und setzte zusätzlich zum Condition Monitoring auf zustandsbasierte Prognosen. Das Unternehmen erweiterte die gängigen Methoden des Condition Monitoring und der Predictive Analytics um konkrete Zeithorizonte.
Der Anwender setzt die prognostische Software für einen vierstufigen Spaltgaskompressor ein, den eine Dampfturbine antreibt und dessen Anlagekomponenten mit modernen Condition-Monitoring- und Diagnose-Programmen ausgestattet sind. Das Prognoseprogramm verwendet Zustands- und Prozessdaten wie Schwingung, Temperatur, Druck und Geschwindigkeit, um einen Prognosebericht zu generieren und eventuelle Störungen des Spaltgaskompressors und zusätzlich seine Restlebensdauer vorherzusagen. Nach erfolgreicher Integration der Lösung in das Anlagenmanagement plant der Anwender, das Konzept auf weitere Maschinen zu übertragen.

Andere bisherige Anwendungen der prognostischen Lösung, beispielsweise in Kraftwerken in den USA und Europa sowie bei Eisenbahnen, demonstrierten die Stärken im laufenden Betrieb. Bei allen Projekten lautete das Ziel, die Wartungsplanung und den Wartungsaufwand so zu optimieren, dass Betriebs- und Wartungskosten sinken. Durch das Zusammenspiel von Diagnose und Prognose kann ein Betreiber fossil befeuerter Kraftwerke durch die verbesserte Planbarkeit der Wartungsarbeiten und gestiegene Verfügbarkeit beispielsweise 3,1 Mio. Euro/a sparen. Den größten Posten in dieser Kalkulation nehmen mit 1,2 Mio. Euro die Einsparungen durch weniger ungeplante Ausfälle ein.

Ein weiteres Beispiel: Bei einer Ölraffinerie, die 200.000 Barrel/d produziert, fallen im Schnitt Instandhaltungskosten von 35 Mio. Euro an. Mit dem Einsatz der Prognose-Software sind hier bis 2 Mio. Euro Kostensenkung möglich. Beim turnusmäßigen Turnaround der Anlage kann der Betreiber zusätzlich Kosten bis 1 Mio. Euro einsparen. Wie bei anderen Anlagen lässt sich auch hier die Anlagenverfügbarkeit erhöhen. Eine Reduktion der Ausfallzeiten um rund 30 % ist möglich.

Fazit: Daten klären auf

Die Beispielanwender hatten ein klares Ziel: die zahlreichen vorhandenen Prozess- und Zustandsdatenhistorien für eine bessere Restlebensdauer und Optimierung künftiger Instandhaltungsmaßnahmen zu nutzen. Exzessive Instandhaltungsmaßnahmen und kostspielige Wiederholungen wollen die Anwender so vermeiden. Dabei dienen Prognosereports als Grundlage für Langzeit-Instandhaltungsmaßnahmen, Planung, Terminierung und Scoping. Durch die Verwendung von Restlebensdauervorhersagen auf Aggregatsebene können Betreiber größeren Nutzen von vorhergesehenen Ausfallzeiten ziehen. Sie erhalten somit sowohl technische als auch wirtschaftliche Vorteile.

Neben dem gesparten Geld bekommen Unternehmen ein umfassendes Verständnis über ihre Anlagen und deren Zustand. Insgesamt wird ein beträchtliches und vielfältiges Nutzenpotenzial bei den Projekten deutlich. Die Datenanalyse vermeidet unnötige Wartungseingriffe, und Eingriffe können zeitlich gebündelt stattfinden, um ihre Zahl zu minimieren. Die Monitoring- und Prognose-Software ermöglicht zudem ein flottenweites Lernen.

Anwendungen wie zustandsbasierte Prognosen zeigen, über welche wertvollen Möglichkeiten Unternehmen durch gesammelte Daten verfügen. Wer seine Daten intelligent nutzt, wird langfristig von sinkenden Kosten und steigender Gewissheit über den Zustand seiner Maschinen profitieren.