Smart Condition Monitoring levert real-time conditiebewaking zonder extra meetsensoren.

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.

Een van de hoogtepunten van Lenze op de SPS in Neurenberg (26-28.11.2019, hal 1, stand 360) is daarom 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.

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 machineleren (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.

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.

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.