Du kommer trolig ikke fra: Norway. Endre om nødvendig til: United States
Servicetelefon +47 22 60 80 00
  1. moneo: IIoT platform
  2. Brukstilfeller

Overvåking av vannfiltrene i kjølekretser med moneo RTM

Tilstandsbasert filtervedlikehold i systemer med varmevekslere som bruker moneo RTM

Mikrofiltre i ifm prover gmbh sine kjølekretser sørger for at deres systemer med varmevekslere går problemfritt. Filtrene beskytter varmevekslerne i de tilkoblede maskinene ved å fjerne urenheter fra kjølevannet. Dette viktige filterelementet må vedlikeholdes og skiftes regelmessig. Permanent overvåking optimerer denne prosessen og garanterer kontinuerlig drift av systemene.

Brukstilfeller for filterovervåking i produksjonsprosessen:

  • Kvalitetssikring av produkt og prosess
  • Optimaliser energiforbruket
  • Vedlikeholdsorganisasjon
  • For å sikre vannrenhet, må forurensning som flis, alger osv. filtreres bort. Ellers vil de tette varmeveksleren, noe som fører til feil.

Utgangssituasjonen:

Vannfiltrene ble skiftet ut med faste intervaller (hver åttende uke) uavhengig av tilstanden. Dette innebar en visuell sjekk av filterets tilstand. Det fantes ingen permanent og sentral overvåking av filtrene. Dette resulterte i ekstra kostnader forårsaket av for tidlig eller sene filterskift, maskinstans på grunn av defekte eller tette filtre og uplanlagte produksjonsstopp på grunn av vedlikeholdsarbeid. Disse hendelsene var ofte utilstrekkelig dokumentert, så en påfølgende analyse av feilmodus var umulig på grunn av mangel på data.

Mål med prosjektet:

Målet var å skifte fra en forebyggende, reaktiv til en tilstandsbasert vedlikeholdsstrategi for å optimalisere personelldistribusjon, forbedre filterbytteprosessen og tillate konsistent dokumentasjon av utførte tiltak. En definert gruppe av e-postmottakere i vedlikeholdsavdelingen skulle motta et varsel om filterbytte, med filterbytte bare når det var nødvendig på grunn av deres tilstand. Målet var å gjøre det mulig for brukere å analysere dataene for å identifisere ytterligere potensialer for optimalisering.

Gjennomføring:

moneo ble installert på en sentral server i den eksisterende robuste IT-strukturen, og moneo RTM-modulen ble aktivert ved hjelp av lisensnøkkelen (LAC). To trykksensorer ble installert for å overvåke mikrofilteret, den ene oppdaget trykket foran filteret og den andre ser kraften bak filteret. Basert på disse to verdiene kan trykkforskjellen bestemmes, og gir informasjon om filterets tilstand. Målingen må være veldig nøyaktig. Trykksensorene har IO-Link-grensesnitt, som tillater dataoverføring til en IoT IO-Link-master. moneo RTM-modulen installert på serveren henter trykkdataene fra masteren hvert sekund.

moneo RTM behandler dataene og bruker dem til å:

  • beregne trykkdifferansen
  • lagre historikkdata
  • visualiser dataene
  • overvåke terskler

For å overvåke filtrene ble advarsels-og alarmterskler definert. Disse dataene ble tatt fra databladet til filterprodusenten. Databladet angir hvor høy trykkforskjellen er for et nytt filter ved en definert strømningshastighet (i vår applikasjon ca. 1 m³/h = ca. 0,05 bar). Et filterskift anbefales ved en trykkforskjell på >0,5 bar. 0,5 bar legges til trykkforskjellen i ny tilstand. Følgelig bør filteret i dette eksemplet endres til 0,55 bar. Siden sensorene tidligere ga en maksimal målefeil på ca. 0,05 bar, alarmterskelen er satt til 0,5 bar. Advarselsterskelen skal tre i kraft tidligere her og ble satt til 0,45 bar for å garantere rettidig varsling av personalet.

Resultat:

I løpet av få uker så de, de første resultatene. Ut fra det visuelle utseendet og perioden å dømme, ville et filterskifte allerede ha vært avgjørende. Dataene og måleresultatene fra permanent filterovervåking viste imidlertid at kun 20 % av filteret var tilstoppet. Det ble derfor besluttet å hoppe over det tidsbaserte filterbyttet. Dette forlenget levetiden til filtrene betydelig.

Bunnlinjen:

Med moneo RTM kunne alle mål nås:

  • Oversikt og detaljert informasjon om installasjonen visualisert på dashbordet
  • Registrering av data for videre optimalisering
  • Mulighet for å analysere dataregistrering
  • Permanent overvåking av filterets tilstand
  • En permanent overvåking av filterets tilstand

Systemstruktur

  1. IO-Link master (AL1350)
  2. Trykksensor foran filteret
  3. Trykksensor bak filteret

Dashboard

Relevant sensorinformasjon kan visualiseres raskt og individuelt via dashbordfunksjonen.

  1. Linjediagram viser trykkvariasjoner som funksjon av tid (trykkforskjell, foran og bak filteret)
  2. Nåværende trykk foran filteret
  3. Gjeldende trykkforskjell, med terskelangivelse
  4. Nåværende trykk bak filteret
  5. Filtertilstand i %
  6. Trafikklysvisning av gjeldende filtertilstand

Analyse

Analysen kan brukes til å se flere detaljer. Skjermbildet viser trykkverdiene samlet i løpet av en måned. Som vi kan se, øker trykkforskjellen over tid. Siden filteret tetter seg over tid, er dette å forvente. Det som er positivt er at denne verdien øker saktere enn forventet, noe som gjør at filterets levetid kan forlenges.

  1. Blå linje, differensialtrykket ved filteret

Oppgaver og billetter:

Administrer terskler

Denne funksjonen i moneo RTM lar brukere definere en individuell terskel for hver prosessverdi. I denne applikasjonen er det satt terskler slik at vedlikeholdspersonell vil bli varslet i god tid når filterbytte er nødvendig.

Spesielt under oppstart av maskinen kan det kortvarig oppstå høyere trykksvingninger; Hovedsakelig under oppstart av maskinen kan det kortvarig forekomme høyere trykksvingninger; Dette betyr at grenseverdier som kort overskrides vil bli undertrykt, og systemet vil kun reagere dersom trykkforskjellen overskrides i en tid X.

  1. Øvre varselterskel
  2. Forsinkelsestid for advarselsterskelen
  3. Øvre alarmterskel
  4. Forsinkelsestid for alarmterskel

Administrer reglene for billettbehandling

Veiviseren for billettbehandlingsregler kan brukes til å definere enkle advarsels- og alarmregler. I eksemplet nedenfor blir en gruppe e-postmottakere i en bygningsavdeling varslet når terskler for varsling og alarm er nådd. Et filterskift er nært forestående eller sterkt anbefalt.

  1. Definisjon av terskler (5) og datakilder (6)
  2. Definerer hvilken regel som brukes
  3. Definerer advarselen eller alarmen som haster
  4. Definerer e-postmottakerne
  5. Definisjon av relevante terskler
  6. Definisjon av de tilsvarende datakildene

E-posten generert fra moneo inneholder allerede billettinformasjon:

  • Berørt datakilde
  • Verdien som ble overskredet eller ikke nådd
  • Billettprioritet
  • Tidsstempel

Beregnede verdier:

beregning av trykkforskjell

Trykkforskjell ∆P= trykk foran filter - trykk bak filter

  1. Trykk foran filteret
  2. Trykk bak filteret
  3. Offset av trykkverdier (valgfritt)
  4. Subtraksjon av trykk foran filteret fra kraft bak filteret
  5. Resultattrykkforskjell i bar

Beregning av filtertilstand i prosent [%]

Filtertilstand i % = trykkforskjell * 100 % / maksimal trykkforskjell

  1. Trykkforskjell
  2. Konstant 100%
  3. Maksimal trykkforskjell ved filterbytte
  4. Multiplikasjon
  5. Divisjon
  6. Beregning av filtertilstand i prosent [%]