Springe auf Hauptinhalt Springe auf Hauptmenü Springe auf SiteSearch
Grundfos

Störungen frühzeitig erkennen

Die betriebssichere Pumpe, der zuverlässige Kompressor, die langfristig verfügbare Lüftungsanlage – das sind seit jeher zentrale Auswahlkriterien der Geräte-Betreiber. Die Technik des rotierenden Equipments selbst ist heute weitgehend ausgereift. Werden die Maschinen bestimmungsgemäß eingesetzt, haben sie eine zu erwartende Lebensdauer von mehreren Jahren. Solche Apparate fallen daher meist durch Störungen oder Abweichungen im Betrieb der Gesamtanlage aus. Gefordert ist also eine Lösung, mit der solche Störungen frühzeitig erkannt werden.

Muster erkennen bevor die Störung eintritt

Eines der ganz großen Versprechen der digitalen Transformation ist das Gewinnen von Smart Data. Das gelingt in Sachen Instandhaltung sehr gut über das langfristige Erfassen relevanter Daten wie Temperaturen, Drücke, Volumenströme, und deren Analyse. Data Mining erkennt bestenfalls, mithilfe anspruchsvoller statistischer und mathematischer Verfahren beziehungsweise Algorithmen, verborgene Muster, Trends und Zusammenhänge in großen Datenmengen.

97 % der Daten ungenutzt

Smarte Feldgeräte wie Pumpen, Kompressoren und Ventilatoren kommunizieren zwar mit dem zentralen Gebäude- oder Prozessleitsystem, aufgrund von Sicherheitsbedenken und technischen Hürden werden die fleißig gesammelten Massendaten jedoch häufig nur zur nachträglichen Fehleranalyse genutzt. Experten schätzen, dass 97 % der Daten aus der Feldebene ungenutzt bleiben.

Um an diese Daten heranzukommen stehen heute sehr leistungsfähige Echtzeit-Bus-Systeme wie das Industrial Ethernet und Cloud-Anbindungen bereit. Eine datenbasierte Verzahnung der Bereiche Produktion und Instandhaltung ist somit möglich. Experten nennen dieses Vorgehen anschaulich „Langzeit-EKG“.

So arbeitet und wirkt das Grundfos Machine Health-Konzept

Grundfos greift mit seinem Machine Health-Konzept (GMH) auf eine der weltweit größten Datenbanken für typische Maschinen-Geräusche bzw. Vibrationsprofile zu. Mit deren Hilfe sind äußerst präzise Diagnosen möglich. Mehr noch: Aus Maschinendaten werden Handlungs-Empfehlungen – dank Echtzeit-Meldungen und Algorithmen, die geeignete Reparaturen und Wartungsmaßnahmen vorschlagen.

Hochwertige Sensoren und smarte Algorithmen überwachen kritische Aggregate rund um die Uhr. Schon beim ersten Anzeichen eines Problems meldet sich das System mit einer detaillierten Analyse inklusive einer erfolgversprechenden Lösung für das sich anbahnende Problem.

Der Betreiber kann Wartungsmaßnahmen gezielt terminieren (wenn es vom Betriebsablauf her am besten passt), er spart Kosten ein und vermeidet teure Ausfälle.

Das Ergebnis ist überzeugend: In der Praxis ergeben sich 30 % geringere Wartungskosten, 90 % niedrigere Reparaturkosten, 75 % weniger Ausfälle, eine 45 % länger verfügbare Betriebszeit.