• Produkte
  • Industrien
  • IIoT & Lösungen
  • Service
  • Unternehmen
  1. moneo: IIoT-Plattform
  2. Use cases

Intelligente Pumpenüberwachung mit dem moneo SmartLimitWatcher

Umfangreiches Condition Monitoring einer Förderpumpe

Die Förderpumpe ist eine zentrale Komponente einer CIP-Anlage. Sie stellt sicher, dass die Medien durch die gesamte Anlage gefördert werden. Der Ausfall dieser Pumpe hat einen kompletten Prozessausfall der Anlage zur Folge. 

Abhängig vom Reinigungsschritt wird die Pumpe in verschiedenen Drehzahlbereichen betrieben, was eine statische Überwachung erschwert. 

Mit Hilfe von KI-Ansätzen (Künstliche Intelligenz) soll die Überwachung der Pumpe realisiert werden und Abweichungen des Betriebszustands rechtzeitig erfasst und gemeldet werden. Somit können rechtzeitig Wartungsarbeiten durchgeführt werden im Sinne von Real Time Maintenance.

Die Ausgangslage

Prozessüberwachung für Pumpen, in Bezug auf Schwingung und Drehzahl, wird nicht oder nur sehr eingeschränkt durchgeführt - bestenfalls für statische Prozessgrößen. Monitoring- und Visualisierungssysteme, wie moneo, sind nicht installiert. Deshalb erfolgen keine rechtzeitigen Alarmmeldungen vor auftretenden Schäden an der Pumpe.

Ziel des Projekts

Sammeln der kritischen Prozessgrößen und intelligente Überwachung der Pumpe.

Über entsprechende IO-Link Sensorik sollen die kritischen Messgrößen der Pumpe erfasst werden.

  • Durchfluss
  • Drehzahl
  • Druck
  • Temperatur
  • Schwingungsdaten

Über die Datenaufzeichnung des Normalzustands soll ein Modell angelegt werden, das eine Überwachung unabhängig vom Betriebszustand ermöglicht und somit Abweichung zum Normalzustand (Anomalien) detektiert werden.

Die Durchführung

moneo RTM mit der DataScienceToolbox und damit mit der Funktion SmartLimitWatcher, ist zentral auf einem Server installiert. Die IO-Link Master sind über ein internes VLAN mit dem Server verbunden. Die verwendete Sensorik ist jeweils an einem IO-Link Master angeschlossen.

moneo RTM übernimmt dabei die Datenaufzeichnung und Visualisierung. Über das Tool SmartLimitWatcher der DataScienceToolbox werden die gespeicherten Daten analysiert und ein entsprechendes Modell berechnet. Nach einer Anlernphase übernimmt dieses Modell die Überwachung der Pumpe und meldet Abweichungen vom Normalzustand.

Pumpen können in verschiedene Betriebszustände arbeiten (z.B. Last- oder Leerlauf), in diesen Zuständen sind jeweils unterschiedliche Grenzwerte zulässig. Das Tool SmartLimitWatcher der DataScienceToolbox kann dynamisch Grenzwerte setzen. Bewegen sich Prozesswerte außerhalb eines bestimmten Konfidenzbandes, werden entsprechende Warnungen oder Alarme wie bei den statischen Grenzwerten ausgegeben werden. 

Die Überwachung des Durchflusses (Zielvariable) wird mit Hilfe des SmartLimitWatcher realisiert, hierzu werden zur Überwachung die sogenannten Hilfsvariablen (Drehzahl, Pumpendruck, Schwingungsdaten) genutzt, diese beschreiben das Verhalten des Durchflusses in verschiedenen Betriebszustände, z.B. steigt die Drehzahl und Pumpendruck mit steigendem Durchfluss.

Der Erfolg

  • einfach
    Keine Data Science Expertise notwendig. Pragmatische Lösung für Produktions- und Wartungsverantwortliche mit einfachem 5-Schritt-Assistent.
  • komfortabel
    Automatisierte Datenaufbereitung und Qualitätsprüfung. Keine aufwändige Datenvorverarbeitung notwendig.
  • intelligent
    Auswahl des Best-Fit KI-Modells. Automatisches Modelltraining und Überprüfung der Überwachungsgenauigkeit.
  • zuverlässig
    Zeit- und zustandsorientierte Überwachung. Permanente Hintergrundüberwachung mithilfe dynamischer Erwartungsbereiche für die Zielvariable.
  • individuell
    Individualisierbare Warnungen und Alarme. Einstellung der Sensitivität der Anomalie Erkennung.

Die Datenaufzeichnung erweitert die Transparenz und damit verbundene Optimierungspotentiale. Die Steigerung der Anlagenverfügbarkeit verbessert den Gesamtprozess. Schnelle Reaktion auf sich verändernde Prozessparameter durch integriertes Alarmmanagement und damit Optimierung der Instandhaltung. Alle Maßnahmen erhöhen die Prozess- und Produktqualität. Zusätzlich bietet moneo RTM eine umfassende Visualisierung des Prozesses.

Fazit

Ohne Änderungen oder Eingriffe an der SPS oder ihrer Software vornehmen zu müssen, wurden die Anlage erfolgreich digitalisiert.

Systemaufbau

  1. Drehzahlwächter
  2. Temperatursensor
  3. Schwingungssensor
  4. Drucksensor
  5. Strömungssensor
  6. IO-Link Master

Dashboard

Verschaffen Sie sich den Überblick im moneo Dashboard

Im Dashboard erhält der Benutzer eine Übersicht der relevanten Prozesswerte für diese Anlage.

  1. Aktueller Durchfluss am Pumpenausgang in L/min
  2. Aktueller Druck am Pumpenausgang in Bar
  3. Übersicht Schwingungsdaten (a-RMS, v-RMS, a-Peak)
  4. Betriebsstundenzähler in Stunden
  5. Oberflächentemperatur Pumpenmotor in C°
  6. Vergleich Motordrehzahl in U/min und Durchfluss in L/min

Analyse

Über die Analysefunktion kann der Benutzer auf die Historiendaten zugreifen und verschiedene Prozesswerte miteinander vergleichen. Im Diagramm wird eine typische Kennlinie für Anlauf ①, Betrieb ② und Auslauf ③ gezeigt.

Hierbei ist gut zu sehen, dass die Drehzahl und der Druck sich annähernd gleich verhalten. Der Durchfluss in der Anlage läuft leicht nach, was aufgrund der Trägheit des Mediums normal ist.

  • Blau = Durchfluss
  • Weiß = Druck
  • Grün = Drehzahl

Settings & Rules: Grenzwerte verwalten

Statische Grenzwerte

Verschiedene Parameter der Pumpe können statisch überwacht werden, da diese unabhängig vom Betriebszustand sind. z.B. darf in diesem Fall die Temperatur des Motors nicht 50 °C überschreiten. Diese kann durch einfaches Setzen von statischen Warn- und Alarmgrenzen gemacht werden.

Dynamische Grenzwerte (SmartLimitWatcher)

Über den SmartLimitWatcher wird in diesem UseCase die Strömung der Pumpe überwacht (Zielvariable).
Mit Hilfe der Hilfsvariablen (Pumpendruck, Drehzahl und Beschleunigungswerte) wird ein entsprechendes Modell berechnet, welches ein Konfidenzband um den Prozesswert legt, dieses definiert die Grenzwerte für die Strömung unter Berücksichtigung von verschiedene Betriebszuständen.

Die Sensitivität und somit die breite des Konfidenzbands kann über Parameter (keine, gering, mittel und hoch) jeweils für die untere und obere Warn- und Alarmschwelle angepasst werden. Hierdurch können ungewollte Fehlwarnung oder Alarme ausgeblendet werden.

Ticket Verarbeitungsregeln

Über diese Funktion kann einfach definiert werden, was nach dem Auslösen einer Warnung oder eines Alarms geschehen soll, z.B.:

Calculated Values: kalkulierte Werte

Zusätzlich zu den Prozesswerten der Sensorik wird innerhalb von moneo auch die Laufzeit der Pumpe erfasst. Über das Template Betriebsstundenzähler kann diese Funktion schnell und einfach umgesetzt werden.

Dafür wird eine Datenquelle ② benötigt, die den Betriebszustand beschreibt, im folgenden Beispiel wird die Drehzahl verwendet und folgende Grenzwerte ③ verwendet:

  • <50 U/min, Pumpe ist ausgeschaltet
  • >=50 U/min, Pumpe ist eingeschaltet

Dataflow Modeler

  1. Name des Betriebsstundenzählers
  2. Datenquelle
  3. Grenzwert
  4. Aktueller Zählwert / Startwert für den Zählvorgang in h